带细节增强与降噪的真彩图像多尺度边缘检测

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 8-10.

带细节增强与降噪的真彩图像多尺度边缘检测

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:2011-12-01 发布日期:2011-12-01

True color image multi-scale edge detection with detail enhancement and noise reduction

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:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 为了解决真彩图像降噪和边缘细节保留的问题，提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像，进而根据改进的软阈值滤波函数，对得到的边缘图像进行阈值选择，降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明，该算法能充分利用真彩图像的颜色和梯度信息，有效地抑制噪声，增强图像的细节信息。

关键词: 边缘检测, 真彩图像, 边缘融合, 小波变换, 增强细节

Abstract: To tackle the problem of de-noising and edge detail preservation of true color images，this paper proposes a multi-scale edge detection algorithm which takes soft threshold method to implement detail enhancement and noise reduction of the true color image.Three steps are needed：obtaining the true color images at different scales through wavelet multi-scale edge detection algorithm;based on the improved soft threshold filter function，selecting appropriate threshold of the obtained image edges to perform noise reduction while enhance the edge details of the reservation;carrying out the weighted 2-norm fusion of edges of different-scale-image.Experimental results show that the algorithm can make the most of color and gradient information of true color images to effectively suppress noise，enhance the image edge details as well.

Key words: edge detection, real color image, edge fusion, wavelet transform, enhance details

肖锋1，3，周明全2，耿国华1. 带细节增强与降噪的真彩图像多尺度边缘检测[J]. 计算机工程与应用, 2011, 47(34): 8-10.

XIAO Feng1，3，ZHOU Mingquan2，GENG Guohua1. True color image multi-scale edge detection with detail enhancement and noise reduction[J]. Computer Engineering and Applications, 2011, 47(34): 8-10.

[1]	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.
[2]	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.
[3]	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.
[4]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[5]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[8]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[9]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[10]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[13]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[14]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[15]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.