当前位置：文档之家 › 基于边缘信息的工业CT图像分割法_邱钊

基于边缘信息的工业CT图像分割法_邱钊

  • 格式：pdf
  • 大小：155.50 KB
  • 文档页数：3

下载文档原格式

  / 3

合集下载

基于改进的GVF模型的CT图像分割方法

基于改进的GVF模型的CT图像分割方法

基于改进的GVF模型的CT图像分割方法
邱明;张二虎;张志刚
【期刊名称】《小型微型计算机系统》
【年(卷),期】2006(27)1
【摘要】活动轮廓模型被广泛应用于医学图像分割之中.文中针对CT图像的分割方法进行了探讨,提出了一种基于GVF模型的改进的活动轮廓分割法.改进方法采用轮廓中心法及引入一作用力的方法,克服了GVF模型不能处理深度凹陷区域的问题.实验结果表明,改进后的分割方法较原Snake模型及GVF模型的效果更好.
【总页数】3页(P155-157)
【作者】邱明;张二虎;张志刚
【作者单位】长庆石油勘控局,通信公司,陕西,西安,710021;西安工业学院,信息与通信工程系,陕西,西安,710032;西安工业学院,信息与通信工程系,陕西,西安,710032;西安工业学院,信息与通信工程系,陕西,西安,710032
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于改进活动窄带模型的冠状动脉CT血管造影图像分割 [J], 张梦璐;杨孝平
2.基于GVF Snake模型的图像分割方法在放射吸收法(RA)中的应用 [J], 孙涛;汪家旺;韩善清
3.基于改进的GVF Snake模型CT图像轮廓提取技术 [J], 张伟伟;赵歆波;张涛;王凯
4.基于GVF模型的图像分割方法的改进 [J], 王海军;张有志
5.基于改进U-Net模型下的椎骨CT图像分割方法 [J], 刘侠;余鸿波;李冰;王波因版权原因，仅展示原文概要，查看原文内容请购买。

用于工业CT图像三维重建的边缘信息提取算法研究

用于工业CT图像三维重建的边缘信息提取算法研究

Ｇ ｛，Ｇ Ｔ 所 在其他情况下， 重新 当作 返回第 （ ） Ｇｊ ［ 选 。 ￣－ ； ｉ ［ － ｉ 把 ＋１ ３
步；
在很多情况下 ， 目标轮廓都不是唯一的， 所 以还需要屏蔽掉 已跟踪 的轮廓， 重新进行上面 的步骤 ， 到 图像没 有 轮 廓 为止 。图 ２描述 了 直
踪 四个步 骤［ ¨。
１ １图像预处 理 ．
Ｃ 图像 中存在 大量 的 随机 噪 声 和统 计 噪 Ｔ
和伪影的存在 ， 因此常规方法得到边缘图像常 出现断裂和误检测， 如何从高噪声 图像中检测
声， 这些噪声带给图像 的随机干扰给边缘提取 带 来 了很 大 困难 ， 解决 方 法 是 在 边缘 提 取 前对 图像进行去除噪声的滤波处理。然而 由于边缘 和噪声都是图像 中的高频成分 ， 滤除噪声 的同
维普资讯
理虽然较好的滤 除了噪声 ， 同时也模糊 了边 但
点 的高度 。
１ ４轮 廓跟踪 ．
将检测的边缘点连接成线保证轮廓的封闭 边缘对应 图像 中象素 灰度变化 最大 的区 域， 对灰度图像进行微分运算是检测边缘点 的 关键一步 。常用的方法是通过卷积运算对图像 进行有限差分近似 ， 而得到 图像的梯度 幅值 从 常用的计算梯度的卷积模板为： 就是轮廓跟踪的思想 。形成线特征包括两个过 程， 一是 提取可 构成 线特征 的边缘点 ； 是将边 二
（） ａ滤波处理前 （） ｂ滤波 处理后
收藕 日期 ：０ ６０－１ ２ ０－５３
作者筒 介 ： 安洪 振 （９ ２ ）男 ， １ ８ 一 ， 山东 曲阜人 ， 士 硕 研究生 ， 核科学与技 术专业
８７ ６
图 １ 箱包 Ｃ Ｔ图像 Ｌ ＵＭ 滤 波前后 的比较
图１ 中滤波前后的 比较可 以看出， 滤波处

