基于小波变换的含噪图像边缘检测算法

计算机与现代化

基于小波变换的含噪图像边缘检测算法

深圳大学数学与计算科学学院，广东深圳518060

收稿日期:2014-07-17 出版日期:2015-02-28 发布日期:2015-03-06
作者简介:郝红转(1989)，女，河南驻马店人，深圳大学数学与计算科学学院硕士研究生，研究方向：小波分析及其在图像处理中的应用；张维强，男，副教授，博士，研究方向：小波分析， HilbertHuang变换及其在图像、信号处理中的应用。
基金资助:
国家自然科学基金资助项目(11101292)；教育部博士学科点专项科研基金资助项目(20134408110001)；深圳基础研究项目(20120613114019685)

Noise Image Edge Detection Algorithm Based on Wavelet Transform

College of Mathematics and Computational Science， Shenzhen University， Shenzhen 518060， China

Received:2014-07-17 Online:2015-02-28 Published:2015-03-06

摘要/Abstract

摘要：

针对含噪图像边缘检测时出现的噪声去除不完全和边缘定位不精确的问题，本文提出一种改进的图像边缘检测算法,该算法首先根据范数性质改进对图像进行小波变换求模极大值边缘检测时的梯度

模算法,然后对得到的边缘图像利用本文所提出的阈值算法处理,最后连接图像,得到最终的图像边缘。计算机仿真结果表明,对于含噪图像,改进的算法能得到较为理想的图像边缘信息,实现了去噪和目标

边缘精确定位的双向平衡,与传统的检测算法相比,检测效果有一定的提高。

关键词: 小波变换, 图像处理, 边缘检测, 含噪图像, 梯度, 阈值方法

Abstract:

Focusing on the problem of noise removal is not complete and edge position is not accurate, this paper presents an improved algorithm for detecting noisy image edge.

The algorithm first improved the gradient algorithm at the time of detecting the edge used by the wavelet transform modulus maxima according to the norm’s nature. Then we used

the improved threshold method which was proposed in this paper to the edge image, and after connecting the image, it obtained the final image edge. Through computer simulation

to validate the algorithm, experimental results show that the algorithm can get the ideal edge image information in noise image, and achieve the bidirectional balance of de

noising and edge precise positioning. The detection algorithm is superior to the traditional method, and it also improves in the aspect of detection effect as well.

Key words: wavelet transform, image processing, edge detection, noise image, gradient, threshold method

中图分类号:

TP391.41

郝红转，张维强. 基于小波变换的含噪图像边缘检测算法[J]. 计算机与现代化.

HAO Hongzhuan, ZHANG Weiqiang. Noise Image Edge Detection Algorithm Based on Wavelet Transform[J]. Computer and Modernization.

［1］
Canny J. A computational approach to edge detection［J］. IEEE Trans. Pattern and Machine Intelligence, 1986,8(6):679698．
［2］伍尤富. 图像处理中边缘检测研究方法［J］. 舰船电子工程, 2006,26(4):3538．
［3］章国宝,叶桦,陈维南. 基于正交小波变换的多尺度边缘提取［J］. 中国图形图象学报, 1998,3(8):651654．
［4］权建峰,李艳,郭东敏,等. 小波变换模极大值方法对信号的奇异性检测［J］. 探测与控制学报, 2009,31(2):4649．
［5］解梅,马争,顾德仁. 一种改进的基于小波变换图像边缘检测算法［J］. 系统工程与电子技术, 1998,20(10):6770．
［6］黄剑玲,郑雪梅. 一种改进的基于Canny算子的图像边缘提取算法［J］. 计算机工程与应用, 2008,44(25):170172.
［7］李安安,何坤,詹晓倩,等. 多尺度下的噪声图像边缘检测［J］. 计算机工程与设计, 2011,32(1):228231.
［8］徐亮,吴海涛,孔银昌. 自适应阈值Canny边缘检测算法研究［J］. 软件导刊, 2013,12(8):6264.
［9］阿卜杜如苏力·奥斯曼,吐尔洪江·阿布都克力木,马丽亚木·阿布来孜. 综合颜色特征与形状特征的图像检索算法［J］. 计算机工程与应用, 2014,50(2):183188．
［10］连静,王珂．样条小波自适应阈值多尺度边缘检测算法研究［J］. 系统仿真学报, 2006,8(6):14731482．
［11］王培珍,孟祥昊,张克,等. 板材图像边缘检测算法研究［C］// The 25th CCDC. 2013:51235127．
［12］Jiang Lixia, Zhou Wenjun, Wang Yu. Study on improved algorithm for image edge detection［C］// IEEE the 2nd International Conference on Computer and Automation

