基于小波的多尺度图像处理及其在纸浆纤维检测中的应用研究

从社会产业技术发展的层面来看,随着图像处理技术的不断升级,纸浆纤维检测环节工作的操作质量也较以往有所改善。实际上,这与基于小波的多尺度图像处理方法的选用有着直接的关联。小波多尺度边缘检测的原理较为科学,即将小波的多尺度因子与不同方向上的梯度连写起来,使其在梯度大的方向采用小尺度的因子,从而突显出较强的图像边缘细节的保持特性。本文就基于小波的多尺度图像处理的过程及其基本情况进行论述,结合具体的使用范围挖掘此种多尺度图像处理模式在纸浆纤维检测中的具体应用实效,以期为该领域实践带来有益的借鉴。

基于BP神经网络的多尺度图像检索方法

当前应用较为广泛的图像检索方法大多是单一结构,在实际应用的过程中容易出现误差,同时获取的视觉特征也不全面,一定程度上缺乏创新延伸的能力,导致对应图像的综合表达能力匮乏。因此,基于BP神经网络的多尺度图像检索方法进行设计。计算图像深层特征卷积值,依据得出的数据信息,建立复杂层级的多尺度检索结构,将结构添加在初始的检索模型中,创建BP神经网络的归一化重叠检索模型,通过区域生长算法最终实现多尺度图像的检索。测试的结果表明:在相同的测试环境之中,对比于两种传统方法,本文所设计的方法具有更强的灵活性,并且得出的图像检索MAP值较小,表明其检索的范围相对较大,具有实际的应用意义。