基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.

基于小波变换和Canny算子的齿轮边缘检测

齿轮表面的缺陷检测是保证齿轮使用安全的一个重要手段。本研究对象为整个缺陷检测系统中的一部分,对输入的图像进行边缘检测,得到图像的边缘信息,是缺陷检测前的准备工作。基于小波变换多尺度多分辨率的特性,提出了将小波变换和Canny算子相结合的方法,对齿轮边缘进行检测。首先采用中值滤波去除图像噪声,然后根据小波变换理论,选取Haar小波提取图像的低频系数并重构,再用Canny算法检测齿轮的边缘,并对实景拍摄图片进行检测实验。结果表明:当小波尺度为1时,与单纯的Canny算法检测相比,改进算法在检测精度上较Canny算子有所改进,能够较好地检测边缘。

基于小波与曲波变换的受电弓碳滑板边缘检测方法

以动车组列车的受电弓碳滑板为研究对象,针对目前在受电弓滑板边缘检测处理过程中存在的噪声抑制、缘不够精细的问题,提出了一种新的受电弓边缘检测方法。首先,对原图像进行小波变换得到增强后的图像,再对原图像实施曲波变换得到增强后的图像,然后通过多次对比取0.9:0.1的比例对增强后的图像进行融合,获得最佳的融合效果,得到新的图像,最后使用Canny算子对增强后的图像进行边缘检测得到最终的边缘图像。此方法结合了小波变换可以在覆盖整个频域有效地提取图像奇异点信息与曲波变换对曲线奇异性检测效果良好的优点,可以对图像的细节、边缘信息进行很好的描绘,有效地提升了图像清晰度,为边缘检测质量提供了保障。通过与基于小波变换和基于曲波变换降噪后的边缘检测结果作比较,证实了通过上述检测方法获得的结果相较于其他两种方法更好,受电弓滑板边缘提取的效果更佳。

Canny算子与小波变换相结合的道路边缘特征提取算法

提出了Canny算子与小波变换相结合的道路边缘特征提取算法。首先用Canny算子对原图像提取边缘,与原图像进行叠加,再用小波变换对此图像进行二次边缘提取,有效地提取道路边缘特征,避免了Canny算子提取道路边缘不连续现象和小波变换提取边缘时出现的虚假边缘信息。

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。

小波变换和Canny算子相结合的图像边缘检测算法

提出一种基于小波变换和Canny算子相结合的图像边缘检测算法。由于传统Canny算子在进行边缘检测时,会丢失边缘细节信息,产生伪边缘,因此,论文提出在进行Canny算子边缘检测前,首先使用二维最大类间方差算法将图像分为四幅子图,然后对各子图分别进行小波阈值去噪,对去噪图像进行图像融合后,使用Canny算子检测边缘,最后进行边缘连接,得到连续边缘线。实验结果表明,该算法可以在去除噪声的同时有效保留边缘细节,达到较好的检测效果。

综合Canny法与小波变换的边缘检测方法

提出一种Canny法与小波变换相结合的边缘检测方法.首先,对源图像进行小波分解,在不同分解层上对高频子图像用小波模极大法进行边缘检测,对低频子图像用Canny法进行边缘检测,然后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像.这种边缘检测方法结合了小波变换法和Canny法的优点,对用不同方法得到的两种边缘信息进行融合,从而有效地抑制了噪声,保留了连续、清晰的边缘.实验结果表明,这种结合方法要优于单独使用Canny法或小波变换法.

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。

结合Mallat小波变换和canny算子含噪遥感图像边缘检测

为改善含噪图像边缘检测质量,提高遥感图像边缘信息的获取正确率。本文以mallat小波变换作为图像主要的去噪重构方法的基础上,结合canny边缘检测算子对含噪图像进行边缘轮廓信息检测。实验表明含噪图像通过mallat小波变换的二层分解重构后,再结合canny算子检测处理比单一处理的检测算法效果较好。

基于小波变换的Canny检测算法

在图像处理中,边缘检测具有很重要的作用,它可作为模式识别、图像分割及图像场景分析的基础.传统的图像边缘算法具有算法简单,方向适应性强的优势,然而由于图像边缘具有多样性(方向的不一致性、边缘强弱的不相同等),这些传统算法不能很好地体现出优越性.论文提出利用小波变换对图像进行分解,增强和重构后,再利用传统的Canny算子对变换后的图像进行边缘检测,以缓解图像处理中噪声抑制与精细边缘检测的矛盾.结果证明,该方法提取的图像边缘失真小,能有效地拟制噪声,对多边缘特征的图像具有良好的适应性.

