视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测，研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测，并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声，可靠地识别噪声；而用小尺度滤波器为图像边缘精确定位，并构造出紧支二次B样条小波。结果表明，二次B样条小波边缘检测方法具有计算量小，抗噪能力和适应能力强，且有改进余地等优点，仿真效果也明显好于经典的Sobel算子。     

气缸套内表面磨损的图像处理检测方法研究

对柴油机内表面磨损的特征和机理进行了研究，对图像边缘提取的经典算法（梯度算子和拉普拉斯算子等）和小波变换算法进行了分析与比较，提出了用图像处理的方法实现气缸套内表面磨损检测的途径．     

基于最优条件下三次B样条小波的多尺度边缘检测算子

提出了一种新的基于三次Ｂ样条小波的边缘提取算子该算子通过构造一个目标函数而得到一组最优滤波器的系数,并将这一组系数和以三次Ｂ样条函数作为尺度函数的线性组合作为最优边缘检测算子提取边缘,经验证算子优于Ｃａｎｎｙ算子。     

基于NSCT变换的红外与可见光图像融合方法

针对小波变换不能很好地表达图像边缘信息，NSCT变换对图像细节信息表达缺失的问题，本文提出了一种改进的基于NSCT变换的图像融合方法．首先将经过预处理和配准后的红外图像和可见光图像进行NSCT变换，得到各个源图像的低频和高频系数，然后对分解后的低频系数采用小波变换的融合规则进行融合处理，高频系数则采用基于特征的区域能量的融合规则进行融合处理，最后对融合后的系数进行NSCT反变换得到融合图像．仿真实验表明，采用改进的NSCT融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．     

基于小波分析的地铁视频火灾边缘检测方法

地铁由于其特定的运行环境,发生火灾事故时,伤亡大、损失严重。通过数字图像技术处理视频图像,判定是否发生火灾早期火灾预警的重要手段。准确、高效地识别火灾的轮廓是其中的一个重点。本文针对视频火灾检测,本方法首先采用加权均值滤波方法去除图像中的噪声,再利用方向可调的小波变换方法,对火灾图像进行边缘检测,成功提取出火焰轮廓,以实现火灾的识别和报警。通过对火焰图像采取标准小波方法和该方法进行边缘检测,结果表明本文提出的方法可以提取火焰轮廓更多的细节信息,并且很好的避免了图像边缘模糊化现象。     

基于多种算子相融合的边缘检测方法

每一种边缘检测算子都有着各自的优点与缺点。为充分利用各边缘检测算子的优势并克服单一边缘检测算子所造成的局限性,提出了一种基于多种边缘检测算子相融合的图像边缘检测方法。具体是将多种不同参数设置的Canny图像边缘检测结果与多种不同参数设置的Laplace图像边缘检测结果进行融合,从而获得图像最终的边缘信息。实验结果表明该方法具有较高的边缘定位精度,能够达到较理想的边缘检测结果。     

基于改进Canny算子的遥感图像边缘检测

针对传统的Canny边缘检测算子存在高斯滤波函数方差和阈值需要人工设置的缺点,提出了一种基于改进Canny算子的遥感图像边缘检测算法.首先利用复合形态学滤波代替高斯滤波,可得到更好的平滑效果,同时保留更多的边缘信息;然后利用Otsu阈值方法对阈值进行自适应设定,可以使检测边缘更加连续完整,并减少虚假边缘的存在;最后引入数学形态学算法实现对边缘细化处理.实验结果表明,将改进的Canny算子应用到遥感图像的处理中,具有良好的抗噪性能和检测精度.     

医学彩色内窥镜图像边缘检测方法的研究

考虑到医学彩色内窥镜图像的特殊性，用Ｋ－Ｌ变换，将经锐化处理后的彩色图像分解成３个正交彩色基Ｉ＾１，Ｉ＾２和Ｉ＾３，提出用Ｋｉｒｓｃｈ算子对含丰富特征的单色图Ｉ＾１进行边缘检测，并用Ｉ＾２和Ｉ＾３进行补偿，使获得的彩色回显图像边缘清晰，细节丰富。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。     

综合小波和数学形态学的图像边缘检测

提出一种基于小波和数学形态学相结合的图像边缘检测方法,即将图像分为高频和低频两部分别进行处理,利用小波对高频和低频部分进行边缘检测后,再利用数学形态学方法对低频进行边缘处理,并对两种边缘图像进行了融合.实验结果证实了该算法的可行性.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

一种基于小波域的盲数字水印算法

提出了一种基于小波系数分段的数字水印算法,该算法对常见的图像处理具有一定强度的鲁棒性,并且该算法实现了完全盲检测,水印提取时不需要原始的载体图像,也不需要水印的任何信息,并且提取水印的正确性高.     

THEORY AND APPLICATION OF M-BAND WAVELET TRANSFORM

ＩｎｔｒｏｄｕｃｔｉｏｎＡｎｅｄｇｅｉｎａｎｉｍａｇｅｍａｙｂｅｄｅｆｉｎｅｄａｓａｒａｐｉｄｇｒａｙｃｈａｎｇｅｉｎｔｈｅｒｅｇｉｓｔｅｒｅｄｉｎｔｅｎｓｉｔｙｖａｌｕｅｓ．Ｔｈｅｍｏｓｔｎａｔｕｒａｌｗａｙｔｏｄｅｔｅｃｔｃｈａｎｇｅｓｉｎｔｈｅ...     

IMAGE ANALYSIS BASED ON EDGE DETECTION TECHNIQUES

IntroductionEdges are pixels where brightness changesabruptly and often used in image analysis for find-ing region boundaries.It locates sharp changes inthe intensity function.Edges detection is basic im-age features.They carry useful information aboutobject boundaries.Edges can be used for object i-dentification,image analysis and image filteringapplications as well.We shall consider as an edgethe border between two homogeneous image re-gions having different illumination.This definitionimp…