改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法,分别利用不同尺度小波变换后的水平方向和垂直方向高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在2个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

一种基于小波变换的边缘检测算法

目的 利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征.方法 学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法.结果 在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算...     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.     

一种改进的基于小波变换模极大值的边缘检测方法

一种改进的基于小波变换模极大值的边缘检测方法包含如下2个步骤:(1)求出边缘及噪声点的局部极大值;(2)利用边缘点与噪声点具有不同小波变换模极大值的特点,对局部极大值进行二次判别,从而实现噪声与边缘的分离.实例验证结果表明,该方法能很好地解决高精度定位与强去噪能力之间的矛盾.     

关于利用小波变换对稻米图像进行边缘检测的改进方法研究

为了进一步提高稻米图像边缘检测效果,本文在小波变换和双阈值相结合的方法基础之上,提出了利用边缘长度提取有效边缘的方法,并利用该方法对稻米图像进行边缘检测,取得了较好的边缘提取效果。     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

小波分析对奇异性的检测用于滴定终点的确定

在分析化学领域中，利用数学判断法确定滴定终点，随着计算机的日益普及而备受关注。本文从多分辨率分析出发，结合小波变换的奇异性检测理论，提出了基于低尺度细节系数重构信号模极大值的滴定终点判断方法，该方法操作简便，通过选择合适的小波函数后，能达到较高的精确度。实验数据的处理结果也证明了该方法的可行性。     

综合小波和模糊方法的图像边缘检测

为了更好地对图像边缘进行检测,提出一种基于小波局部极大模和模糊方法相结合的图像边缘检测算法．它将图像分为高频和低频部分分别进行处理．高频部分利用小波局部极大模的方法进行边缘检测,低频部分则利用模糊方法进行处理,并对两种边缘图像进行了融合．试验结果证实了该算法的可行性．     

基于多策略融合技术的水稻叶片边缘检测算法研究

农作物边缘检测问题是基于图像处理技术的农作物检测技术的重要内容之一.在分析已有边缘检测方法的基础上,将图像区域最小外接矩形算法、中值滤波、Canny算子和闭运算有机结合,提出一种基于多策略融合技术的水稻叶片边缘检测算法,将该方法应用于单叶片、背景为白板的叶片、背景为土壤的叶片、重叠叶片等不同特征的图像,有效地获取连续、光滑的水稻叶片边缘,表明该算法具有高效、准确和鲁棒的特性     

基于比较的大米样本图像分割

[目的]提高大米加工精度时图像识别的效果。[方法]采用SUSAN算子,讨论其参数的选取原理,并与传统边缘检测算法作对比。[结果]SUSAN边缘检测算法对含噪大米样本图像的边缘检测效果优于传统的边缘检测算法。[结论]SUSAN边缘检测算法非常适于含噪或低对比度大米样本图像的边缘检测     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于数字图像处理的大米质量检测

对目前大米质量检测的现状,提出了基于数字图像的检测方法,利用图像的灰度变换、中值滤波、边界跟踪、模板匹配等方法,对大米的垩白度、黄粒米和不完善米粒的检测方法进行了研究,以适应农业自动化的要求,实验结果表明,该系统所采用的方法是有效和准确的。     

基于Logistic映射的小波域图像加密技术

针对图像小波编码混沌加密技术中出现的边界效应问题,提出基于区间小波编码的混沌加密新技术。相对于传统的图像延拓方法,该方法在小波变换前后,不需要对图像进行特殊的延拓处理,可在对图像加密的同时,压缩图像文件规模,有效消除边界效应;此外,调整被逼近信号函数的H lder连续指数L的大小,可满足对图像恢复精度的不同要求。实验结果表明,在L=1时,信号恢复精度已满足要求。