一种工业CT图像的分割算法

一种工业CT图像的分割算法

第19卷 第1期 CT理论与应用研究 Vol.19, No.1 2010年3月（56-61） CT Theory and Applications Mar., 2010阮健, 陈平, 潘晋孝. 一种工业CT图像的分割算法[J]. CT理论与应用研究, 2010, 19(1): 56-61.Ruan J, Chen P, Pan JX. A kind of segmentation method for CT image[J]. CT Theory and Applications, 2010, 19(1): 56-61.一种工业CT图像的分割算法阮健，陈平，潘晋孝（中北大学信息与通信工程学院，太原030051）摘要：由于工业CT图像结构复杂，存在各种伪影，并且灰度分布呈现区域性质等特点，难以准确找出分割阈值，为此提出了一种适用于工业CT图像的分割算法。

首先利用最大类间方差法和图像处理方法处理了外层伪影，然后利用聚类迭代的方法处理中心空气，得到感兴趣的区域。

实验结果表明，此算法能够对具有先验知识的工业断层图像准确地提取感兴趣的区域。

关键词：工业CT；图像分割；聚类分割；可视化文章编号：1004-4140（2010）01-0056-06 中图分类号：TN911.73；TP39 文献标识码：A工业CT无损检测技术，是利用工业CT扫描成像设备得到检测物体的投影图像，结合计算机三维图像重建、图像处理和可视化等技术，对物体进行无损、高精度和全方位的检测和分析的新技术。

工业CT图像与试件的材料、几何结构、组成成分和密度特性相关。

多幅二维CT图像序列可实现三维物体的可视化，通过这些三维信息不仅能得到缺陷的位置、形状及尺寸大小等信息，结合密度分析技术还可以确定缺陷的性质，从而对长期以来困扰无损检测人员的缺陷空间定位、深度定量及综合定性问题有了更直接的解决途径。

工业CT系统直接生成的灰度数字图像，需要通过图像分割技术，提取出感兴趣的目标区域，为三维可视化奠定基础。

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》范文

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》范文

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》篇一一、引言随着医学影像技术的快速发展，肝脏肿瘤的检测与分割成为了临床诊断和治疗的重要环节。

无造影剂的肝脏肿瘤分割方法，因其无需额外造影剂、减少患者负担等优点，逐渐受到广泛关注。

本文提出了一种基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法，旨在提高分割精度和效率。

二、相关工作回顾当前，肝脏肿瘤分割方法主要包括基于阈值、区域生长、聚类分析以及深度学习等方法。

然而，这些方法在处理不同尺寸、形态和密度的肝脏肿瘤时，往往存在分割不准确、鲁棒性差等问题。

特别是无造影剂条件下，肝脏肿瘤与周围组织的对比度较低，增加了分割难度。

因此，如何准确、高效地实现无造影剂肝脏肿瘤的分割成为了研究的重点。

三、方法介绍本文提出的基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法，主要包含以下步骤：1. 图像预处理：对医学影像进行去噪、增强等预处理操作，提高图像质量。

2. 多尺度特征提取：利用不同尺度的卷积核提取图像中的多尺度特征信息。

3. 边缘信息检测：通过边缘检测算法，提取出肝脏肿瘤的边缘信息。

4. 融合策略：将多尺度特征和边缘信息进行融合，形成融合特征。

5. 分割模型：基于融合特征，利用深度学习模型进行肝脏肿瘤的分割。

四、实验与分析1. 数据集与实验环境：本实验采用公开的医学影像数据集进行实验，实验环境为高性能计算机。

2. 实验过程与结果：首先，我们对预处理后的图像进行多尺度特征提取和边缘信息检测。

然后，将提取的特征进行融合，形成融合特征。

最后，利用深度学习模型进行肝脏肿瘤的分割。

实验结果表明，该方法在处理不同尺寸、形态和密度的肝脏肿瘤时，具有较高的分割精度和鲁棒性。

为了进一步验证本方法的优越性，我们与其他无造影剂肝脏肿瘤分割方法进行了对比实验。

实验结果表明，本文提出的方法在分割精度、效率和鲁棒性方面均具有明显优势。

五、讨论与展望本文提出的基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法，在处理不同尺寸、形态和密度的肝脏肿瘤时，具有较高的分割精度和鲁棒性。

