基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过Roberts梯度算子对各子图像进行空间一次微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合及差影运算得到最终的边缘图像。实验结果表明,该算法实现简单,能有效地抑制噪声,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。

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。

在小波域边缘检测的新算法

传统的边缘检测的经典算法,如Sobel、Prewitte、Paplacian、Roberts等,检测速度快,但结构信息不完整。为了有效抑制噪声,本文基于小波变换,提出了一种新的图像边缘增强的算法。与通常所用的Roberts算子相比较,具有更好的边缘检测特性。实验表明所提出的方法是可行的。

基于提升小波的铁谱图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一。铁谱图像磨粒边缘作为铁谱图像中最基本的特征,为铁谱图像特征提取提供了非常有价值的重要特征参数,在基于铁谱分析的机器故障诊断技术中有着重要的地位。将第二代提升小波算法应用于铁谱图像边缘检测:首先将彩色铁谱图像分解为R、G、B单通道图像,对三通道图像分别进行预处理,并利用直方图处理和图像深度转换实现磨粒和背景的分离;然后对各个通道图像进行D4提升小波变换,在小波域中,通过阈值判断提取高频子图中的边缘像素;最后通过或运算将各个通道的边缘进行融合得到最终的磨粒边缘图像。本文结果与Sobel算子和Canny算子的结果进行比较表明:本文中算法能有效的抑制噪声,较好地再现铁谱图像的磨粒边缘信息,是一种有效的铁谱图像边缘检测算法。

图像边缘检测方法研究新进展

边缘检测在图像处理中起着非常重要的作用,其检测结果将会直接影响后续图像的分析、识别和理解。阐述边缘检测方法研究的现状,对比分析经典的边缘检测算子的优势和局限性,重点讨论近年来涌现的新边缘检测方法,总结目前被研究者广泛采用的边缘检测评价指标,指出边缘检测方法值得进一步深入研究的方向。