基于小波包分解多尺度图象边缘检测算法及实现.pdfVIP

第 20 卷第 10 期 　　　　　　　　　　　　　　　　　上 海 铁 道 大 学 学 报 　　　　　　　　　　　　　　　　　　Vol . 20 ,No . 10 1999 年 10 月 　　　 　　　　　　　　　　JOURNAL OF SHAN GHAI TIEDAO UNIVERSITY 　　　　　　　　　　　　　　　Oct . ,1999 文章编号 ( 1999) 　　　　 基于小波包分解的多尺度图象 边缘检测算法及实现 胡晓东 ,曹立明 ,施鸿宝 (上海铁道大学计算技术研究所 ,上海 200331) 摘 　要 :提出一种基于小波包分解的多尺度图象边缘检测算法 ,对经小波包分解所得到的高频部分加以考 虑 ,避免了普通的利用小波分解进行边缘检测时忽略图象高频部分的缺陷 。在此基础上 ,通过对实际图象 运用此算法 ,对其检测效果同其他方法进行分析与比较 ,结果证明此方法在复杂图象边缘检测中具有较好 的效果 。 关键词 : 图象处理 ,多尺度分析 ,小波包分解 ,边缘检测 中图分类号 :TN911. 73 　　　文献标识码 :A 图象的边缘检测所要完成的任务是在图象中找出其强度不连续的点 。由于实际景物表面反射和纹理 不同, 以及照明、表面取向、深度等的不同, 加上成象过程中所混杂的噪声, 使得对所得到的图象的处理和 分析变得十分复杂 。这类图象的特点是图象中含有较多的区域类数, 灰度层次比较丰富, 区域的类数和数 目也比较多[ 1] , 分析中所感兴趣的区域同其他区域相混杂, 用于检测图象边缘的阈值较难选取 。普通的边 缘检测算法对于此类图象难以取得较好的效果 。在此情况下, 采用非结构方法较为合适, 例如基于知识的 图象分割方法能够取得平常算法所不能取得的效果[2 , 3] 。然而, 对于取 自于实际景物的图象来说, 相关知 识往往不明确, 甚至无法得到分析所需要的相关知识, 在这种情况下, 这种方法就不可行了。 近年来, 小波变换由于同时具有自适应窗口特性和平移功能 , 使得其能够有效逼近Hei senberg 测不准 条件而被用于信号分析 。关于小波变换在图象边缘检测的应用研究被广泛的展开, 如 F. Truchetet 等应用 小波框架对图象进行边缘检测[4] ; Maarten J ansen 等使用小波变换对图象的阈值进行选择[ 5] 等 。相对于小 波变换, 小波包变换能够对图象中的高频部分加以分解, 具有更强的适应性, 因而更加适合于信号的重建 、 压缩以及边缘检测 。某些利用小波包变换进行图象进行边缘检测和分割的研究业已取得了良好的效果 。例 如运用小波包分解来对纹理图象进行的分割[ 6] , 使用平衡小波包树方法来对图象进行分割[ 7] 等 。 本文利用小波包变换所具有的多尺度分析特性对图象进行边缘检测 。首先将对经小波包分解所得到 的近似图象进行边缘检测, 以此作为模板同由分解所得到的高频分量重构所得高频部分进行匹配 。 1 　小波包分解进行及其应用于多尺度边缘检测特性 1. 1 　小波包分解 小波包分解是源 自于小波分解的一种信号分解方法 。对于一个给定信号, 其高频部分与低频部分所占 频带也就限定了。在对信号进行小波分解时, 一般只对信号的低频部分进行反复分解 。而小波包则同时在 收稿 日期 :1999 - 04 - 18 ( ) 作者简介 :胡晓东 1976 - ,男 ,研究生 ·43 · 上 海 铁 道 大 学 学 报 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　第 20 卷 信号的低频部分和高频部分进行分解 。 Ψ ( x) = p Ψ (2 x - k)