基于Shearlet变换的图像边缘检测

现存的基于空间域或小波变换域的图像边缘检测算法只能有效检测出有限方向的边缘,不能很好地检测较为复杂的边缘。Shearlet变换能够对图像进行任意层次和任意方向的分解,可以捕捉更多复杂的边缘。利用这些特点,提出一种新的基于Shearlet变换和改进canny算子的边缘检测算法。算法对canny算子进行改进,提出自适应阈值确定方法;根据Shearlet变换的多尺度和多方向特性,提出融合多个方向子图边缘信息的算法。实验证明,该算法不仅提高了边缘检测的完整性和精确性,还可以有效抑制噪声。

基于Shearlet变换的自适应图像融合算法

针对多聚焦图像与多光谱和全色图像的成像特点,结合Shearlet变换具有较好的稀疏表示图像特征的性质,提出了一种新的图像融合规则.并基于此融合规则,提出了基于Shearlet变换的自适应图像融合算法.在多聚焦图像的融合算法中,分别对聚焦不同的图像进行Shearlet变换,并基于本文提出的融合规则,对分解后的高低频系数进行融合处理.通过与多种算法的比较实验证明了本文提出的算法融合的图像具有更高的清晰度和更加丰富的细节信息.在多光谱和全色图像的融合处理中,提出了一种基于Shearlet变换与HSV变换相结合的图像融合方法.该算法首先对多光谱图像作HSV变换,将得到的V分量与全色图像进行Shearlet分解与融合,在融合过程中对分解系数选用特定的融合准则进行融合,最后将融合生成新的分量与H、S分量进行HSV逆变换产生新的RGB融合图像.该算法在空间分辨率和光谱特性两方面达到了良好的平衡,融合后的图像在减少光谱失真的同时,有效增强了空间分辨率.仿真实验证明,本文算法融合的图像与传统的多光谱和全色图像融合算法相比,具有更佳的融合性能和视觉效果.