基于小波的多尺度圖像處理及其在紙漿纖維檢測中的應用研究.pdf

1、小波分析自上世紀八十年代取得突破性進展以來，已成為目前發(fā)展最快和最引人注目的學科之一，它幾乎涉及并應用到信息科學領(lǐng)域中的所有學科。小波分析作為傅立葉分析之后時頻分析的有力工具，已經(jīng)廣泛應用于圖像處理中的圖像預處理、圖像壓縮、圖像恢復與圖像特征提取、模式識別中。本文以紙漿纖維圖像的處理與形態(tài)特征提取為研究背景，在利用小波對圖像進行多尺度描述的基礎(chǔ)上對以下五個問題進行了研究。 1.小波的方向性問題。多尺度特性與方向性是圖像的自然屬性

2、，在圖像處理時抓住圖像的自然屬性將有助于更加客觀地描述圖像，從而可以揭示更多的圖像本質(zhì)特性。小波可以實現(xiàn)對圖像的多尺度描述，但是它并不能很好地描述方向性。為此，我們在小波的基礎(chǔ)上設(shè)計了一種方向小波濾波器，它可以在任意方向?qū)D像進行多尺度描述，可以根據(jù)圖像的特征或者我們的要求對圖像進行多尺度、多方向表示，我們將方向小波濾波器應用于紙漿纖維圖像的邊緣檢測中，取得了滿意的效果。 2.小波的模糊多尺度濾波問題。小波在對圖像進行多尺度分解

3、時，在小尺度圖像上反映的是細節(jié)信息，邊緣點定位精度高但同時噪聲表現(xiàn)明顯；大尺度圖像反映的是圖像的全局信息，噪聲表現(xiàn)不明顯但是邊緣點定位精度差。在圖像邊緣檢測中，為了在檢測到邊緣的同時有效濾除噪聲(偽邊緣點)，我們考慮將圖像的多尺度信息通過一種規(guī)則有機合成起來，分別利用大、小尺度的各自優(yōu)勢來提取圖像邊緣。我們提出了一種模糊多尺度邊緣檢測算法，利用模糊規(guī)則來合成尺度信息，將圖像的各尺度信息轉(zhuǎn)化為模糊子集，將圖像信息由小波空間量化到模糊空間中

4、，利用模糊策略來對模糊子集進行合成，提取圖像邊緣特征。 3.小波域統(tǒng)計模型去噪問題。在圖像去噪過程中，圖像模型的客觀性與準確性將直接影響到圖像的去噪精度。在圖像的小波多尺度表示基礎(chǔ)上，我們設(shè)計了兩種模型對圖像統(tǒng)計去噪進行了嘗試。首先是將圖像的小波系數(shù)建模為廣義高斯分布，結(jié)合最大后驗概率估計準則設(shè)計了一種基于小波圖像各像素點的自適應去噪閾值策略；另一種模型方法就是將圖像小波系數(shù)視為混合高斯分布，因為圖像的三個高頻子帶(水平方向、垂

5、直方向和對角方向)存在一定的相關(guān)性，因此對三個子帶進行建模，利用隱馬爾可夫模型來描述小波系數(shù)在不同尺度之間的狀態(tài)關(guān)系，最后結(jié)合貝葉斯估計來對圖像進行去噪研究。 4.角點檢測問題。因為角點檢測在提取目標物體重要特征的同時有效減少了信息量，所以廣泛應用于圖像的形狀檢測與圖像匹配中。但傳統(tǒng)意義上的角點檢測算法存在局部支持域設(shè)置不合理、曲率計算復雜的缺點，我們結(jié)合圖像邊界設(shè)計了基于曲線協(xié)方差矩陣的滑動窗口策略，可以根據(jù)邊界點的彎曲情況自

6、動選擇局部支持域，能最大限度地提取邊界點的彎曲特征，并根據(jù)協(xié)方差矩陣對應的特征向量設(shè)計了簡而易行的曲率算法，這樣就將二維圖像的圖像邊界成功轉(zhuǎn)化為一維特征曲率曲線來表示，最后利用小波的奇異點的檢測功能來提取特征曲線上的奇異點，即為對應二維邊界曲線上的角點，該算法成功應用于紙漿纖維的形態(tài)特征提取，可以識別不同程度的角點。 5.紙漿纖維的有效檢測問題。紙漿纖維的檢測意義重大，我們將圖像處理的理論與方法應用于其中，開辟了一條新的檢測途徑