论文部分内容阅读
使用缩短小波包算法对图像进行处理.对图像进行多层次小波包分解,分解之后用小波包重构高频子空间从而减少图像边缘信号损失。最后依据每层阀值化后的系数,得到图像的边缘.实验结果表明,该算法既能根据需要分别求出不同尺度不同方向下图像的边缘,又能保持图像边缘的完整性和清晰性。
基于短小波包的图像边缘检测算法(英文)
【摘 要】
：
使用缩短小波包算法对图像进行处理.对图像进行多层次小波包分解,分解之后用小波包重构高频子空间从而减少图像边缘信号损失。最后依据每层阀值化后的系数,得到图像的边缘.实验结果表明,该算法既能根据需要分别求出不同尺度不同方向下图像的边缘,又能保持图像边缘的完整性和清晰性。
【出 处】
：
青岛大学学报(自然科学版)
【发表日期】
：
2010年02期
其他文献
由于CMOS传感器芯片的光电转换的非线性性质使得输入输出图像的灰度值呈幂函数映射关系。为了使输出图像获得更好效果,本文提出了基于三次B样条曲线拟合的伽玛变换算法。首先根据特定点拟合出三次B样条曲线,然后将输入输出图像的灰度值根据该曲线的映射关系进行映射。实验结果表明该算法可以较好的并且灵活的对图像进行调整。
期刊
为了克服粉尘环境给图像造成的退化问题,首先建立了一种考虑粉尘多散射因素的图像退化模型,该模型使用一级多散射方法推导得出;其次在图像退化模型基础上采用暗元色先验知识原理提出了图像恢复算法;最后在基于kirsch算子的自动阈值图像质量评价标准下,通过遗传算法(GA)对模型中的大气光与曝光参数自动优化,实现粉尘图像恢复的最优结果.实验证明此方法不但能有效地去除粉尘对图像的影响,增强图像色彩与对比度,而且
期刊
为了提高油井监控的安全系数,针对油井夜视监控图像中噪声的特点,提出了一种自适应的混合滤波算法.对于图像中存在的高斯噪声,设计了一种加权处理的均值滤波算法;对于脉冲噪声,提出了一种改进的比较选择滤波算法,可根据不同的图像自适应地选择合适的滤波参数,在滤除脉冲噪声的同时保持图像边缘信息;最后将两种滤波算法有机结合起来对实际的油井夜视监控图像进行处理.实验结果表明本文提出的算法不仅能够有效地去除图像中的
期刊
对标签不可追踪性的形式化验证模型进行了分析,发现对于某些无线射频识别(RFID)安全协议,该模型存在不能正确判断标签的不可追踪性是否成立的缺陷.为此提出了一个改进方案.对模型中攻击者执行的攻击游戏进行了修改,允许攻击者可以假冒读写器向标签发送信息,并增强了攻击者区分标签回复的能力.改进模型可以准确判断RFID协议中标签的不可追踪性.
期刊
基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解
期刊
传统的ROI(region of interest)检测方法忽略了图像中的上下文信息,为了解决这个问题,本文利用概率潜在语义分析(probability latent semantic analysis,PLSA)来对图像中的每块区域周围的图像特征进行分析,并利用其作为上下文特征来辅助ROI的检测。实验表明,该方法与直接进行分类相比,能够取得更好的分类效果。
期刊
为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法。首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法
期刊
显著性体现了图像中像素区域引起视觉注意的强弱程度,在图像检索中具有重要意义。本文提出的基于显著性加权的图像检索方法不需要分割出显著性区域,而以显著性加权的方式建立了新的颜色特征和纹理特征,从而增加了显著性区域的颜色与纹理特征的权重。通过对4种主要的显著图的实验比较发现该方法能有效提高检索效果。
期刊
为解决传统脉冲耦合神经网络(pulse coupled neural network,PCNN)仅限于二值分割且无法对灰度缓慢变化的大范围区域进行完整分割的问题,提出了一种基于PCNN的多区域图像分割算法。将分割图像经过平滑和归一化后送入PCNN,在快速连接机制作用下,每次迭代处理中具有相似状态的神经元可实现同步点火,完成单个图像区域的完整分割。经过预定的迭代次数后,以各神经元的点火次数为新输入图
期刊
多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个
期刊