多尺度边缘检测技术论文-申有义,田忠斌,王建青,杨晓东

多尺度边缘检测技术论文-申有义,田忠斌,王建青,杨晓东

导读:本文包含了多尺度边缘检测技术论文开题报告文献综述及选题提纲参考文献,主要关键词:多尺度边缘检测,裂缝,煤系地层,灰岩

多尺度边缘检测技术论文文献综述

申有义,田忠斌,王建青,杨晓东[1](2018)在《基于多尺度边缘检测技术的煤系灰岩裂缝分布预测》一文中研究指出利用不同频带的地震波场对不同尺度裂缝其响应特征也不相同的原理,将多尺度边缘检测理论与煤系灰岩裂缝发育区的地震波场特征相结合,通过识别由地质体引起的地震波信号的振幅在纵横向上强弱变化的边界,实现多尺度裂缝的检测与刻画。该方法利用多尺度函数检测算子,能够对较小尺度断裂及裂缝引起的细微变化信息进行有效检测,提高地震预测裂缝的分辨率,在沁水盆地煤系灰岩裂缝分布预测与研究中,与测井检测结果和研究区断裂系统规律相吻合,取得了良好的应用效果。(本文来源于《物探与化探》期刊2018年04期)

王建波[2](2015)在《基于非下采样Contourlet变换的图像多尺度边缘检测相关技术研究》一文中研究指出边缘是图像的主要特征,它包含了图像中的大部分信息,对图像中的边缘进行检测是计算机视觉和图像处理的必要环节。然而,目前虽然已有大量的边缘检测方法被提出,但是针对边缘检测中存在的准确率低、鲁棒性差等问题仍然没有得到较好的解决。因此,如何找到一个“好”的边缘检测方法一直是众多学者的研究重点。由于非下采样Contourlet变换是近年来提出的一种具有多尺度、多方向和平移不变等优良特征的多尺度几何分析工具,它对图像中的边缘等几何结构特征信息能够进行很好描述。本文将其应用于图像边缘检测中,并提出了一种基于非下采样Contourlet变换的图像多尺度边缘检测算法,主要研究内容如下:首先,本文对边缘检测的研究背景、意义和国内外研究现状作了详细介绍,并给出了本文的主要工作及创新点。其次,本文系统阐述了边缘检测的基本概念、一般步骤和性能评价方法,并分别对Contourlet变换和非下采样Contourlet变换的基本原理及实现方法进行了深入分析与研究。第叁,本文提出了一种基于k-means聚类的图像像素点分类算法。该算法首先根据非下采样Contourlet变换具有捕获图像几何结构信息的能力,通过对图像在非下采样Contourlet变换的各个尺度上的方向子带系数分布特征的分析,采用由能量统计特征变量和最大值统计特征变量生成的二维特征向量对图像中的每个像素点进行描述;然后利用k-means聚类算法将图像中的所有像素点划分为边缘像素点和非边缘像素点两类;最后得到经分类后的多尺度边缘图像。实验结果表明,该方法能够有效的对图像中的边缘和噪声信息加以区分。第四,针对多尺度边缘图像的非单像素宽边缘问题,本文提出了一种基于非最大值抑制的边缘细化算法。由于图像边缘像素点在非下采样Contourlet变换的边缘方向子带上具有最大的系数取值,该算法首先根据该特征获取每个像素点在各个尺度上的梯度方向,然后利用每个像素点对应的梯度方向对不同尺度上的边缘图像执行非最大值抑制处理,得到多尺度边缘图像和多尺度梯度方向图。实验结果表明,该算法能够实现对边缘的细化并改善边缘定位精度。第五,针对多尺度边缘检测中如何有效的将不同尺度上的边缘信息相融合问题,本文提出了一种新的多尺度边缘跟踪算法。该算法首先获得输入图像的多尺度边缘图像和多尺度梯度方向图,然后根据相邻尺度间对应边缘点的相似特征,进行由粗糙度尺度到精确尺度的逐层边缘跟踪,实现将不同尺度上的边缘信息融合。实验结果表明,该算法具有边缘完整、定位准确和较高的运行效率等优点。最后,通过将以上叁种算法的有效结合,得到了本文提出的基于非下采样Contourlet变换的图像多尺度边缘检测算法。实验结果表明,与其它边缘检测方法相比,提出算法从主观视觉效果和客观定量评价指标方面都能获得更好的结果,并且它对噪声图像也具有很好的效果。(本文来源于《郑州大学》期刊2015-04-01)

