文档介绍：万方数据
加。竜保Ⅵ掣÷,÷А瘆:拢记歌辏瑈吉拢为尺度碌钠交基于小波模极大值多尺度的图像边缘提取毽、瑈杨小娜,黄欢煜希喂谛〔<ù笾翟尽管实时虾茫ǘ栽肷母扇藕苊舾校赡芪摘要:边缘是图像信息的主要内容,而小波变换的多尺度特点能够检测局域突变,是图像边缘检测的优良工具。采用的小波模极大值多尺度边缘提取的基本思想是沿梯度方向,在特定阈值的约束下检测模的极大值点,将不同尺度下的边缘信息通过一定的规则进行综合,得到最终的边缘图像。实验结果表明,该方法能有效地抑制噪声,可靠韑咴担岣呒觳饩ǘ鹊忍氐悖且恢有效提取图像边缘的方法。关键词:小波变换;模极大值;多尺度;边缘提取在图像处理中,形状是由一系列的边界点所组手。边缘是图像信息的主要内容。传统的边缘提取方法是考察像素在某个邻域内的灰度的变化,例人到形状描述领域,它是一种多尺度分析工具,与傅里叶描述符相比,能通过较少的点数以较高精度描述边缘信息⋯。其中,小波模极大值是在对多以用来描述信号的奇异性,检测局域突变,即适合在小波分析中,一般认为在较大尺度下能较有效地抑制噪声,识别真正的边界点,但对边界的定位不易准确。相反,在较小尺度下能够对真正边界点进行精确定位,但对噪声比较敏感,误检率会增目标物体的轮廓是由一序列的边界点组成,要个平面上,琘幕质,并在石或奈尴远处趋近于零,即满足:那么就说戈,是一个二维平滑函数心定义两个小波函数分别为琘蚖:辏则图像八算,在尺度为钡男〔,:.;辏琘中图分类号:文献标识码:成的,所以要表达目标形状特征可从提取边缘人如阕印算子、阕拥龋庑┧惴法检测出图像可靠的边缘位置,还会引起图像中相邻区域边缘的重叠。因此在实际运用中无法满足各种边缘提取效果的需要。近年来,小波变换被引尺度小波变换进行不规则抽样的基础上得到的,可对图像中目标进行多尺度边缘提取。加。因此,单一的描述算子很难兼顾边界定位、噪声抑制以及弱边界的检测等。由于小波变换具有良好的时频局域化特性及多尺度分析能力,本文根据多尺度边缘检测算子,通过多尺度边缘综合,实现图像边缘的有效提取。表达物体的形状就需要从这些点看手。如果在整琘,石,:个分量就为:数。对二进制小波变换,有第卷第贵州大学学报匀豢蒲О文章编号—一—年ッ骼砉ご笱畔⒐こ逃胱远г海颇侠ッ收稿日期:——作者简介:杨小娜,女,山东青岛人,硕士研究生,研究方向:图像处理、模式识别,:黄欢,...
万方数据
丽骯矿丽/辏,盿∥埘执八¨川愿辏琘√悖愿辏琘多尺度图像边缘提取算法分析及实现笛榻峁胺治结束语『愿辏。耽,“瑈其中,。琘硎景烁辏琘璯。琘交量与梯度/辏琘烧取T诔叨萐下,梯度的模为:埃允琘案辏琘危愿辏琘ⅲ愿辏琘哪V荡笮》从沉耍戈,在点辏琘上的灰度变化程度。,在梯度方向愿辏取极大值的点对应着八戈,的突变点,即该变缘点。这时候就需要将这些非边缘点去掉。对于一幅图像来说,用某单一尺度检测出的边缘不能很好地表达其边缘特征。而小波变换的最大优点是其多尺度性,多尺度性能使得边缘信号与噪声信号逐步分离开来旧T谛〔ū浠恢校娉声信号的模极大值由于具有随机性,一般说来不能从一个尺度传到另一个尺度,且随着尺度的增加而减小。在大尺度下可以很好地抑制噪声,可靠地识别边缘;在小尺度下可以进行精确定位,准确地识帧图像的复杂程度来确定尺度大小。当图像背景以减小计算量;当图像复杂且