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。

基于多尺度小波和Tsallis熵的水下图像边缘检测

针对水下图像对比度低和边缘模糊的问题,提出一种基于多尺度小波和Tsallis熵的水下图像边缘检测算法。首先,结合多尺度小波分解特性,采用开放暗通道模型移除低频雾霾现象和软阈值操作降低高频噪声;其次,采用二维高斯函数构造高斯尺度空间进行背景估计,以区分背景与目标信息;最后,结合信息熵和Tsallis熵求得最优阈值,从而得到边缘检测图像。实验结果表明,该算法能有效检测出退化水下图像的边缘轮廓信息,去除虚假边缘情况,准确提取图像的特征边缘。同时应用测试显示,该算法在大气雾霾图像的边缘检测方面表现出色。

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。

一种有效的滤波尺度自适应调整边缘检测方法

该文在分析图像的边缘细节提取与噪声消除相矛盾的基础上,提出了一种有效的滤波尺度自适应调整的小波边缘检测方法,并且给出了滤波尺度参数的调整策略。实验结果表明,该方法能有效提取图像的细节边缘,具有较好的抗噪声性能。

样条小波自适应阈值多尺度边缘检测算法研究

在Marr的计算机视觉系统中,图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制,已有的边缘检测方法并不能得到较理想的边缘。充分利用小波变换的特点,设计三次B样条平滑滤波算子,对图像进行多尺度滤波,得到不同尺度的小波变换,再结合自适应阈值方法,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,该算法对图像边缘检测的效果优于目前已有的边缘检测算法。

多尺度边缘检测中滤波尺度自适应调整方法

提出了一种多尺度边缘检测中自适应调整滤波尺度的方法．该方法分析了当前像素点所处邻域内存在边缘的可能性，并以该可能性度量来定量调整边缘检测中的滤波尺度参数．实验结果表明，这种方法可以得到令人满意的结果，同时具有较好的抗噪能力．

基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测,针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题,提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积,替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量,提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上,引入自适应阈值改进八向差分算子,以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构,在包含更强语义信息的高层特征图上融合低层细节信息,细化小尺度目标边缘特征。与改进前相比,准确率提升了4.23%,参数量降低了5.01×10~6,处理速度提高了4 fps。

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上,本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法,不仅可以对整个原始图像进行边缘检测,还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后,把这种算法与一些经典的图像边缘检测做了对比分析,实验结果表明该算法具有较好的图像边缘检测性能。

基于多尺度自适应梯度的图像边缘检测方法

为了克服基于小波变换的双阈值递归边缘检测算法检测到的图像边缘不连续的缺点,提出了将自适应梯度算法和双阈值递归相结合的图像边缘检测方法。通过获得二维小波变换的模极大值点来检测图像的候选边缘点;在确定双阈值的情况下,选择高于较大阈值的为边缘,低于较小阈值的为非边缘;通过对候选边缘点的3×3邻域和5×5邻域的跟踪补偿,确定介于双阈值之间的候选边缘点是否为最终的边缘点。实验结果表明,在同样阈值下,该算法比双阈值递归边缘检测算法获得的图像边缘连续性更好,能够更有效地抑制噪声,边缘检测效果更好。

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中,图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制,图像边缘检测的研究困难重重。近10年来,由于小波分析技术在工具和数学方法上的重大突破,试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则,并在此基础上构造出二次B样条小波,提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证,结果明显优于采用固定阈值的小波边缘检测。

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值.检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。

多层次自适应空间系数高斯小波图像边缘检测

为了在有效抑制噪声的同时,能更准确定位边缘,根据高斯函数平滑图像不因信噪比而异这一特点,提出了一种自适应选择σ(空间系数)的算法。该算法首先利用灰度共生矩阵的惯性特征值来计算适合当前图像的σ值;然后根据该值计算相应的高斯高、低通滤波器,再计算所得低通图像的σ值,并以此类推,直至噪声基本去除;最后将用不同σ值得到的各层次边缘图像按一定准则进行融合来得到单像素宽度的边缘检测结果。实验结果证明,该算法与经典算法、B样条小波算法比较,在去除噪声和准确定位边缘两方面均有提高。信噪比可提高0.47%～6.07%,运算时间增加了0.29%～6.36%。尤其对于分辨率较低的图像(256×256)的边缘检测效果更加明显。

基于多尺度模糊逻辑的小波边缘检测方法

针对非极大抑制法中由于单一选定阈值所带来的确定性对边缘提取效果的影响,提出了一种新的基于模糊逻辑的图像边缘检测方法,即在不同尺度下实现图像的模糊增强,从而提高边缘检测精度.该方法对图像分别在不同尺度下低通滤波后实施广义模糊增强算法,增强灰度的区域对比度,更好地实现了在大尺度下抑制噪声、在小尺度下精确定位的效果.实验证明了该方法对影子(phantom)边缘的检测有较好的效果.

用二次B样条小波进行图像的自适应阈值边缘检测

根据边缘检测的评价标准 ,参照最佳边缘滤波器的设计要求 ,确定选择用于边缘检测的小波母函数的一般准则 ,并在此基础上构造出二次B样条小波 ,提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证 ,结果明显好于采用固定阈值的小波边缘检测。

交通视频图像的多尺度自适应阈值边缘检测

基于视频图像的交通流参数检测,车辆检测是其关键。车辆检测常用的有帧差法、背景差法和边缘检测法等。边缘检测是适应性最好的方法。本文把基于小波变换的多尺度自适应阈值图像边缘检测的新方法应用于交通图像边缘检测。通过计算机仿真对本算法进行了验证,结果明显好于采用其它几种经典方法的边缘检测。

多尺度自适应加权形态边缘检测方法

针对常用的多尺度边缘检测方法因卷积运算造成模糊图像边缘 ,提出一种多尺度自适应加权形态边缘检测方法 ,利用大小不同的结构元素提取图像边缘特征 ,在大尺度下抑制噪声 ,可靠地识别边缘 ,在小尺度下定位 ,再由粗到细跟踪边缘 ,得到边缘的位置 ,再由各尺度结构元的抗噪性确定加权值的大小 ,然后加权处理得到最后的边缘结果 .实验表明 ,用多尺度自适应加权形态边缘检测算法可得到较理想的图像边缘 .

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上,结合多尺度乘积的特性,提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明,该算法能有效增强边缘、抑制噪声,且定位精度高。

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。

小波域内基于尺度乘法的边缘检测

提出一种基于小波的二尺度乘积边缘检测方法,用两个临近尺度的二进小波变换相乘作为乘积函数,将边缘定义为确定阈值下乘积函数的局部最大值。尺度相乘增强了图像结构识别能力,并可抑制噪声。试验表明, 通过所提出的尺度乘积技术对边缘进行检测,其应用结果优于单尺度的情况,提高了局部检测精度,有效地解决了边缘错位问题,并减少了邻边的影响。