东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

结合无下采样Shearlet模极大值和改进尺度积的有噪图像边缘检测

ISSN号：1003-0530
期刊名称：《信号处理》
时间：0
分类：TN911.73[电子电信—通信与信息系统;电子电信—信息与通信工程] TP391.41[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
作者机构：[1]南京航空航天大学电子信息工程学院,江苏南京210016, [2]郑州烟草研究院烟草行业烟草工艺重点实验室,河南郑州450001, [3]国土资源部地质信息技术重点实验室,北京100037, [4]中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室,北京100037, [5]兰州大学甘肃省西部矿产资源重点实验室,甘肃兰州730000
相关基金：国家自然科学基金项目（60872065）; 烟草行业烟草工艺重点实验室开放课题基金（GY-KF-[2014]-007）; 国土资源部地质信息技术重点实验室开放基金（217）; 国土资源部成矿作用与资源评价重点实验室开放基金项目（ZS1406）; 兰州大学甘肃省西部矿产资源重点实验室开放基金（WCRMGS-2014-05）; 江苏高校优势学科建设工程资助项目

关键词：边缘检测, 有噪图像, 无下采样Shearlet变换, 模极大值, 改进尺度积, 区域连通性, edges detection, noisy images, non-subsampled shearlet transform, modulus maxima, improved scale prod-uct, regional connectivity

中文摘要：

为从噪声污染的图像中提取出更为清晰、连续的边缘,进一步改善边缘检测效果,本文提出了一种基于无下采样Shearlet模极大值和改进尺度积的边缘检测方法。首先对含噪图像进行多尺度、多方向无下采样Shearlet变换（Non-subsampled Shearlet Transform,NSST）,得到图像在NSST域的高频系数;然后选取相邻的两个较大尺度的高频系数进行改进的尺度积运算,并经NSST模极大值处理得到边缘二值图像;最后使用区域连通方法去除二值图像中的孤立点,得到准确的边缘图像。大量实验结果表明,与小波模极大值、小波尺度积、基于无下采样Contourlet变换（Non-subsampled Contourlet Transform,NSCT）模极大值和尺度积、NSST模极大值等4种边缘检测方法相比,本文提出的方法具有更强的抗噪能力,且有效地避免了纹理的影响,检测出的边缘完整清晰,连续性好。

英文摘要：

In order to extract clearer and more continuous edges from a noise-contaminated image,and further improve the effect of edge detection,a method of edge detection is proposed based on modulus maxima and improved scale product of non-subsampled shearlet transform.Firstly,the multi-scale and multi-direction decomposition of noise-contaminated im-age is performed through non-subsampled shearlet transform （NSST）to get the high-frequency coefficients in NSST do-main.Then the high-frequency coefficients in two adjacent larger scales are selected for the improved multi-scale product operations,and the NSST modulus maxima processing is carried out to get the binary image of edges.Finally,the isolated＆amp;nbsp;points are removed according to the regional connectivity and the accurate edge image is obtained.The simulative experi-mental results show that,compared with four edge detection methods （wavelet modulus maxima method,wavelet scale product method,non-subsampled contourlet transform （NSCT）modulus maxima and scale product method,NSST modulus maxima method）,the method proposed in this paper has stronger ability of resisting noise,and the influence of texture is a-voided effectively.The detected edges are clear,complete and with high continuity.

同期刊论文项目