王娟,杨瑞峰,郭晨霞,武晓栋[3](2013)在《基于多尺度数学形态学光纤环边缘检测技术》一文中研究指出现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法。通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求。(本文来源于《电子世界》期刊2013年08期)

章雪松,桂志先,曾婷,何加成,易行婷[4](2012)在《基于分形截距特征多尺度图像边缘检测技术及应用》一文中研究指出分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。(本文来源于《石油工业计算机应用》期刊2012年03期)

边树涛,孟利,张柏枫[5](2011)在《利用多尺度边缘检测技术识别低序级断层——以辛15断块古近系东营组为例》一文中研究指出低序级断层分割了含油断块并使含油断块的油水关系复杂化,因此对其准确地识别有着重要的现实意义。本文通过分析研究区低序级断层和高序级断层之间成因关系和断裂展布模式,建立了相应的预测地质模型,有针对性地选取相干技术和多尺度边缘检测技术,分频段识别各序级断裂格架,并结合地震反射特征,最终精确识别低序级断层。为解决前期开发疑难问题和下步开发方案的制定,提供了明确地指导。(本文来源于《内蒙古石油化工》期刊2011年12期)

孙夕平,周超[6](2011)在《小尺度边缘特征地震检测技术研究》一文中研究指出通过对比传统边缘检测算法、小波变换多尺度边缘检测算法和最优滤波二阶差分算法,本文认为:传统边缘检测算法没有考虑多尺度问题,但由于算法以样点为单位,所以在检测小级别边缘特征方面仍有优势,且可较容易获得边缘方向的描述;应用小波变换可以实现多尺度边缘检测;通过最优滤波二阶差分算法也可以实现多尺度边缘检测。以上各种方法可作为相干体技术的重要补充。(本文来源于《石油地球物理勘探》期刊2011年01期)

章雪松,桂志先,曾婷,何加成,易寒婷[7](2010)在《基于分形截距特征多尺度图像边缘检测技术及应用》一文中研究指出分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。(本文来源于《工程地球物理学报》期刊2010年04期)

何胡军,王秋语,程会明[8](2010)在《多尺度边缘检测技术在低级序断层识别中的应用》一文中研究指出低级序断层具有延伸短、断距小的特点,加之复杂断块的断裂系统复杂,地震资料品质差,信噪比低,因此利用常规地震资料对低级序断层进行识别和组合的效果不是很理想。研究主要是利用基于小波变换的多尺度边缘检测技术对低级序断层的识别进行讨论。通过在复杂断块X15断块的应用结果表明:基于小波变换的多尺度边缘检测技术可以对复杂断块的低级序断层进行正确识别,从而为解决一些长期困扰开发地质人员的问题,为剩余油富集和分布的研究提供了非常宝贵的基础资料,为开发上的完善注采系统、合理井网加密提供依据。(本文来源于《石油天然气学报》期刊2010年04期)

高喜龙,时丕同,付兆辉,张卫平,陈涛[9](2009)在《桩海10潜山油藏小波多尺度边缘检测技术研究》一文中研究指出由于裂缝具有多尺度的特点,不同级别的裂缝对地震传播速度和波的振幅、频率所产生的影响不同,利用潜山储层裂缝检测与图像分析中的边缘检测具有许多相似之处的特点,根据Canny边缘检测定义,对叁维地震数据的层切片f(x,y)进行多尺度边缘检测,等价于寻找小波变换模的局部极值,利用这些模局部最大值点就可以确定f(x,y)的剧烈变化点或边缘点。将小波多尺度边缘检测理论与地震波场对裂缝的多尺度特性相结合,形成了反映地震记录的多尺度边缘检测方法。桩海10潜山应用效果表明,小波多尺度边缘检测方法储层预测结果与钻井资料吻合较好,是解决潜山油藏储层预测的一种有效手段,对潜山油藏的勘探开发有一定指导意义。(本文来源于《西南石油大学学报(自然科学版)》期刊2009年03期)

