小波多尺度下真彩色图像边缘检测

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 25-28.

小波多尺度下真彩色图像边缘检测

肖锋1，3，周明全2，耿国华1

1.西北大学可视化技术研究所，西安 710127
2.北京师范大学信息科学与技术学院，北京 100875
3.西安工业大学计算机科学与工程学院，西安 710032

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

Real color image edge detection based on wavelet multi-scale analysis

XIAO Feng1，3，ZHOU Mingquan2，GENG Guohua1

1.Institute of Visualization Technology，Northwest University，Xi’an 710127，China
2.School of Information Science and Technology，Beijing Normal University，Beijing 100875，China
3.School of Computer Science and Engineering，Xi’an Technological University，Xi’an 710032，China

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

摘要/Abstract

摘要： 现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供多尺度下的边缘信息。提出了小波多尺度下彩色图像边缘提取算法，利用小波多尺度特征模板对R、G、B三个分量滤波磨光输出，并对磨光后的图像进行向量扩展梯度（Vector Expand Gradient，VEG），提取边缘。实验结果表明：算法能有效地在不同尺度下提取真彩色图像由细到粗的轮廓边缘信息。

关键词: 真彩图像, 边缘检测, 小波变换, 向量扩展梯度, 多尺度, 磨光

Abstract: Modern image edge detection method requires to provide more scale edge information by making full use of the color image.A wavelet multi-scale color images edge detection algorithm is put forward.To extract true color image edge information，multi-scale wavelet feature template is taken to implement the three components（R，G，B）filter polishing output and perform the polished image gradient vector extensions（Vector Expand Gradient，VEG）.Experiments show the algorithm can effectively extract the true color image edge information from fine lines to bold lines in different scales.

Key words: real color image, edge detection, wavelet transform, Vector Expand Gradient（VEG）, multi-scale, polishing

肖锋1，3，周明全2，耿国华1. 小波多尺度下真彩色图像边缘检测[J]. 计算机工程与应用, 2011, 47(15): 25-28.

XIAO Feng1，3，ZHOU Mingquan2，GENG Guohua1. Real color image edge detection based on wavelet multi-scale analysis[J]. Computer Engineering and Applications, 2011, 47(15): 25-28.

[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.