小波边缘检测算法在平面丝阵Z箍缩图像1维诊断中的应用

 选择尺度融合的小波边缘检测算子对平面丝阵Z箍缩条纹相机图像进行处理,分析了影响边缘检测效果的参数。处理结果显示：如果边缘像素比例取合适值（4%～7%）,若尺度取较大值时边缘定位不够精确,取较小值时受噪声影响较大;尺度融合的小波边缘检测算子则能精确判断图像边缘位置,同时受噪声影响较小;与直接判读方法相比,通过尺度融合的小波边缘检测算法判读的数据更稳定平滑,更能抵抗噪声的干扰。     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

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。     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘...     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘测度的基本置信指派函数,然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音,对加权Hausdorff公式进行了一些改进,给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

一种基于小波分析的唐卡图像划痕检测

唐卡图像在其保存和搬运过程中较易出现细微的划痕,针对所出现的垂直(水平)划痕进行了自动检测算法研究。垂直(水平)划痕实质上属于特殊的边缘,首先利用该特性采用小波模极大值描述图像中目标的多尺度边界;然后再通过投影变换放大划痕中心的亮度极值特性,并基于多尺度突变点检测找到划痕的位置;最终采用标注联通分量、设置高度和宽度约束得到划痕的掩膜。实验结果表明,利用该方法取得了较好的检测效果。     

基于最小各向同性小波滤波的图像清晰度识别

提出了基于最小各向同性小波滤波的图像清晰度识别方法,对二维最小各向同性小波滤波提取图像特征进行了研究.直接将原始图像通过带通小波滤波器G0获得图像边缘信息,结合图像能量分析,建立了基于小波滤波的图像清晰度评价函数.利用构建的显微镜自动对焦实验平台,比较分析了基于小波滤波和拉普拉斯的评价方法.实验结果表明,采用基于各向同性小波滤波的自动对焦算法有更好的综合自动对焦性能.     

基于改进的Canny算子实时视频边缘检测系统在FPGA上的设计与实现

为了提高图像边缘检测的性能,缩短处理时间,提出了一种基于FPGA的实时视频边缘检测系统。该系统以EP2C8Q208C8为实验硬件平台,首先采用摄像头OV7670获取模拟视频数据,双端口SDRAM实现对图像数据的缓存,利用FPGA并行处理的特点,采用Verilog HDL硬件描述语言实现改进的Canny边缘检测算法,最终实现在VGA显示屏上显示图像边缘的效果。实验结果表明,较传统的边缘检测算法,该系统边缘检测定位精度高,对噪声的抗干扰能力强,能够准确快速的输出图像边缘信息。     

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。     

基于形态学处理和最小二乘法的海天线检测算法

海天线的检测和提取是舰船红外图像处理中的一个重要内容,在综合分析比较基于边缘检测、图像分割以及小波变换多尺度分析等多种海天线检测算法优缺点的基础上,提出一种基于形态学处理和最小二乘法的算法,仿真分析表明此算法能适应含有各种干扰的海面背景环境,鲁棒性好,并且提取精度高,能精确定位海天线。     

一种彩色图像边缘检测方法

研究了基于小波的彩色图像多尺度边缘检测的方法。选择了感知性强的YUV色彩空间，根据小波理论用多分辨分析的张量积代替小波函数的张量积，建立了二维的Mallat算法以实现快速小波变换。并对1个标准图样进行了多尺度的小波分解，得到各尺度下的边缘检测结果。可以看出，在较高尺度和较低尺度检测时，实验结果与理论分析相吻合，效果较好。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

复杂背景下运动目标的光学相关识别

在应用光电混合联合变换相关器实现运动目标相关识别的过程中,针对目标与模板由于运动所产生的差异和复杂背景影响相关器识别率的问题,采用了一种以高斯函数的一阶导数做小波多尺度边缘提取和形态学膨胀进行边缘加粗处理相结合的方法。这种方法可充分利用小波多尺度的特点,使得提取后的边缘在抑制噪声的同时,能保留更多的细节信息,明显改善复杂背景下运动目标的相关识别问题。对以低对比度和小目标为特点的动态序列进行光学相关实验,结果表明,这种方法能有效增强探测目标的相关峰亮度,验证了算法对复杂背景下运动目标识别的可行性。     

系留缆绳损伤检测图像去噪方法研究

为了提高气球载雷达系留缆绳损伤检测中的图像质量,提出了一种多尺度多结构形态学的小波融合去噪方法。首先对噪声图像进行小尺度多结构元素的形态开-闭（OC）运算,然后再进行较大尺度多结构元素的形态开一闭运算,利用小波融合技术将运算结果进行融合,最后进行了仿真验证和性能分析。结果表明,采用该方法得到的峰值信噪比（PSNR）普遍高于传统的去噪方法,在抑制噪声的同时较好地保护了图像的细节和边缘信息,尤其在噪声密度较大时,优势更加明显,峰值信噪比能高出十多dB,而且对随机噪声和椒盐噪声均能获得良好效果,具有较强的适用性。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

Stochastic resonance in multi-scale bistable array

This Letter explores a new mechanism of stochastic resonance (SR) that is induced by the multi-scale noise decomposed from the input signal, which is promising in signal detection and processing under heavy background noise. The input signal is firstly decomposed to multi-scale signals by orthogonal wavelet transform. Then, the approximate signal, which contains the driving signal, is processed by an uncoupled parallel bistable array with the detailed signal of each scale as the internal noise. At last, a SR mechanism combining the effects of colored noise and array SR is proposed. The simulation results show that a high quality output signal can be obtained by the new mechanism. The proposed model is more adaptive to input signal with high noise intensity than single bistable SR system, which can be seen from the signal-to-noise ratio curves and average noise intensity curves.     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。