改进ROEWA与小波变换结合的遥感图像海陆分离

海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是利用灰度特征对图像进行处理,造成分割效果不明显,大量的孤立区域无法处理,而且会造成误分割,不利于后续处理。针对上述问题,本文提出一种基于改进ROEWA算子与小波变换结合的海陆分离方法。首先利用ROEWA(指数加权平均比率)算子对原始图像进行边缘检测得到边缘的强度,再利用非极值抑制和双阈值算法定位边缘,然后采用小波变换对叠加后的图像进行二次边缘提取,提取边缘的方向,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。实验结果表明,本文的算法与常用的的海陆分离算法相比,检测效率和精度都比较高,且鲁棒性好,有利于后续舰船检测的处理。     

一种有效的聚束式合成孔径雷达图像特征提取算法

提出一种聚束式合成孔径雷达图像特征提取的有效算法.通过小波变换图像去噪法提高信噪比;利用Canny算子完成边缘检测;根据雷达图像的特点提出边缘检测后不做曲线闭合,而直接进行阈值处理的图像分割.图像预处理后提取具有旋转、尺度、平移不变性的Hu矩作为特征矢量并归一化,在训练阶段引入聚类分析.以MSTAR实测数据为样本,用最近邻分类器和BP神经网络分类器对该特征提取算法进行识别能力测试,算法的有效性得到了验证.     

基于小波变换和数学形态学的航空图像边缘检测

为有效提取噪声较大的航空图像的边缘信息,对基于小波变换和数学形态学相结合的图像边缘检测算法进行了改进,将小波分解后的高频和低频子图分别进行边缘处理。对分解后的低频系数图像采用小波边缘检测方法,而对包含细节较多的高频系数图像则选取合适的结构元素,提出一种新的梯度算子,采用基于小尺度的数学形态学方法进行边缘检测,最后对2种边缘图像采用小波重构方法得到新的边缘图像。     

图像边缘检测的改进方法

为了对sobel算子检测进行改进,使其检测的边缘连续,对二进制小波变换的图像边缘检测算法进行了改进,在进行二进制小波变换分解时,将原始分解滤波器h 和g 相邻系数间内插2j个"0"得到尺度j 的分解滤波器hj和gj ,然后再进行小波变换.改进后的算法提取了图像边缘,有效地去除图像的噪声.实验表明:改进的算法算法简单、易于编程.     

基于小波变换的红外目标图像多尺度边缘提取

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础.传统的空域微分算子等方法在对背景相对复杂的红外图像不能有效的提取目标边沿.针对红外目标-景间对比度小,边缘模糊的特点,提出了基于小波变换的多尺度边缘提取方法.实验结果验证了,该算法具有良好的检测效果.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

基于视觉注意机制的视频监控中海上舰船目标检测

当天空、海面和岸上建筑等自然背景比较复杂时,容易干扰视觉注意的对象,而影响舰船目标的检测。本文提出了一种改进的视觉注意模型来检测海上舰船目标,首先利用小波变换获得舰船目标图像的高频特征和低频特征;然后利用改进的Top-hat滤波器抑制云雾和较强的海杂波,采用改进的Gabor滤波器得到方向特征,采用离散矩变换（DMT,discrete moment transform）得到边缘纹理特征;同时将图像进行色彩空间转换,由HSI（Hue-Saturation-Intensity）空间提取图像亮度、色调和饱和度来构成运动特征和颜色特征;最后将各特征图通过加权线性融合得到兴趣图,通过自适应阈值分割出舰船目标区域。实验证明该舰船目标检测算法具有较好的检测效果。     

小波变换在图像分割中的应用研究

在讨论基于小波变换的阈值分割算法的同时,提出了Canny算子和小波变换的边缘信息融合的图像分割方法,以及利用小波变换对图像纹理进行分解、特征提取,然后利用模糊C-均值聚类(FCM)进行纹理分割的方法;探讨了各种分割方法的特点、应用范围、及图像分割技术的发展方向.     

形态学边缘信息引导的区域合并合成孔径雷达图像分割算法

针对基于区域合并的合成孔径雷达(SAR)图像分割中,初始分割过度碎片化影响后续区域合并效率和质量的问题,提出了利用形态学边缘信息引导的区域合并(MEI-RCBLP)SAR图像分割算法。首先利用高斯和伽马函数赋权的加权中值滤波构造各向异性形态学方向比率算子,提取图像的边缘强度映射来表征边缘响应的强弱,并对边缘强度映射进行阈值化处理和分水岭变换得到高质量的初始分割;然后利用现有的相对公共边界长度惩罚区域合并技术,迭代地合并初始分割中最相似的相邻区域,直到满足合并终止条件,输出最终的分割结果。实验结果表明,相比利用统计区域生长、MISP超像素和均值比边缘信息引导的分割算法,所提出的MEI-RCBLP算法显著改善了初始分割质量,在保证最终分割质量的前提下初始分割区域数目减少了25%以上,同时最终的分割结果在不同的性能评价指标上总体优于上述对比算法。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

使用测地线活动轮廓模型的合成孔径雷达图像分割方法

为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。     

基于小波变换与形态学的机场跑道异物检测算法

机场跑道异物(foreign object debris,FOD)检测的精准性和效率直接决定了民航运输业的安全。为了提高机场跑道异物的定位精度,研究中提出基于小波变换与数学形态学相结合的机场跑道异物边缘检测质心定位算法。此算法先对采集到的机场跑道图像进行小波分解,高频部分利用小波变换的尺度边缘检测,并进行小波阈值去噪;低频部分利用数学形态学算子进行形态学边缘检测,然后对得到的高频和低频图像进行融合,并对异物边缘轮廓进行增强,最后利用质心定位法求解异物像素坐标。实验结果表明:小波变换与数学形态学相结合检测出的图像边缘具有较好的互补性,结合了小波变换在边缘精确定位和对噪声的抑制方面较好的性能,数学形态学在检测弱边缘和保留图像细节的优点,通过此算法提取的跑道异物边缘信息细腻且定位准确,能有效识别与机场跑道背景相似的异物并准确定位。     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.     

融合图像边缘和区域特征的道路检测算法

利用图像分割技术对车载视频进行图像处理,提取道路信息,以用于智能车自动驾驶.首先,将彩色通道图像转换成灰度图像,并进行直方图均衡化和滤波预处理;然后,利用自定义差分算子和区域生长法,进一步对处理后的灰度图像进行分割,分别获得图像的边缘和区域特征.最后,结合区域和边缘分割的互补特性,提出一个融合两者信息的分割算法,对不同条件下获得的车载视频进行图像分割,实现道路检测.实验结果表明,所提出的方法能够获得边缘精确平滑、区域均匀的道路分割,而且算法具备较好的实时性和鲁棒性.     

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.     

B样条小波在图像多尺度边缘检测中的应用研究

本文介绍了使用小波变换检测图像边缘的原理 ,利用 B样条小波构造出一个边缘检测算子 ,使用多孔算法进行边缘提取 ,并提出了一种更简化的实现方法 ,通过实验验证了这种方法的有效性     

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。     

一种基于小波变换和数学形态学的边缘检测算法

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.