基于小波增强与Canny算法融合的锂电池极片缺陷检测方法

针对目前锂电池极片表面存在亮度不均、低对比度微小缺陷难以检测的问题,提出了一种基于小波增强与Canny算法融合的锂电池极片缺陷检测方法。首先使用K-近邻均值滤波抑制图像背景噪声,然后基于小波变换分别采用线性调整和多尺度细节增强方法处理图像的低高频分量,进行图像增强,接着利用PSO-OTSU算法自适应获取增强后图像的最佳高低阈值,最后利用哈夫检测法连接边缘点。通过测试漏金属、亮点、划痕、孔洞等缺陷各700张图片,定量分析比较了3种算法的准确率,实验结果表明,相对于其他两种算法,本文算法可以较好地保留缺陷边缘细节,检测低对比度微小缺陷,提取精确完整的缺陷轮廓,检测准确率达97.85%,具有一定的实用价值。

基于Canny算子边缘检测的小波阈值去噪方法

本文研究了信号处理中图像去噪的问题.利用小波变换理论提出了一种基于Canny算子边缘检测的小波阈值去噪方法,实验结果表明,该方法在有效去除噪声的同时能够更好地保留图像的边缘.

基于平稳小波变换邻域系数萎缩的图像去噪法

为消除图像去噪过程中普遍存在的边缘失真,先利用Canny边缘检测算子提取含噪图像的边缘特征,使边缘图像的像素点和含噪图像的像素点一一对应,将含噪图像中边缘像素点的值设零,再将得到的去掉边缘信息的含噪图像进行二维离散平稳小波变换,对小波系数采用基于邻域的方法进行系数萎缩。该算法充分考虑了平稳小波系数的邻域性质,对处理后的小波系数进行平稳小波反变换得到平滑去噪图像,最后将边缘图像嵌入平滑图像中得到去噪后的图像。该算法能够在去除噪声的同时较好地保护图像的边缘,是一种有效的图像去噪法。

基于二进小波变换与改进Canny算法融合的图像边缘检测方法

基于二进小波变换和Canny算子,提出了一种新的边缘检测方法.针对边缘失真和抗噪声差的问题,提出了二进小波变换方法和改进的Canny算法.对原图像分别进行二进小波变换和改进的Canny算法检测边缘后融合两种检测结果.实验表明,融合图像结合了两种检测方法的优点,图像边缘轮廓信息提取连续完整且光滑,保留了更多的图像细节,这是一种效果显著的图像边缘检测方法.

基于图像平稳小波非线性增强的边缘检测方法

分析了基于平稳小波变换的图像对比度非线性增强算法和传统的Canny边缘检测算法,将两者相结合,提出了一种适用于低对比度图像的边缘检测方法,首先用平稳小波变换对图像进行非线性增强处理,提高它的对比度,然后利用Canny算子进行边缘提取。实验结果表明,该方法能准确地检测出图像的边缘,而且边缘清晰,连通性较好。

基于小波变换与Canny算法融合的胎儿头部周长测量方法

针对超声图像中胎儿头部周长测量准确率难以提升的问题,文章提出了一种基于小波变换与 Canny 算法融合的胎儿头部周长测量方法,即利用结合了小波变换的 Canny 算法对胎儿头部进行轮廓拟合及周长计算,在 Canny 算法对图像进行平滑时,使用高斯函数的一阶导数代替高斯函数,可有效改善原始 Canny 算法中计算精度不足的问题;选取边缘点时,采取迭代选取阈值的方法代替双阈值,减少算法中存在的主观误差。最后进行胎儿头部周长测量实验,用实验中得到的 DICE 系数、头围误差绝对值、豪斯多夫距离 3 个评价指标与未改进的原始算法比较,可知该方法鲁棒性更强,可有效提高胎儿头部周长测量的准确率。

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.

基于Mean-shift和提升小波变换的棉花叶片边缘的图像检测

该文提出了一种基于Mean-shift和提升小波变换的具有复杂背景的棉花叶片边缘检测算法。该方法首先用Mean-shift算法对彩色图像进行平滑,然后对平滑后的图像进行提升小波变换,以将平滑后的图像进行灰度增强。最后基于Canny算子对图像进行边缘检测。该算法能有效减少非边缘噪声,并且能够有效提取相互重叠叶片的边缘。与传统边缘检测方法边缘检测结果进行对比,该方法能够更加鲁棒地提取复杂背景下的重叠叶片边缘,其有效性和准确性是很明显的。

基于小波变换的气缸内表面磨损检测的研究

经典边缘提取算法是以原始图像为基础 ,对噪声信号和边缘信号不加区分地使用边缘提取 .小波利用其在各个分辨率下具有时域和频域特性检测出图像边缘 ,并消除了噪身对图像的污染 .在实际应用中 ,很好地完成了对柴油机气缸内表面损坏的检测 .