利用小波变换提取医用X光片图像边缘的研究

基于小波分析,研究提出了一种适合于X线图像的算法,用X线图像的边缘探测,通过实验检验,效果理想。     

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.     

基于小波变换的边缘检测

根据Ｍａｌｌａｔ的多尺度边缘检测的思想,实现了多尺度Ｂ样条的边缘检测算法。在检测之首对图像进行自适应平滑处理,在选取小波函数时提出一种更加有有效的小波函数。同时,提出一种简单而有效的检测和边缘点连接的算法,最后,在分解和重建时采用一种基于滤波器系数特征的快速算法。结果表明,该方法比较适合于精确快速边缘检测。     

基于小波变换的图像边缘检测算法及像素结构分析

对基于多尺度小波变换的图像边缘检测算法进行了改进.通过处理小波变换后出现的负值解决了双边缘问题;通过处理两层邻域的像素点解决了边缘线间断问题,并与传统算法的结果进行了比较,结果表明,利用这一新的算法可使图像边缘更加光滑、边缘定位更精确.     

小波变换在图像边缘检测中的应用研究

根据Morlet多尺度边缘检测的思想,对一幅图像f(x,y),对其进行小波变换,然后分别向3个方向上的小波基进行投影.此种方法对于检测具有方向性的图像有比较好的效果.实验表明,该方法得到满意的结果.     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中,齿轮图像中的边缘信息是极为有用的,它是进一步进行齿轮图像分割的基础,直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘,容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明,此方法降噪能力强,定位精度高,克服了传统方法的缺点。     

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.     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于小波的图像边缘检测算法研究

图像的边缘检测是对图像进行进一步处理和识别的基础,虽然图像边缘产生的原因不同,但反映在图像的组成基元上,它们都是图像上灰度的不连续点或灰度剧烈变化的地方,这就意味着图像的边缘就是信号的高频部分。因此所有的边缘检测方法都是检测信号的高频部分。但在实际图像中,由于噪声的存在,边缘检测成为一个难题。提出一种利用小波把图像分解成近似部分和细节部分,近似部分是原图像对高频部分进行滤波所得的近似表示。经滤波后近似部分去除了高频分量,因此能够检测到原图像所检测不到的边缘。     

焊缝图像边缘检测方法探讨

边缘特征是图象最为有用的高频信息。由于存在噪声,采用经典算子的方法,图像的边缘检测效果不太好。本文首先介绍了经典的边缘检测。然后,针对上述算法的缺陷,提出基于小波变换的边缘检测。实验结果分析表明,在边缘精度、强弱边缘提取和噪声抑制方面,该算法是有效的。     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...     

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．     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制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改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.