基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合所有波段的边缘信息,减少多波段图像边缘信息的不一致性,引入的量化邻域模型     

基于小波增强的改进多尺度形态梯度边缘检测算法

在形态学梯度边缘检测算子的基础上,综合多结构元和多尺度算法的特性,提出了一种基于小波增强的多结构元、多尺度边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。实验表明,本文方法边缘定位准确、轮廓清晰,保留了更多的图像细节,具有较强的抗噪能力。     

2维对称小波与多尺度影像边缘特征提取

针对Mallat Gaussian小波和Bubble小波用于解决遥感影像中多变和不确定尺度目标检测中存在的不足，基于一般高斯核构造了2维对称小波和张量积2维对称小波。给出了5组有关空间滤波器响应系数和快速算法。实验表明给出的2维对称小波用于影像中多变尺度目标的边缘检测效果显著。对于遥感影像空间不同尺度目标的检测，可以通过在对称小波中选择适当的σ值以得到相应的空间滤波器响应系数，实现最佳边缘特征检测。由于遥感影像中存在2种类型的边缘，采用对称小波的过零点检测和极值检测获取的边缘特征间存在明显差异，在遥感影像目标特征的自动探测以及数字摄影测量研究中应引起重视。     

一种基于小波变换的新的边缘检测方法

阐述了基于小波变换模局部极大值的多尺度边缘检测原理.提出一种基于图像的小波分解细节来检测图像边缘的方法,经实验,该方法得到的边缘图像明显好于经典的边缘检测算子.     

基于多尺度的Canny边缘检测算法研究

为了解决传统边缘检测算法检测精度不高、稳健性不好和抗噪能力差等弱点,文章提出了一种基于多尺度的Canny边缘检测算法,该算法充分利用了小尺度影像和大尺度影像的优点,既能检测出图像边缘的整体轮廓,又能检测出图像细节。并运用MATLAB编程与几种经典边缘检测算法做了详细对比,采用ROC曲线进行了精度定量评价分析。实验结果表明,基于多尺度的Canny边缘检测算法检测结果更清晰,稳健性更好,而且抗高斯噪声能力也相当理想,能够有效地提取图像边缘信息。     

基于局部光谱空间分析的多尺度边缘检测

分析了传统边缘检测算法在多光谱影像应用中的局限性，提出了一种基于局部区域的光谱空间平均半径测度的边缘检测方法，该方法扩展了原有的单波段影像边缘检测的概念，将像元的灰度信息转化为光谱矢量，提高了检测的可靠性，并给出了多尺度边缘组合的算法。通过MAIS成像光谱仪对鄱阳湖30个波段数据试验，证明了此方法对边缘检测的有效性。     

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

基于二进小波变换的遥感影像镶嵌方法

提出了一种新的影像镶嵌方法，通过与经典的直方图色调匹配方法实验结果比较，证明该方法克服了相邻影像中局部灰度差异大的问题，保证了接缝邻域处的图像清晰度和光滑度两个方面的要求。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

影象纹理的多尺度分析

按照２ＤＧａｂｏｒ函数的特点和视觉机制，提出了用来捕捉纹理基元的纹理检测器函数，然后基于纹理检测器和新近发展的小波多尺度分解理论，提出了影象纹理的多尺度分析方法，并按照神经动力学的侧抑制和端点抑制等理论，建立了对多尺度纹理特征的融合方法。这一多尺度纹理分析方法在介于空间域和付里叶域之间，为纹理分析提供了一个层次性的分析框架，能够检测不同尺度的纹理信息并与视觉纹理处理机制相一致，有效地提高了纹理的识别能力。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

基于小波变换的图像边缘提取算法

在给出边缘检测性能判断标准和传统的模极大值点筛选的缺陷之后,基于边缘检测提出了改进的小波变换模局部极大值点算法。在这个基础之上,又针对交通系统的实时性,提出了一种改进的边缘信息的车辆检测算法,使得对运动车辆的边缘检测具有更加良好的效果。最后通过仿真实验,证明本论文提出方法的有效性,得到了多帧道路图像的边缘,较好地解决了传统边缘检测方法在边缘检测时会出现伪边缘和有意义边缘损失这两个问题,对将来车辆交通监控系统等方面的研究起到了一定的帮助作用。     

基于数学形态学的遥感影像边缘检测研究

针对含有复杂地物、边缘密度大的遥感影像,提出了一种基于多结构元素形态学的边缘检测方法。首先,根据遥感影像的特点,用形态学的开闭滤波器去除影像中的噪声点。然后基于多结构元素形态学进行边缘检测,最后,对边缘检测结果进行二值化及细化处理。并同Sobel及Canny算子的检测结果进行了比较。结果证明,该方法能有效地提取边缘、保护细节。     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

小波阈值改进算法的遥感图像去噪

通过对于文献中已有小波阈值去噪方法的研究,结合已有的一些小波阈值去噪函数,提出了相应的小波阈值去噪的改进方法来完善和提高小波阈值去噪的处理能力和可行性。该阈值函数加入了有效的调整系数来控制函数的可变。该函数不但同时保留了相应的传统小波硬阈值、软阈值衍化的优点,也提高了相应精度指标。利用该函数阈值去噪不仅在经典的图像中起到很大的改善,在遥感图像的去噪处理方面也有明显的精度提高。该方法通过去噪评价指标均方差（MSE）,峰值信噪比（PSNR）,信噪比（SNR）,均方根误差（RMSE）进行去噪后图像的评价。该改进的阈值函数方法对于图像的处理后评价指标明显有所改善。     

一种基于灰度剖面分析的边缘提取新算法

针对影像中梯度较小的模糊边缘,提出了一种自适应梯度的概念和边缘检测算法。基于新的梯度概念,可以根据刀刃曲线的实际形状自适应地计算影像中每一点的梯度,比较理想地消除边缘的渐变效应(模糊)对边缘检测的不利影响。试验表明,这种梯度计算方法对模糊边缘的检测具有较好的效果。     

基于小波包的遥感图像融合方法

介绍了一种基于小波包的遥感图像融合方法,实验采用熵、光谱扭曲指数和边缘指数等作为评价融合质量的定量指标,表明了通过这一融合方法比传统的IHS,PCA,HPF以及小波融合具有更高的光谱信息保持和纹理信息增强能力。     

数字影像上特征信息的小波表示

影像特征的表示和描述是计算机视觉中的重要内容。本文给出了基于小波变换的影像特征检测算法，从理论上说明了利用不同分辨率上小波变换系数的模值描述特征强度的合理性。