导读:本文包含了多尺度边缘论文开题报告文献综述及选题提纲参考文献，主要关键词:漏磁图像,Laplacian,数学形态学,边缘颜色约束对
多尺度边缘论文文献综述
王竹筠,杨理践,高松巍[1]（2019）在《基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法》一文中研究指出为增强管道焊缝漏磁图像的边缘特征,提出一种基于Laplacian与多尺度数学形态学的焊缝漏磁图像边缘增强方法。首先采集管道漏磁内检测器中的漏磁数据进行成像,然后利用数学形态学算法,通过构建多尺度结构元素对图像进行边缘检测,利用边缘颜色约束对删除非边缘点,最后利用拉普拉斯算子对边缘进行增强。结果表明,该方法可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷的边缘增强,具有一定的可行性和实用性。(本文来源于《辽宁石油化工大学学报》期刊2019年05期）
余祥伟,薛东剑,陈凤娇[2]（2019）在《融合多尺度边缘检测的小波贝叶斯SAR图像滤波》一文中研究指出针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。(本文来源于《遥感信息》期刊2019年05期）
阙禄松,王明泉,张俊生,李汉[3]（2019）在《基于多尺度局部边缘保持滤波的X射线图像色调映射算法》一文中研究指出为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和叁个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。(本文来源于《科学技术与工程》期刊2019年28期）
冯小二,王新赛,李明明[4]（2019）在《基于多尺度形态小波变换的红外图像边缘增强算法》一文中研究指出由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。(本文来源于《电子测试》期刊2019年19期）
马超[5]（2019）在《基于多尺度多方向的图像边缘检测算法研究及其应用》一文中研究指出图像边缘检测是图像处理和计算机视觉的基本技术,边缘检测的效果对图像后期处理有着很大的影响。随着遥感技术的发展,越来越多的遥感数据被加以利用并应用到各行各业。高分辨率遥感影像中含有大量的噪声信息,在高分遥感影像边缘检测过程中,如何去除噪声和抵抗噪声干扰显得尤为重要。本文主要做了以下研究:1.研究了图像边缘、图像边缘检测以及高分辨率遥感影像中边缘检测算法的相关知识理论以及图像边缘检测算法在去噪和抗噪方面的知识理论。分析了典型算法在实际处理图像过程中仍然存在的问题,总结了在去噪以及抗噪方面可能改进的方向。高分辨率遥感影像下建筑物呈现面状结构,边缘特征明显,但同时高分辨率遥感影像中含有更多的噪声信号,现存的边缘检测的方法在去噪和抗噪两方面略有不足,还存在优化改进的空间。除此之外对边缘的定位也不够准确,检测出来的边缘有间断点,还有漏检和误检的情况。2.从多方向去噪融合和多尺度加权融合两方面分别提出了基于非下采样轮廓波变换(NSCT)的优化改进算法。文中对Canny算子、小波变换以及对NSCT进行了分析,分别介绍了这些算法的原理、特性以及优缺点,并根据NSCT具有平移不变性和多尺度分解特性的优势,对NSCT做多方向去噪和多尺度加权融合的优化设计。通过大量的仿真数据实验验证了优化后的算法相比于Canny算子、小波变换、NSCT在处理含噪10%-30%的图像中具有一定的优势,并验证了本文算法的可行性。3.将本文优化后的边缘检测算法应用到在线共性基础服务子系统中,并结合在线共性基础服务子系统,对高分卫星遥感影像进行建筑物边缘检测并分析检测结果。本文的主要成果是在NSCT的基础上增加分解的层数和方向在去噪和抑制噪声方面做出了优化改进,并应用到在线共性基础服务子系统中,通过提供在线的图像分析工具以及图像处理算法模块为用户提供在线的图像边缘检测等服务。(本文来源于《河南大学》期刊2019-06-01）
费奕繁[6]（2019）在《基于显着性检测和边缘决策的多尺度遥感图像融合算法》一文中研究指出遥感图像融合,是图像融合领域的一个重要分支。随着现代卫星技术的发展,搭载在卫星上的传感器越来越多,为了得到综合各种信息的图像,遥感图像融合技术被提出。遥感图像融合技术有很多方向,本文研究的是光-谱图像融合,具体来说,从卫星上获取的图像,有侧重于空间分辨率的全色图像,也有侧重于光谱信息的多光谱图像,为了得到既蕴含丰富空间信息又蕴含丰富光谱信息的图像,光-谱遥感图像融合技术被提出。融合得到的遥感图像被广泛应用于军事侦察、地理勘探、城市规划等诸多领域。本文首先对遥感图像融合算法的相关概念和研究现状进行了介绍和分析,并详细介绍和说明了多尺度分解工具-非下采样Contourlet变换(NSCT变换)的原理。之后,提出了一种基于NSCT变换的多尺度遥感图像融合算法(SR-GUIDE)。针对NSCT变换分解后的低频子带信息,本文采用了一种基于稀疏表示的低频子带信息融合规则。关于稀疏表示过程中需要使用的超完备字典,首先通过离散余弦变换(DCT变换)构建初始化字典,之后对输入的源图像进行分块并转换为向量,再对初始化DCT字典进行训练,最后得到理想化的超完备字典。这样可以有效地提升超完备字典的自适应性,减少光谱信息的缺失。针对NSCT变换分解后的高频子带信息,本文提出了一种基于引导滤波的高频子带融合规则,首先使用引导滤波对高频子带信息进行过滤,提取出空间细节信息,然后利用注入法对高频子带进行融合。这种方法可以有效地保留高频子带中的空间细节信息。