基于小波包分析的图像边缘检测.docVIP

基于小波包分析的图像边缘检测 　　摘要：通常，图像的边缘为频率域的高频分量。小波分析是一种信号的时间-频率分析方法，而小波包分析是在小波分析的理论基础上，将信号的高频成分分开且可对高频成分继续分解，为信号提供更加精细的分析方法。该文采用基于共轭正交滤波器的小波包分解算法对图像进行边缘检测，实验表明，这种方法能够清晰地检测出图像的边缘。 　　关键词：边缘检测；小波包分析；共轭正交滤波器 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)32-1174-02 　　Image Edge Detection Based on Wavelet Packet Analyze 　　DONG Jie 　　(Department of Computer Science and Technology, Tongji University, Shanghai 20092, China) 　　Abstract: Usually, the edge of image is the high frequency of frequency field. Wavelet analyze is a time-frequency signal analyze method. Then Wavelet packet analyze based on wavelet analyze can divide high frequency and low frequency and is a much more precise method of signal analyze. An algorithm of wavelet packet analyze based on conjugate quadrature filter proposed and is applied to images edge detection. Results show that the algorithm can detect the edge of an image clearly. 　　Key words: edge detection; wavelet packet analyze; conjugate quadrature 　　 　　1 引言 　　 　　边缘检测的基本问题是检测精度与抗噪性能之间的矛盾，由于图像中普遍存在噪声,而图像边缘和噪声均为频域中的高频分量，这给边缘检测带来了困难。传统的边缘检测是采用边缘检测算子求解二维实函数的梯度，然后选择合适的域值以提取边缘，这些经典的边缘检测算子有Sobel，Prewitt ，Canny 等。其中，Sobel和Prewitt边缘检测算子是通过对图像的每一个像素点计算其邻点灰度的加权和来检测边缘的，这些算子的主要缺点是对噪声敏感和边缘定位精度低；Canny边缘检测方法是使用拉普拉斯算子，并且使用双阈值算法检测和连接边缘，虽然提取效果好，但很容易产生双边缘，并且对噪声敏感。可以肯定，用单一尺度的边缘检测算子不可能检测出图像所有的边缘，为避免在滤除噪声时影响边缘检测的正确性，用多尺度的方法检测边缘越来越得到重视。 　　小波变换具有良好的时频局部特性及多尺度分析能力[1]适合检测突变信号，是检测突变信号强有力的工具，与傅立叶变换相比，小波变换使一种窗口大小固定不变，但其形状可改变的时频局部化分析方法，用它来检测边缘，可以在大尺度下抑制噪声，小尺度下精确定位边缘，为图像边缘提取提供了新的思路和新的技术途径。小波包分析是从小波分析延伸出来的一种对信号更加细致的分析与重构方法。小波包分析不但对低频部分进行分解，而且对高频部分作更加细致的刻画，对信号的分析能力更强。 　　 　　2 小波包理论 　　 　　2.1 小波包分析 　　多分辨分析可以对信号进行有效的时频分析，但由于其尺度函数是按二进制变化的，因此在高频段其频率分辨率较差，只能对信号的频段进行指数等间隔划分。小波包分解通过把频带进行多层次划分，能够对多分辨率分析中没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应的选择相应频段，使之与信号频谱相匹配，从而提高时频分辨率。 　　 　　该表达式表明多分辨率分析是按照不同的尺度因子j把空间L2(R)分解为子空间Wj(j∈Z) 的直和。其中Wj为小波函数{?渍j,k}k∈Z的闭包（小波子空间）。进一步对小波子空间Wj按照二进制进行频率的细分，我们将尺度子空间Vj和小波子空间Wj用一个新的子空间Uj2n统一起来表征。令Uj0=Vj，Uj1=Wj，j∈Z，则正交分解Vj+1=Vj?茌Wj，即可用Ujn的分解统一为 ： 　　 U0j+1=U0j+U1j，j∈Z（2） 　　定义