关键词:
边缘提取
线特征检测
Beamlet变换
摘要:
随着信息技术的飞速发展,软硬件性能的不断提高,图像处理领域更加成为信号处理研究的热点和重点。图像处理包括很多方面,如图像边缘检测、图像分割、图像特征分析、图像配准、图像融合、图像增强、图像恢复等。支撑这些应用的数学手段就是各种不同的图像变换方法,比较传统的如傅立叶变换(FFT)、离散余弦变换(DCT)、Radon变换、小波变换等,较新的如Curvelet变换、Beamlet变换等。每一种新的变换方法的出现都会带来一些新的算法和较成功的应用,Beamlet变换也不例外。
各种变换其根本的不同在于变换的基选择不同,本文先介绍几种常用变换,接着分析了与目前常用变换不同的Beamlet变换的原理,讨论了Beamlet变换的几种常用算法,针对原算法运算速度慢的缺点,在算法实现上进行了改进。例如,在较小尺度下进行Beamlet变换时,我们仅保留了最值Beamlet变换系数,因为在较小尺度下,图像包含较少的有用信息,能够被最值信息反映出来;对含有噪声图像的特征提取,为避免不是有用信息的较小长度Beamlet被提取出来,我们设置长度阈值将较短Beamlet对应变换系数剔除,从而得到有用信息。改进后的算法在二值图像线特征提取及CT图像边缘检测上获得满意效果。