Engineering (ICCAE). 2010,4:476479.
［13］王恩国,高印寒,苏成志. 梯度方向图像分解的直线边缘提取算法［J］. 红外与激光工程, 2012,41(12):34233428．
［14］鲁金云,潘海鹏,夏永明. 结合CANNY算子和数学形态学的焊缝图像边缘检测算法［C］// Proceedings of the 32nd Chinese Control Conference. 2013:44674470．

[1]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[2]	刘静乐, 罗翔, 宫成荣, 张国鹏. 基于RF-RFECV和LightGBM算法的糖尿病预测[J]. 计算机与现代化, 2023, 0(11): 36-43.
[3]	冀心成, 汪衍凯, 张迎, 许彦杰. 贝叶斯优化梯度提升树的室内日光照度分布预测[J]. 计算机与现代化, 2023, 0(09): 44-50.
[4]	唐育林, 黄登山, 陈抒录, 陈朋明. 结合IHS与自适应滤波的SFIM影像融合方法[J]. 计算机与现代化, 2023, 0(09): 70-76.
[5]	叶力鸣, 陈蔚文. 一种结合语义分割和目标检测的级联式绝缘子缺陷检测方法[J]. 计算机与现代化, 2023, 0(06): 82-88.
[6]	刘志飞, 朱尚超, 魏战红, 臧一鸣, 孙文韬, 胡冠时. 基于IBM Qiskit的量子图像伪彩色增强方法[J]. 计算机与现代化, 2023, 0(04): 47-55.
[7]	朱卓樾, 黄欢, 宋清玲, 侯居攀. 基于心血管核磁共振图像的房室平面位移检测与重建[J]. 计算机与现代化, 2023, 0(04): 78-82.
[8]	徐康健, 龚泓宁, 李灿, 佟德宇. 基于SVR的嵌入强度自适应的图像水印算法[J]. 计算机与现代化, 2023, 0(03): 38-42.
[9]	刘付谦, 秦华妮, 赖惠慧. 基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法[J]. 计算机与现代化, 2023, 0(03): 90-95.
[10]	张子森, 徐晓钟. 基于分解和多分量集成学习的负荷预测方法[J]. 计算机与现代化, 2023, 0(03): 96-101.
[11]	冯增喜, 陈海越, 王涛, 赵锦彤, 李诗妍. 基于改进XGBoost超参数优化的地下工程空调系统负荷预测[J]. 计算机与现代化, 2023, 0(01): 108-113.
[12]	李四杰, 唐清善, 高英华. 基于GMS和改进最佳缝合线的视差图像拼接算法[J]. 计算机与现代化, 2022, 0(12): 95-101.
[13]	马茜, 段毅, 徐冬, . 基于梯度差的声速剖面自适应分层算法[J]. 计算机与现代化, 2022, 0(08): 30-35.
[14]	丁婉莹, 陈伟, 李昭慧. 基于编解码结构的多特征融合眼底图像分割[J]. 计算机与现代化, 2022, 0(07): 1-7.
[15]	张文丽, 徐丽, 刘星星. 基于卷积神经网络的夜间车辆检测算法[J]. 计算机与现代化, 2022, 0(05): 108-113.