小波变换在X射线图像边缘检测中的应用

doi:10.3778/j.issn.1002-8331.2010.02.064

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (2): 218-220.DOI: 10.3778/j.issn.1002-8331.2010.02.064

小波变换在X射线图像边缘检测中的应用

唐国维，仲晓庆，张方舟

大庆石油学院计算机与信息技术学院，黑龙江大庆 163318

收稿日期:2008-07-25 修回日期:2008-12-08 出版日期:2010-01-11 发布日期:2010-01-11
通讯作者: 唐国维

X-ray image edge detection based on modulus maximum of wavelet transform

TANG Guo-wei，ZHONG Xiao-qing，ZHANG Fang-zhou

School of Computer & Information Technology，Daqing Petroleum Institute，Daqing，Heilongjiang 163318，China

Received:2008-07-25 Revised:2008-12-08 Online:2010-01-11 Published:2010-01-11
Contact: TANG Guo-wei

摘要/Abstract

摘要： 分析了X射线探伤图像的特点，将小波变换技术应用到X射线图像的边缘检测中，提出了基于小波变换的模极大值边缘检测算法，利用二次B样条小波，采用Mallat快速算法进行小波分解，采用分块阈值选取方法确定模极大值点，给出缺陷边缘。实验结果表明，该方法去噪效果好，检测出的缺陷边缘具有较强的连续性。

关键词: 边缘检测, 小波变换, X射线图像, 模极大值

Abstract: This paper applies wavelet transform to X-ray image edge detection after analyzing the characteristics of X-ray image and presents an algorithm of edge detection on the basis of maximum of wavelet transform modulus.The defect edges are detected by quadratic B-spline and Mallat algorithm which is used in the wavelet decomposition.The blocked threshold is mentioned to ascertain the points of modulus maximum and the defects edges are obtained.Experiment results show that the proposed algorithm has good anti-noise property and that the defect edges detection has strong continuity.

Key words: edge detection, wavelet transform, X-ray image, modulus maximum

中图分类号:

TP391.41

唐国维，仲晓庆，张方舟. 小波变换在X射线图像边缘检测中的应用[J]. 计算机工程与应用, 2010, 46(2): 218-220.

TANG Guo-wei，ZHONG Xiao-qing，ZHANG Fang-zhou. X-ray image edge detection based on modulus maximum of wavelet transform[J]. Computer Engineering and Applications, 2010, 46(2): 218-220.

[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.

小波变换在X射线图像边缘检测中的应用

X-ray image edge detection based on modulus maximum of wavelet transform

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