之后进行了相关实验,采用控制变量法对融合算法中的可变参数进行了参数控制实验,并选取了最优的参数,然后将新的融合算法从主客观两方面与对比算法进行比较,说明本算法在主客观两方面都优于对比算法。最后,本文对之前算法进行了优化。在低频部分,提出了一种基于显着性检测的低频子带融合规则,首先基于图像的颜色和空间对比度得出显着性矩阵,根据显着性矩阵确定图像哪些区域蕴含丰富的光谱信息,然后以显着性矩阵为指导,在特定区域以加权的方式进行融合,这样既优化了原来算法在低频融合时运行效率过低的问题,又保证了低频子带信息的完整性。在高频部分,提出了一种基于边缘决策的高频子带融合规则。首先利用高频子带进行分析决策,分别得到边缘区域和非边缘区域,然后针对不同的区域采取不同的方式进行融合,在边缘区域采用替换的方式进行融合,在非边缘区域,提出了基于相关区域综合梯度为阈值判断的融合方法。改进后的高频融合规则将高频子带信息细化分解,有效地改善了之前算法在高频子带融合过程中容易出现的信息丢失的情况。然后,将改进后的算法与之前的算法进行了主客观两个方面的比较。由多组实验结果可知,优化后的算法(EDGE-SL)在各项指标和主观表现力方面均优于第3章实验(SR-GUIDE)和对比算法,在运行效率上,平均将算法时间加快了9s左右。(本文来源于《吉林大学》期刊2019-04-01）
刘晓刚,闫红方,张荣[7]（2019）在《基于形态学多尺度多结构的熔池图像边缘检测》一文中研究指出熔池图像的边缘提取是实现焊接自动化的关键环节。本文提出采用多尺度多结构的形态学算子对熔池图像进行处理。运用matlab软件进行边缘提取并进行结果验证,同时将其与传统的边缘检测算子及采用不同结构元素的形态学算子进行对比。结果表明,该算子不仅能够提取完整的边缘,而且实现了边缘精准定位和去噪能力的最佳融合。(本文来源于《热加工工艺》期刊2019年05期）
穆柯楠,王会峰,杨澜,景首才[8]（2018）在《基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法》一文中研究指出为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测。将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度。针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪。实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps。检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用。(本文来源于《交通信息与安全》期刊2018年06期）
汪霜霜,李春贵[9]（2018）在《融合多尺度形态和小波的边缘检测算法研究》一文中研究指出为进一步提高图像处理的边缘检测性能,联合小波变换和多尺度形态学各自的亮点,在融合的基础上,提出了一种具有良好抗噪性的边缘检测算法。算法的主要思路是,对图像进行预处理操作;利用多尺度形态学滤波和小波变换技术,从水平方向和垂直方向两个方向对其进行图像边缘检测;再基于图像融合将两者融合在一起,得到完整的图像边缘。通过实验分析比照,发现提出的算法具有良好的抗噪性能,保留了更多的细节信息,且具备一定的时效性,适应于不同类型的图像边缘检测的需求。(本文来源于《电脑知识与技术》期刊2018年32期）
李莉,杨争艳,王敬涛,韩明[10]（2018）在《多尺度多方向结构元素形态学绝缘子闪络图像边缘检测算法研究》一文中研究指出针对绝缘子闪络图像中的噪声和边缘细节模糊问题,提出了一种多尺度和多方向图像边缘检测算法。该算法利用结构元素方向性的差异和递归形态滤波,对采集图像的边缘进行提取和去噪,根据多尺度多方向得到滤波图像的初始轮廓,完成绝缘子闪络的检测,。为了验证本文算法的有效性和准确性,本文选用不同的绝缘子闪络进行实验。实验结果表明本文的算法能够滤除采集图像的噪声。保留原始图像的边缘细节,实现放电区域绝缘子闪络图像的边缘检测。(本文来源于《电视技术》期刊2018年11期）
多尺度边缘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多尺度边缘论文参考文献
[1].王竹筠,杨理践,高松巍.基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法[J].辽宁石油化工大学学报.2019
[2].余祥伟,薛东剑,陈凤娇.融合多尺度边缘检测的小波贝叶斯SAR图像滤波[J].遥感信息.2019
[3].阙禄松,王明泉,张俊生,李汉.基于多尺度局部边缘保持滤波的X射线图像色调映射算法[J].科学技术与工程.2019
[4].冯小二,王新赛,李明明.基于多尺度形态小波变换的红外图像边缘增强算法[J].电子测试.2019
[5].马超.基于多尺度多方向的图像边缘检测算法研究及其应用[D].河南大学.2019
[6].费奕繁.基于显着性检测和边缘决策的多尺度遥感图像融合算法[D].吉林大学.2019
[7].刘晓刚,闫红方,张荣.基于形态学多尺度多结构的熔池图像边缘检测[J].热加工工艺.2019
[8].穆柯楠,王会峰,杨澜,景首才.基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法[J].交通信息与安全.2018
[9].汪霜霜,李春贵.融合多尺度形态和小波的边缘检测算法研究[J].电脑知识与技术.2018
[10].李莉,杨争艳,王敬涛,韩明.多尺度多方向结构元素形态学绝缘子闪络图像边缘检测算法研究[J].电视技术.2018