利用小波多尺度积实现裂纹缺陷的边缘检测

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 219-221.

• 图形、图像、模式识别 • 上一篇下一篇

利用小波多尺度积实现裂纹缺陷的边缘检测

贾超，王耀坤，邢晶晶

燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Edge detection of crack defect based on wavelet multi-scale multiplication

JIA Chao，WANG Yaokun，XING Jingjing

College of Information Science and Engineering，Yanshan University，Qinhuangdao，Hebei 066004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要：

提出了一种基于小波变换的图像边缘检测方法，即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解，将相邻尺度的小波系数相乘增强边缘，再通过双阈值去噪的方法，得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题，边缘连续的同时又保证了边缘定位的准确性，采用双阈值的算法明显优于采用单阈值，可以有效用于结构件的检测。

关键词: 边缘检测, 小波变换, 多尺度, 尺度积, 双阈值

Abstract: A new image edge detection algorithm which is based on wavelet transform is concerned with doing multi-scale wavelet decomposition to the image with multi-scale of edge information and the modulus maximum value of wavelet transform，and then making a multiplication of consecutive scale wavelet coefficient to enhance edge and achieving the final image edge with double threshold to remove noise components.The result of test indicates that this algorithm solves problems of edge noise and the bad edge，and ensures the accuracy of edge continuation and positioning.The algorithm with double threshold is superior to a single threshold and can be used effectively in framing member detection.

Key words: edge detection, wavelet transform, multi-scale, scale multiplication, double threshold value

贾超，王耀坤，邢晶晶. 利用小波多尺度积实现裂纹缺陷的边缘检测[J]. 计算机工程与应用, 2011, 47(15): 219-221.

JIA Chao，WANG Yaokun，XING Jingjing. Edge detection of crack defect based on wavelet multi-scale multiplication[J]. Computer Engineering and Applications, 2011, 47(15): 219-221.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[3]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[4]	梁芳烜，杨锋，卢丽云，尹梦晓. 基于卷积神经网络的脑肿瘤分割方法综述[J]. 计算机工程与应用, 2021, 57(7): 34-43.
[5]	罗会兰，彭珊，陈鸿坤. 目标检测难点问题最新研究进展综述[J]. 计算机工程与应用, 2021, 57(5): 36-46.
[6]	李佐龙，王帮海，卢增. 多尺度特征融合重建的行人检测方法[J]. 计算机工程与应用, 2021, 57(4): 176-182.
[7]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[8]	刘万军，张正寰，曲海成. 融合DenseNet的多尺度图像去模糊模型[J]. 计算机工程与应用, 2021, 57(24): 219-226.
[9]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[10]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[11]	徐健，黄磊，陈倩倩，陆珍，吴曙培. 基于多尺度特征迁移学习的步态识别研究[J]. 计算机工程与应用, 2021, 57(20): 180-187.
[12]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[13]	吴卓钊，范科峰，莫玮. 多尺度权重评估的MSRCR混合曝光成像算法[J]. 计算机工程与应用, 2021, 57(17): 224-229.
[14]	贺照蒙，孔广黔，吴云. 一种改进的室内场景语义分割网络[J]. 计算机工程与应用, 2021, 57(16): 197-202.
[15]	熊杰，彭军，杨文姬，黄丽芳. 多尺度高分辨率保持和视角不变的手姿态估计[J]. 计算机工程与应用, 2021, 57(14): 148-157.

利用小波多尺度积实现裂纹缺陷的边缘检测

Edge detection of crack defect based on wavelet multi-scale multiplication

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics