小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较 ,可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真 ,又能在边缘定位上保持很高的精度。

多尺度各向异性小波收缩图像分割算法在玉米病斑特征提取时的应用

通过选取基于LXF模型的水平集图像分割算法和快速FCM聚类图像分割算法进行对比研究,并将结合小波收缩与各向异性扩散优点的多尺度各向异性小波收缩图像分割算法应用于玉米病斑图像分割与特征提取中,该算法的分割效果明显优于前两种分割算法。

应用小波多尺度分解算法实现简化气候模式的减噪

应用小波多尺度分解算法 ,实现从简化气候模式混沌系统背景中将高斯噪声、随机信号、多频率的正弦周期信号和混沌信号分离 ,克服了先前的减噪要知道产生混沌信号的数学模型 ,并且要求假定叠加在混沌背景中的其它信号幅度相对很小的缺陷 .该方法可以用于资料信息的处理 .

一种基于高斯滤波与矢量微分算子的小波多尺度边缘检测算法

采用一种基于高斯滤波与矢量微分算子相结合的近似小波多尺度边缘算法 .该算法分别选定大小 2个高斯滤波器的尺度 ,并将其分别与原始图像作卷积 ,从而得到图像的多尺度信息 .以矢量微分算子为卷积核与滤波后的图像进行运算 ,在获得的梯度向量上 ,沿相角方向取模为极大值的点为边界点 .将该方法用于边缘检测 。

虹膜特性提取阶段的小波多尺度特征量化算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷。主要介绍虹膜特征提取阶段一种常见的小波多尺度特征量化算法,阐述了算法技术、解决方案和效果。

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。