發(fā)布時(shí)間：2022-01-08 01:15

　　為了獲得較好的煙霧圖像,得到更多的圖像信息,分析相關(guān)的邊緣檢測(cè)的方法。以利用圖像實(shí)現(xiàn)煙霧檢測(cè)為背景,采用一種基于小波模極大值的多尺度的實(shí)現(xiàn)煙霧圖像的邊緣檢測(cè)算法。選擇了B樣條函數(shù)作為小波函數(shù),通過(guò)對(duì)實(shí)驗(yàn)所采集的煙霧圖像進(jìn)行小波模極值大的多尺度邊緣檢測(cè)算法將圖像進(jìn)行多尺度分析,最后將不同尺度的圖像綜合起來(lái)與傳統(tǒng)邊緣檢測(cè)方法作比較,仿真分析表明,基于小波多尺度模極大值的算法在煙霧圖像邊緣檢測(cè)中的效果較傳統(tǒng)邊緣檢測(cè)效果更好。 

【文章來(lái)源】：國(guó)外電子測(cè)量技術(shù). 2020,39(09)

【文章頁(yè)數(shù)】：5 頁(yè)

【圖文】：

煙霧檢測(cè)裝置

如圖2所示，圖像邊緣檢測(cè)是圖像判讀和信息提取的基本處理方法。數(shù)字圖像包含著大量的信息，圖像信息的提取是當(dāng)前研究的熱點(diǎn)問(wèn)題。判斷圖像上信息的變換可以利用灰度閾值，有助于圖像的分割和模式識(shí)別。經(jīng)典的邊緣檢測(cè)算法一般通過(guò)梯度處理來(lái)完成圖像的檢測(cè)，利用相應(yīng)的模板系數(shù)通過(guò)梯度算子對(duì)圖像進(jìn)行矩陣運(yùn)算[11]。3 小波函數(shù)的選取

為了驗(yàn)證本文所提出的基于小波變換模極大的多尺度算法在處理煙霧圖像的優(yōu)越性，在本次實(shí)驗(yàn)中采用采集到的一幅煙霧圖像。對(duì)其進(jìn)行邊緣檢測(cè)與傳統(tǒng)的幾種邊緣算子的實(shí)驗(yàn)結(jié)果相對(duì)比，幾種傳統(tǒng)算子邊緣檢測(cè)實(shí)驗(yàn)結(jié)果如圖3所示。圖3 經(jīng)典邊緣算子對(duì)煙霧圖像檢測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]基于matlab的彩色石材圖像邊緣檢測(cè)算法研究[J]. 洪天平.  信息通信. 2020(03)
[2]基于Canny算子邊緣檢測(cè)的小波變換多聚焦圖像融合方法[J]. 王園園,張娜,韓美林.  電子測(cè)量技術(shù). 2019(17)
[3]基于亞像素邊緣檢測(cè)的高速攝影下槍機(jī)運(yùn)動(dòng)分析[J]. 楊一帆,張鵬軍,牛俊財(cái).  電子測(cè)量與儀器學(xué)報(bào). 2018(11)
[4]基于圖像分割與多特征模型的車(chē)牌識(shí)別算法[J]. 杜媛.  國(guó)外電子測(cè)量技術(shù). 2018(08)
[5]融合碼本模型和邊緣檢測(cè)的目標(biāo)檢測(cè)算法[J]. 許錦婷,陳仁文,余小慶.  國(guó)外電子測(cè)量技術(shù). 2018(05)
[6]基于小波變換多尺度的圖像邊緣檢測(cè)方法研究[J]. 謝道平.  大眾科技. 2017(11)
[7]基于多尺度降采樣規(guī)范化割的圖像裂紋檢測(cè)[J]. 王森,伍星,張印輝,陳慶.  儀器儀表學(xué)報(bào). 2017(11)
[8]基于B樣條小波模極大值的多尺度邊緣檢測(cè)算法[J]. 岳明明,楊國(guó)為.  工業(yè)控制計(jì)算機(jī). 2016(09)
[9]基于LabVIEW的面陣煙霧透過(guò)率測(cè)試系統(tǒng)[J]. 李冠蕊,王茜蒨,張書(shū)晧,孫美,許毅,張波,彭中.  紅外與激光工程. 2013(S1)
[10]基于復(fù)頻域B樣條小波與高斯函數(shù)的超聲信號(hào)波至檢測(cè)[J]. 劉運(yùn)峰,宋壽鵬,馬曉鯤,王成.  儀表技術(shù)與傳感器. 2012(11)

碩士論文
[1]基于視頻圖像序列的火災(zāi)煙霧檢測(cè)方法研究[D]. 袁梅.重慶郵電大學(xué) 2019
[2]羽煙光學(xué)透過(guò)率檢測(cè)方法研究[D]. 吳俊.西安電子科技大學(xué) 2015
[3]基于小波變換的圖像邊緣檢測(cè)研究[D]. 白海峰.西南交通大學(xué) 2011



本文編號(hào)：3575616