一种工业CT图像的分割算法

一种工业CT图像的分割算法

一种工业CT图像的分割算法
覃仁超
【期刊名称】《微计算机信息》
【年(卷),期】2006(022)013
【摘要】文章根据工业CT图像的特点,提出了一种适用于工业CT图像分割的算法.该算法是一种结合数学形态学和CANNY算子边缘检测的图像分割算法.实验结果表明:该算法能有效地提取出实际工件的轮廓,并将实际工件的CT图像从CT切片中分割出来.
【总页数】3页(P221-223)
【作者】覃仁超
【作者单位】621010,四川,绵阳西南科技大学计算机学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.分形维-最大熵阈值的弱边缘工业CT图像分割算法 [J], 常海涛;苟军年;李晓梅
2.一种全自动的脊柱CT图像分割算法研究 [J], 张媛;周啸虎;郭静丽;高伟
3.一种工业CT图像的分割算法 [J], 覃仁超
4.一种基于CT图像的肾脏肿瘤分割算法 [J], 高岩;王博亮
5.Faster R-CNN定位后的工业CT图像缺陷分割算法研究 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》

《基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法研究》一、引言肝脏肿瘤的准确分割对于疾病诊断和治疗具有重要意义。

然而，传统的肝脏肿瘤分割方法往往依赖于造影剂，这可能会对患者的身体造成额外的负担。

因此，研究一种无造影剂的肝脏肿瘤分割方法具有重要的临床应用价值。

本文提出了一种基于边缘信息的多尺度无造影剂肝脏肿瘤分割方法，旨在提高肝脏肿瘤分割的准确性和效率。

二、研究背景及意义随着医学影像技术的不断发展，肝脏肿瘤的检测和分割在临床诊断和治疗中扮演着越来越重要的角色。

然而，传统的肝脏肿瘤分割方法大多需要使用造影剂，这可能会增加患者的治疗成本和身体负担。

因此，研究一种无造影剂的肝脏肿瘤分割方法具有重要的临床意义。

本文提出的方法基于边缘信息，利用多尺度特征提取和融合技术，旨在提高肝脏肿瘤分割的准确性和效率。

三、方法与原理1. 边缘信息提取边缘信息是图像中的重要特征之一，对于肝脏肿瘤的分割具有重要作用。

本文采用Canny边缘检测算法提取图像中的边缘信息，以用于后续的分割处理。

2. 多尺度特征提取为了充分利用图像中的多尺度信息，本文采用多种尺度的卷积核进行特征提取。

通过不同尺度的卷积核，可以获取到不同尺度的图像特征，从而提高分割的准确性和鲁棒性。

3. 特征融合与分割将提取的边缘信息和多尺度特征进行融合，利用深度学习技术进行分割处理。

本文采用U-Net网络结构，通过编码器-解码器的方式实现特征的提取和融合，从而实现肝脏肿瘤的准确分割。

四、实验结果与分析1. 数据集与实验设置本文使用公开的肝脏CT图像数据集进行实验，将本文提出的方法与传统的肝脏肿瘤分割方法进行对比。

实验环境为高性能计算机，采用Python编程语言和深度学习框架进行实现。

2. 实验结果通过实验，本文提出的方法在肝脏肿瘤分割任务上取得了较好的效果。

与传统的无造影剂分割方法相比，本文方法在准确率、召回率和F1分数等指标上均有显著提高。

同时，本文方法在处理不同尺度和位置的肝脏肿瘤时表现出较好的鲁棒性。

基于神经网络边缘提取的工业CT图像与CAD模型的比对检测

基于神经网络边缘提取的工业CT图像与CAD模型的比对检测曾理;何洪举;张志波【摘要】A method to analyze the manufacture error of a workpiece based on the comparison inspection between Industrial Computed Tomography (ICT) images and Computer Aided Design (CAD) model was discussed. Firstly, the edged surfaces of ICT images were extracted by the Cellular Neural Network (CNN) with adaptive templates and the data were fused in three directions to obtaine the complete 3D edge surfaces. Then, the Principal Component Analysis (PCA) with the method of minimum bounding box were combined to perform a rough registration,and Singular Value Decomposition and Iterative Closest Point (SVD-ICP) algorithm were used to realize the refined registration for the edged surface data and the CAD model. In experiment,the k-d tree was used to improve the calcula-tion speed of searching for the closest point. The experimental results validate that the comparison inspection method is automatic, visualized and high-accuracy. By the improved comparison inspection method for ICT images and CAD model, the ICT technology can be used to analyze and improve the manufacturing process.%研究了一种对工业计算机断层(CT)图像与计算机辅助设计(CAD)模型进行比对检测,分析工件制造误差的方法.首先,用模板自适应细胞神经网络提取工业CT图像边缘,并进行三方向CT切片边缘数据融合处理以获得完整的三维边缘面.然后,先结合主成分分析和最小包围盒的思想对CT边缘面数据与工件的CAD模型实现粗配准,再用奇异值分解-迭代最近点算法对其进行精配准,其中最近点对的求取用k-d树进行加速,从而实现对工件制造误差的分析.实验结果显示,文中的方法能够实现工件的比对检测,自动化程度高、能直观显示误差分布且精度高,表明通过改进工件CT图像与CAD模型的比对检测方法,可将工业CT技术用于制造工艺分析与改进中.【期刊名称】《光学精密工程》【年(卷),期】2011(019)010【总页数】8页(P2533-2540)【关键词】计算机断层成像;计算机辅助设计;神经网络;迭代最近点;比对检测【作者】曾理;何洪举;张志波【作者单位】重庆大学数学与统计学院,重庆401331;重庆大学光电技术及系统教育部重点实验室ICT研究中心,重庆400030;重庆大学数学与统计学院,重庆401331;重庆大学数学与统计学院,重庆401331【正文语种】中文【中图分类】TP391;TP181 引言随着计算机辅助设计（Computer Aided Design，CAD）技术的进步和人们对工业产品性能、外观等要求的不断提高，工业产品的设计越来越复杂，工件制造加工的难度也越来越大，如何评价分析工件的制造质量日益受到人们更多的关注。

用于图像分割的边缘检测技术研究和分析

用于图像分割的边缘检测技术研究和分析
全爱国
【期刊名称】《人天科学研究》
【年(卷),期】2011(010)007
【摘要】图像分割在数字图像处理技术中占据重要地位,属于机器运算的视觉技术,在图像理论研究及实际图像处理中得到了广泛重视。

图像分割没有唯一的标准和方法,应该按照不同种类的图像应用不同的分割技术。

现在的图像,基本已经有相应的分割方法可以对其进行分割,在大多数通用方法的情况下,也有些特殊的图像需要用到特殊技术。

讲述了边缘检测应用于图像分割比较常用的3种算法,并对基于边缘检测的图像分割方法进行了研究和分析,指出了图像分割技术未来的发展方向。

【总页数】2页(P152-153)
【作者】全爱国
【作者单位】江都职业教育集团,江苏江都225200
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于边缘检测的颈动脉CT图像分割技术研究 [J], 杜建慧;史大鹏;李春雷;廖亮;刘洲峰;黄源;吉拉德
2.基于边缘检测的沥青混合料图像分割技术研究 [J], 孙朝云;沙爱民;姚秋玲;张惠玲
3.基于边缘检测算法的图像分割技术研究 [J], 王彦林
4.用于图像分割的边缘检测技术研究和分析 [J], 全爱国
5.基于边缘检测的棉花杂质图像分割方法比较与分析 [J], 刘军民;夏彬;桑小田;秦建锋
因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

