一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

基于小波变换的纹理边缘检测方法

根据Ｍａｌｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌｌａｔ多尺度边缘检测算法,这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘。     

基于小波变换的纹理边缘检测方法

根据Ｍａｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌａｔ多尺度边缘检测算法．这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘．     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法，这种算法综合了三种算法，即区域增长、边缘检测及保持边平滑平衡，它可以明显地克服区域增长及边缘检测各自的缺点，在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠，可直接应用到三图象分割，医学图象分割的实验中，证明了这种方法的有效性。     

一种基于数学形态学的灰度图象边缘检测方法

本文用数学形态学的理论，提出了一种新的灰度图像边缘检测算法。并通过选取合适的结构元素，在微机图象处理系统上，用软件的方法加以具体实现。结果表明：这种方法算法简单，运算速度快，效果好。     

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．     

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。     

基于小波变换的边缘提取及特性分析

提出一种小波变换进行图像边缘提取的算法，并论证了该算法在没有噪声的情况下对阶跃型边缘具有精确的定位能力，最后，给出了试验结果。     

B_小波包理论及算法研究

提出了一种半正交小波包－Ｂ＿小波包，它具有广义线性相位，因而可以不失真地回复原始信号。     

非乘积型小波多尺度边缘检测

讨论了L2（R^2）空间中一类紧支撑正交对称非乘积型小波在灰度图像边缘检测中的应用，检测过程利用了图像所有高频信息，对非乘积型小波滤波器组，先由它们拟合沿水平，竖直方向的滤波器组，若记W1，W2，W3为图像I滤波之后的三个高频图像，W=√-W^21 W22 W23，对W进行非最大值抑制，滞后阈值化，得到图像I边缘图，这样得到不同尺度的边缘后，进行简单边缘匹配，得到原图像边缘，最后给出了IC图像非乘积型小波多尺度边缘检测的结果。     

基于小波分析的高速公路事件检测算法

以高速公路为研究对象,首先利用突变理论分析了事件发生对高速公路交通流特性的影响,并建立了突变交通流模型,然后在此基础上设计了一种基于小波理论的事件检测算法。该算法利用小波变换放大交通流奇异点特征,根据小波系数幅值变化情况检测道路交通事件。为求取小波系数模值,对Newto—Core数值积分算法进行了改进,使其能充分反映M...     

双正交小波包提升格式算法

提升格式是一种新的小波构造方法,它是因构造紧支的第二代小波之需而产生的从双正交小波包出发,研究提升格式在双正交小波包理论中的应用,给出提升格式的一种快速小波包变换实现方法——分解和重构公式,并给出实例.     

双正交小波包提升格式算法

提升格式是一种新的小波构造方法,它是因构造紧支的第二代小波之需而产生的从双正交小波包出发,研究提升格式在双正交小波包理论中的应用,给出提升格式的一种快速小波包变换实现方法--分解和重构公式,并给出实例.     

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.     

小波包分析在头肩序列的人脸检测中的应用研究

根据可视电话以及视频会议的视频处理对象，主要是头肩序列的特点和人眼的视觉特性，结合小波包分析，提出了一种综合小波包分析、人脸肤色和人脸几何特征的人脸检测方法．试验表明，该方法在彩色头肩序列的人脸检测中性能良好．     

基于小波分解的车辆视频检测算法

作为智能交通系统(ITS)的基础部分,车辆检测系统在ITS中占有很重要的地位,目前常用的基于视频的车辆检测方法主要有:灰度比较法、背景差法、帧差法、边缘检测法.本文在分析这几种方法的优缺点的基础上,提出了一种基于数学形态学滤波和小波分解的算法.该算法首先对视频图像进行形态学滤波,然后在虚拟检测区进行小波分解,通过分析小波系数来检测车辆,它计算量小,复杂度低,可正确判断有无车辆、完成车辆的计数,实现车流量计算.     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要，边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度杼陛和小波变换的性质，研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子，实现相对简单、效率较高。测试表明，该算子与其他边缘检测算子具有相似的视觉处理效果。     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明：本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0, 32]、(32, 96]与(96, 400]尺度下的检测召回率分别达到90%、93%与88%;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测。     

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.     

基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行了多尺度小波分解,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解,对分解出的次平滑信号和次细节信号进行不同的阈值处理,然后重构,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波,再依次与各尺度上的细节信号进行重构,最后得到原始尺度上的信号估计值。