虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

图像边缘

  • 基于NSCT域各向异性双变量萎缩图像去噪

    提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域 BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。

    标签: NSCT 变量 图像去噪

    上传时间: 2013-10-23

    上传用户:thuyenvinh

  • 基于图像处理的在线监测输电线断股垂落高度研究

    红外与可见光图像融合质量评价问题的研究是其图像融合中一项重要而且急需解决的工作。综合考虑人眼的视觉特性及源图像和融合图像的边缘信息,在无标准参考图像条件下,提出一种基于交互信息加权的改进结构相似度和边缘信息保留值的图像融合质量评价指标。通过对红外与可见光图像采用不同融合算法进行的质量评价结果分析表明,评价结果与人眼主观相一致,是一种有效的图像融合质量评价方法。

    标签: 图像处理 在线监测 输电线

    上传时间: 2013-11-23

    上传用户:tedo811

  • 交互信息加权的红外与可见光图像融合评价方法

    为了保证输电线路的正常运行,及时对输电线断股的检测具有重要意义,本文将图像处理技术应用到在线监测输电线断股故障中,通过对采集的输电线图像进行去噪、阈值分割和边缘提取获取输电线边缘轮廓,然后建立数学模型进行分析,最后计算出断股线上边缘与输电线下边缘的最大垂直距离。试验结果表明,该方法操作方便、误差较小,可为输电线路检修提供宝贵的数据依据。

    标签: 加权 红外 图像融合 评价方法

    上传时间: 2014-01-09

    上传用户:黄婷婷思密达

  • 本实例主要包括图像的模糊化

    本实例主要包括图像的模糊化,边缘变换,灰度变换等,对这些图像操作完成之后,还可以还原图像

    标签: 图像 糊化

    上传时间: 2013-12-22

    上传用户:songnanhua

  • 摘要:在对粮虫图像处理过程中

    摘要:在对粮虫图像处理过程中,介绍了Matlab图像处理工具箱中的函数,给出了图像处理与分析的技术实现, 边缘检测及轮廓提取, 通过形态学方法进行图像特征抽取与分析,达到了比较好的效果.

    标签: 图像处理 过程

    上传时间: 2015-03-26

    上传用户:1966640071

  • matlab的图像处理

    matlab的图像处理,包括直方图,图像变换,模 板(空域滤波图象增强和边缘检测算子的应用)

    标签: matlab 图像处理

    上传时间: 2014-12-03

    上传用户:love1314

  • matlab的图像处理。图像编码(HUFFMAN编码)小波变换

    matlab的图像处理。图像编码(HUFFMAN编码)小波变换,1、 分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取

    标签: HUFFMAN matlab 图像处理 图像编码

    上传时间: 2015-03-31

    上传用户:zhichenglu

  • 很好的边缘检测源代码

    很好的边缘检测源代码,使用vc++6.0编写,主要用于医学图像的边缘检测

    标签: 边缘检测 源代码

    上传时间: 2013-12-18

    上传用户:yulg

  • 自己用VC6.0编写的用遗传算法进行图像分割的软件

    自己用VC6.0编写的用遗传算法进行图像分割的软件,该算法已经经过验证,绝对可靠。(菜单:边缘检测- 用遗传算法分割图像)本程序还包括其它一些图像处理的功能,但这些功能还有待进一步修改。

    标签: 6.0 VC 编写 算法

    上传时间: 2015-06-17

    上传用户:253189838

  • 车牌定位---VC++源代码程序 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的

    车牌定位---VC++源代码程序 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。

    标签: 1.24 256 图像 阈值

    上传时间: 2013-11-26

    上传用户:懒龙1988