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 。

基于EM算法和小波多尺度边缘检测的活动轮廓模型初始化

本文研究了活动轮廓模型初始化的问题.利用EM算法和小波多尺度边缘检测的方法,获得了活动轮廓模型的外部能量函数和初始曲线,并对于具体的X射线图像给出了实验结果和该算法的有效性.

基于小波的多尺度边缘检测在遥感图像处理中的应用

本文引入小波多尺度边缘检测,将小波的尺度因子与不同方向的梯度联系起来在梯度大的方向(垂直边缘方向)采用小尺度的因子,突出细节.在梯度小的方向(沿着边缘方向)采用大尺度因子,可提高信噪比.试验结果表明:该算法具有很好的边缘细节的保持性,较常见的P-M模型滤波方法算法效果有明显优势.

超空泡图像的自适应多尺度小波边缘检测

针对水下高速射弹试验获取的超空泡图像中夹杂较多噪声,而传统边缘检测算法在自动边缘检测中抑制噪声效果差的问题。文中采用自适应多尺度小波边缘检测,对超空泡图像进行边缘检测。算法中首先对图像进行多尺度下的小波变换和相邻尺度间的梯度增强,再采用K均值聚类进行边缘的自动检测,得到不同尺度下的边缘,根据小波基的不同选择对应的多尺度融合方法进行多尺度融合,得到最终的边缘图像。实验表明,文中算法相比传统边缘检测算法,有效地抑制了图像中噪声,得到了更完整的边缘信息。

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。

轮胎气泡边缘检测算法的研究

针对轮胎激光剪切散斑干涉图像背景中存在大量条纹的特点,为避免其对气泡边缘检测产生妨碍,主要对其边缘检测算法进行了研究。给出了对常用的几种算子进行边缘检测后的轮胎激光剪切散斑干涉图像,并分析了其在处理图像时的不适用性,设计出基于模糊理论的小波多尺度边缘检测算法。在多尺度边缘检测过程中,设计了适合的模糊算子,改善了轮胎气泡边缘检测的效果。由仿真结果可知:本文设计的算法与常用边缘检测算法相比,更好地标记出了轮胎气泡的边缘图像,滤除图像中的伪边缘。

小波多尺度动态方向梯度矢量流与心脏核磁共振图像分割

主动轮廓线模型已在心脏MRI图像左心室内膜分割中得到了广泛的应用,但是如果轮廓线的初始位置不合理,受到左心室内部组织灰度和心脏周围组织灰度的影响,将难以得到准确而稳定的分割结果。将小波多尺度边缘检测算法应用于主动轮廓线模型,并结合动态方向梯度矢量流(DDGVF)概念,首先在高尺度图像上进行处理,将得到的结果作为低尺度图像上的初始轮廓线继续进行处理。通过这种方法,解决了初始轮廓线必须离真实轮廓很近的问题,有效扩大了主动轮廓模型的捕获范围。

竞争型小波神经网络在零件分类中的应用

文章将小波分析与竞争型神经网络相结合,构造了适应于零件分类的竞争型小波神经网络(CWN)。首先对零件先进行小波多尺度边缘检测,然后采用不变矩方法提取零件的特征,最后送入CWN加以分类。分类结果表明,CWN对相似零件能够有效分类,并且有一定的鲁棒性。

基于小波多尺度和最大似然法的红外目标探测

由美国夜视和电子传感器管理局(NVESD)研究提出的经典视场目标探测模型,未能反映出信杂比(SCR)在探测过程中的影响程度。采用小波多尺度边缘检测法来仿效视觉系统,将边缘概率(POE)与经小波多分辨分析法改造后的雷诺一致性方程的均方根(RMS)结合,得到基于小波多尺度POE算法。再利用最大似然法对目标和背景分类探测进行处理,从而获得目标模式识别的最大似然概率;将信杂比计算引入红外目标探测中,推导出了高、中、低信杂比下的目标探测、分类和识别预测方法,解决了红外目标探测过程中与信杂比的关系。