彩色图像边缘检测及其在图像融合中的应用

提出了一种新的基于小波变换的彩色图像边缘检测方法,运用噪声和微弱边缘的识别以及动态双域值的选取,使得检测出来的边缘定位精度高,抑制噪声性能好。利用基于区域特征的信息融合策略,比较待融合图像的边缘点的值和区域能量特征值,选择特征突出者对应的原始图像区域组成融合结果。实验结果表明,该算法可以良好地保留两幅图像的细节信息,得到高质量的融合图像。     

图像跟踪中的边缘检测技术

为提高电视图像跟踪系统的图像检测精度,实现对目标的稳定跟踪,研究一种有效、实时的图像检测方法非常必要。本文介绍了边缘检测技术的基本原理,描述了几种边缘检测方法,如传统的基于经典微分算子的边缘检测、LOG滤波器与Marr Hildreth边缘检测算子、多灰度图像边缘聚焦法、Canny边缘检测算子、基于梯度信息的自适应平滑滤波和基于小波的边缘检测算子等。给出了边缘检测技术在实际图像跟踪中的应用实例,指出实际的电视图像跟踪系统可以根据不同的图像类型,考虑安全性、稳定性、精度噪声等因素,选择最优的边缘检测方法。     

小波变换域中图像噪声平滑技术

本文分析了小波变换应用于图像噪声平滑的原理，并对在应用中的小波函数的选择、信息剪裁和信号重构等几个重要问题进行了详细论述，对小波变换的图像滤波技术既能平滑噪声又能保留图像边缘的问题提出了具体要求。     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题,提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度,提高了分辨率,并使局部对比度信息得以保留,从而更加符合人类的视觉特性.     

基于小波变换的航空红外图像目标检测的预处理

提出了一种基于高斯小波变换的航空红外图像的目标边缘自动提取的新方法。该方法利用小波变换良好的噪声抑制能力及完备的边缘保持能力 ,能够有效的对红外图像进行目标边缘提取、目标增强及噪声抑制等预处理工作。结果表明 ,该方法对红外航空图片的边缘提取能做到快捷、准确、有效     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

Haar-Gaussian小波变换在边缘测量中的应用

应用Harr-Gaussian小波变换对图形图像的边缘进行频域分析，建立边缘测量的物理模型， 并用带宽匹配方法和远心测量光学系统，在大景深物体测量中获得准确的结果. 关键词： 小波变换 边缘测量 测不准原理 远心系统 图像识别 自动检测     

基于小波变换的红外焦平面阵列图像边缘保护处理法

针对红外焦平面阵列图像成像系统中的准确、清晰、无失真的要求,提出了一种基于小波变换的图像边缘保护处理方法,重点分析了将图像的二维小波变换与统计学中的最大后验概率估计算法结合来进行图像消噪的处理方式,介绍了该方法在红外焦平面阵列图像中的应用。仿真实验表明,这种方法明显减轻了失真度,使图像更加清晰,有效的扼制了"人工虚影"现象。     

应用小波边缘检测技术分析荧光寿命显微像

研究了小波图象边缘检测技术在荧光寿命显微像分析中的应用，利用小波分析的多尺度特性进行了荧光寿命显微像的边缘提取，结果表明，这种方法非常有效。     

小波变换极大模图在射线检测中用于缺陷边缘提取

提出射线底片在C^a空间中的灰度信号模型，验证灰度信号不同组分的小波变换模值分辨分析尺度变化的规律。从射线底片的背景信号和高频噪声中提取了边缘信息。     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5～2．0 dB。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

星图中基于小波变换的CCD传感器Smear现象消除方法

帧转移型CCD传感器在拍摄星空背景图像时,视场中高亮度恒星会产生Smear现象,从而对目标检测有严重影响.为了消除Smear现象,提出了一种星图中基于小波变换的Smear消除方法.首先根据Smear产生机理及星空图像特性,建立星图Smear问题的模型|然后使用多层二维Haar小波分解,把Smear亮线分离到低频分量及高频垂直分量中分别进行Smear消除处理|最后重构出消除Smear的图像.实验结果表明:该方法能有效去除Smear,最大限度保留图像原有信息,并可增强Smear区域弱小目标信噪比.     

基于直方图的感兴趣区图像边缘检测

当图像中的某些区域具有比其它部分更高的重要性时,基于感兴趣区域(ROI)的边缘检测功能就尤为重要。但是当前大部分算法均针对图像整体检测,这在一定程度上会影响对ROI区域的检测效果。针对该问题,提出一种基于ROI的边缘检测算法。新算法首先利用修正后的图像直方图特征选取ROI区域的分割阈值,然后根据分割阈值从背景中分离出ROI区域,最后选择最优边缘检测算子,完成基于ROI的边缘检测。实验结果表明:新算法能够更好的支持对ROI区域的边缘抽取。     

基于局部熵的图像过渡区边缘检测算法

提出了一种新的红外目标边缘检测算法,利用局部熵值分析法和过渡区提取相结合的方法,通过Top-hat与Bottom-hat变换,建立有效平均熵和对应灰度值的曲线关系,选择合适的阈值,在此基础上执行形态学闭合操作.仿真结果表明,该方法在去除不必要的细节的同时,能很好地提取目标的边缘信息.     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系。为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果。实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

结合小波域变换和空间域变换的图像增强方法

提出了一种结合了小波域和空间域处理方法的图像增强算法. 该算法首先对小波域中的高频系数进行修正,使图像具有更好的局部对比度和更丰富的细节,由于双树复小波变换（Dual-tree Complex Wavelet Transform,DT CWT）具有更好的方向选择性,在小波变换的过程中选用了这一方法;然后,通过空间域中的非线性变换,调整图像的整体对比度. 该算法可根据图像本身的特性实现参数的自动选择. 经过本文方法的处理所得的图像,无论在视觉效果上还是在统计上,都优于前人工作的结果.     

CCD噪声标定及其在边缘定位中的应用

成像过程中的CCD噪声将给图像测量结果带来误差,因此能否有效地抑制这些噪声是提高测量精度的关键。分析了CCD暗电流噪声和随机噪声的特性,并针对各自特性提出了相应的噪声标定技术以及抑制方法。结合精密图像测量任务,分别研究了暗电流噪声和随机噪声对一维边缘定位、结构光相移法相位提取的影响。通过仿真和实验,比较了噪声抑制前后的测量结果,结果表明,噪声抑制后边缘定位精度有很大的提高,证实了该CCD噪声标定技术和抑制方法的有效性和必要性。     

基于线阵CCD的图像采集系统设计

介绍了一种快速提取边缘特征信息的图像采集系统设计方法。该方法以C8051f060单片机为控制核心, 结合外围环形硬件电路实现对线阵CCD图像传感器的驱动,采用简单的预处理电路将两路CCD输出信号转变为一路可利用的视频信号,再利用单片机的A/D转换模块对视频信号进行模数转换和串口通信将数字图像数据发送到上位机等待后续处理。该系统电路设计较简单,集成度高,成本低,避免了以往设计方法的不足,通过实验结果表明：该系统具有较好的抗干扰性和稳定性,产生的驱动信号符合CCD工作需求,可以快速、高效完成对含有边缘特征信号的采集并实现高精度测量。