W (a , b ) =
f
f ,φ
+∞ a ,b
=
−∞
∫ f (t )φ (t )dt
a ,b
其中Ф为 φ 的Fourier变换。 上面定义的小波变换可以通过对其伸缩因子a 和平移因 子b进行采样而离散化。对a,b依如下规律采样：
a = a (a
m 0
0
> 1) ,b
= nb a
0
m 0
则得到离散小波
2
3.2 抑 制 噪 声 当图像被噪声污染后，小波变换的模极大值也会受到噪 声的污染，当信噪比很低时，噪声的影响将严重到难以根据 上述检测法检测出景物图像的边缘。我们利用多尺度小波变 换来抑制噪声的影响。小波变换中的尺度函数与小波函数分 别是低通和带通滤波器的空域响应。对图像作小波变换可获 得一边缘图像和低通图像，将低通图像的行和列进行隔点取 样，所获得图像的尺寸为原图像的1/4 ，对这个缩小了的低 通图像作小波变换，可以获得较大尺度的边缘图像。由此类 推，就可以获得各尺度下的边缘图像。因为低通滤波器能平 滑噪声，随着尺度的增大，噪声的影响将受到抑制。本文设 置一个阈值T ，对于给定的图像块计算其在大尺度小波变换 下的模极大值，若其值小于T ，可认定给定的图像块中不包 含边缘。 3.3 图 像 的 四 叉 树 表 示 (1) 四叉树结构及增长顺序
f (
1 x y θ s ( x, y ) = 2 θ ( , ) s s s
平滑后梯度矢量
∇ ( f * θ s )( x , y )
的模
正比于
M s f (x, y ) = W s ,1 f ( x , y ) W W
2
+ W s, 2 f ( x , y )
1 2
φ (t ) =
a ,b
a
−
1 2
t−b φ a
其中a∈R-{0}，b∈R分别称为伸缩和平移因子。 2 定 义 2 对于信号f ∈L ,若母小波 φ 满足下面的允许条 件：
Φ (ϖ
R
∫
)2
ϖ
d ϖ < ∞ or
∫ R φ (t )dt = 0
则f的连续小波变换Wf (a,b)定义为
Image Segmentation of Industrial CT Based on Edge Information
QIU Zhao, ZHU Qingsheng, LU Xia， WU Xing
(State Key Lab of Software Engineering, Computer College of Chongqing University, Chongqing 400044) 【Abstract】The image of ICT (industrial CT ) is not very satisfaction because of technology of CT. The smart image segmentation is the base of getting smart measurement data .This paper uses the dimension wavelet multi-resolution transform coefficients as the measure of split-and-merge image segmentation, uses four-tree structure as original segment,and sets up suitable valve to restrain noise and pick-up the pictrure edge. The experimentations prove the approach is rational than the routine algorithm in segmenting the image of shoe lumen by CT. It can segment the edge of shoe lumen exactly. 【Key words 】Image segmentation; Wavelet transform; Edge detection
第 30卷 第 8期 Vol.30 № 8
计 算 机 工 程 Computer Engineering
文 章 编 号 ： 1000 — 3428(2004)08 — 0159 — 03 文 献 标 识 码 ：A
2004年 4月 April 2004
中 图 分 类 号 ： TP391.41
・人工智能及识别技术・
作者 简 介 ： 邱 钊（1973 —），男，硕士生，研究方向：图像处理 与识别，电子商务；朱庆生，教授；卢 霞，本科生；伍 星，硕 士生 收 稿 日 期 ： 2003-03-25 E-mail ： qiuzhao73@
—159—
的局部突变，因此是检测图像边缘的有力工具。本文采用多 尺度二维小波变换模极大值作为分裂合并图像分割的一致性 度量，并根据小波变换在图像边缘的模极大值随着尺度的增 加而不变，而在噪声处的模极大值随着尺度增加而减小这个 规律[1]，分离噪声干扰，收到良好效果。
2 小波理论
小波分析的基本思想是用一族函数去表示或逼近一个信 号或函数，这一函数族称为小波函数系（小波基），它是通 过一个基本小波函数的不同尺度的伸缩和平移而形成的。而 所谓的小波变换，其实质则是将信号投影到一系列小波基 上。小波变换分为连续小波变换（CWT ）和离散小波变换 （DWT ）两种。CWT 主要用于理论分析，在实际应用中， 一般采用基于多尺度分析的DWT 。 2.1 小 波 变 换 的 定 义 [4] 定 义 1 假设母小波函数为 φ (x) ∈L ⌒L ,则按照如下 方式生成的函数族 φ {a,b}称为分析小波。
ψ 1 ( x , y ) = ∂ θ ( x , y ) / ∂ x 和 ψ 2 ( x , y ) = ∂ θ ( x , y ) / ∂ y 作为母
小波，对图像函数 f ( x , y ) 在尺度 S = 2 j （为整数）作小波 j 变换 W s,1 f (x , y ) 和 W s , 2 经
(1) 平滑区域。因为没有发生突变，其模值在大、小尺度下都 是0 ； (2) 突变边缘。模值在大、小尺度下有极大值，且保持不变， 但位置发生偏移。可以在大尺度下判断是否存在边缘。因小波变换 模极大值的位置在大尺度时发生偏移，所以不能大尺度下定位边 缘，应在相同位置的小尺度变换下定位边缘。 (3) 渐变边缘。模值在小尺度下较小、在大尺度下较大。因相 对渐变边缘来说没有非常明显的边缘，用大尺度下模极值点来定位 也行。 (4) 噪声。模值在小尺度下较大，在大尺度下变小了。 依据各种元素在多尺度小波变换下的不同表现，就可以把它们 区分开。
基 于 边 缘 信 息 的 工 业 CT图 像 分 割 法
邱 钊，朱庆生，卢 霞，伍 星
（重庆大学计算机学院软件工程国家重点实验室，重庆 400044 ） 摘 要 ： 由于CT 技术各方面的原因，工业CT 扫描测量图像质量不是很理想。要获得精确的测量数据，必须进行准确的图像分割。该文采用 多尺度二维小波变换模极大值作为分裂合并图像分割的一致性度量，采用四叉树结构作为图像块的初始划分，设置合适的门限值抑制噪声的 干扰并提取出图像边缘信息。实验证明，对于皮鞋内嵌的CT 测量图像该算法比常规的算法更理想，能够准确分割出皮鞋的内外腔边缘。 关 键 词 ： 图像分割；小波变换；边缘检测
现有的大多数图像分割方法只是部分满足上述判据。如 果加强分割区域的同性质约束，分割区域很容易产生大量小 空洞和不规整边缘；若强调不同区域间性质差异的显著性， 则容易造成非同性质区域的合并和有意义的边缘的丢失。所 以图像分割方法应该在各种约束条件中找到平衡点。尽管人 们在图像分割方面作了许多研究工作，由于还没有通用的分 割理论，现在提出的分割算法大多针对具体问题，没有一种 适合于所有图像的通用分割算法。 本文讨论的分裂合并图像分割法是一种较好的方法，其 思路是先人为地依据某种结构把图像分成几块区域，以后按 属性一致的原则，不断拆分属性不一致的区域，合并属性一 致的相邻区域，直至拆分到图像最小单位——像素，就把原 始图像分割成由不同区域组成的区域图。在用分开合并法分 割图像过程中，确定图像块的初始划分和选择图像块属性的 一致性度量方法是两个很重要的问题。在计算机科学领域 里，树形结构是一种非常重要的非线性结构。四叉树就是树 形结构中的一个特例，它在计算机图形显示和图像处理中有 着广泛的应用。本文采用四叉树作为分裂与合并方法中图像 初始划分结构，能很好地解决分裂合并算法中图像的遍历问 题。对于图像块的一致性度量，常采用灰度或灰度统计特性 方法。灰度方法较简单，但因为图像存在纹理和噪声干扰， 效果不是很好；灰度统计特性方法较好，但计算量大。 图像中的边缘信息能更明确地反映图像的灰度变化，可 以利用图像边缘信息自适应地度量图像块属性的一致性。小 波变换分析是近年兴起的新的技术，它几乎取代了傅立叶分 析，广泛应用于信号处理、图像处理等数据分析领域。由于 小波变换具有良好的时间—频率局部特性，能够检测出信号
φ m , n (x ) = a 0 2 φ (a 0
−m
−m
x − nb 0
)
这样离散小波变换可定义为 DW m , n = ∫R f ( x ) φ m , n (x )dx 当a0=2,b0=1时, 上式变为一离散正交的二元小波变换。 2.2 Mallat小 波 变 换 模 极 大 值 边 缘 检 测 法 设 θ ( x , y ) 是一平滑函数 ，在满足一定条件下，利用
此，适当地选取小波函效，利用小波变换模极大值及相应的 相角就可以检测图像的边缘及其方向。
3 分裂合并图像分割法
3.1 基 于 边 缘 信 息 的 一 致 性 度 量 如果一个图像块的象元是属于不同区域的，这个图像块 内必定存在较多相应的边缘，意味着这个图像块应被分开； 另一方面，如果一个图像块内的象元属于同一区域，这个图 像块内没有边缘，意味着具有同样性质的相邻图像块应该合 并。显然，在分裂、合并过程中，用边缘存在与否作为度量 图像块属性的一致性是一条好途径。但在实际应用中，图像 里可能存在各种噪声，噪声也属于灰度值的一种突变，也属 于信号中的高频部分，在小波变换中也会出现极大值。传统 的傅立叶分析方法不能区分哪些是表现突变部分的高频量， 哪些是表现噪声部分的高频量，而小波变换（卷积型）的模 极大值在不同类型的奇异点处随尺度的增加有不同的变化规 律：在突变处的模极大值随着尺度的增加而不变，而在噪声 处的模极大值随着尺度的增加而减少。根据这个规律，就可 将图像边缘与噪声区分开来。 灰度图像一般包含平滑区域（灰度值相同或相似）、突 变边缘、渐变边缘、噪声这几种元素，它们在不同尺度下的 小波变换表现是大不相同的。