连静,王珂,杨兆升[10](2007)在《多尺度图像边缘检测技术在车辆识别中的应用》一文中研究指出指出了图像边缘检测的定义及现有算法的不足,并对Canny边缘检测离散准则及该准则下的最优线性滤波器进行了论述。根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,将其与Canny边缘检测技术相结合进行边缘检测,检测出不同尺度下多幅边缘图像,并根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到抗噪性好的精确的单像素宽边缘;同时将该方法应用于汽车特征提取,检测到完整连续的汽车边缘图像,为车型识别提供条件。试验结果表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,是边缘检测的实用方法。(本文来源于《公路交通科技》期刊2007年09期)

多尺度边缘检测技术论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

边缘是图像的主要特征,它包含了图像中的大部分信息,对图像中的边缘进行检测是计算机视觉和图像处理的必要环节。然而,目前虽然已有大量的边缘检测方法被提出,但是针对边缘检测中存在的准确率低、鲁棒性差等问题仍然没有得到较好的解决。因此,如何找到一个“好”的边缘检测方法一直是众多学者的研究重点。由于非下采样Contourlet变换是近年来提出的一种具有多尺度、多方向和平移不变等优良特征的多尺度几何分析工具,它对图像中的边缘等几何结构特征信息能够进行很好描述。本文将其应用于图像边缘检测中,并提出了一种基于非下采样Contourlet变换的图像多尺度边缘检测算法,主要研究内容如下:首先,本文对边缘检测的研究背景、意义和国内外研究现状作了详细介绍,并给出了本文的主要工作及创新点。其次,本文系统阐述了边缘检测的基本概念、一般步骤和性能评价方法,并分别对Contourlet变换和非下采样Contourlet变换的基本原理及实现方法进行了深入分析与研究。第叁,本文提出了一种基于k-means聚类的图像像素点分类算法。该算法首先根据非下采样Contourlet变换具有捕获图像几何结构信息的能力,通过对图像在非下采样Contourlet变换的各个尺度上的方向子带系数分布特征的分析,采用由能量统计特征变量和最大值统计特征变量生成的二维特征向量对图像中的每个像素点进行描述;然后利用k-means聚类算法将图像中的所有像素点划分为边缘像素点和非边缘像素点两类;最后得到经分类后的多尺度边缘图像。实验结果表明,该方法能够有效的对图像中的边缘和噪声信息加以区分。第四,针对多尺度边缘图像的非单像素宽边缘问题,本文提出了一种基于非最大值抑制的边缘细化算法。由于图像边缘像素点在非下采样Contourlet变换的边缘方向子带上具有最大的系数取值,该算法首先根据该特征获取每个像素点在各个尺度上的梯度方向,然后利用每个像素点对应的梯度方向对不同尺度上的边缘图像执行非最大值抑制处理,得到多尺度边缘图像和多尺度梯度方向图。实验结果表明,该算法能够实现对边缘的细化并改善边缘定位精度。第五,针对多尺度边缘检测中如何有效的将不同尺度上的边缘信息相融合问题,本文提出了一种新的多尺度边缘跟踪算法。该算法首先获得输入图像的多尺度边缘图像和多尺度梯度方向图,然后根据相邻尺度间对应边缘点的相似特征,进行由粗糙度尺度到精确尺度的逐层边缘跟踪,实现将不同尺度上的边缘信息融合。实验结果表明,该算法具有边缘完整、定位准确和较高的运行效率等优点。最后,通过将以上叁种算法的有效结合,得到了本文提出的基于非下采样Contourlet变换的图像多尺度边缘检测算法。实验结果表明,与其它边缘检测方法相比,提出算法从主观视觉效果和客观定量评价指标方面都能获得更好的结果,并且它对噪声图像也具有很好的效果。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

多尺度边缘检测技术论文参考文献

[1].申有义,田忠斌,王建青,杨晓东.基于多尺度边缘检测技术的煤系灰岩裂缝分布预测[J].物探与化探.2018

[2].王建波.基于非下采样Contourlet变换的图像多尺度边缘检测相关技术研究[D].郑州大学.2015

[3].王娟,杨瑞峰,郭晨霞,武晓栋.基于多尺度数学形态学光纤环边缘检测技术[J].电子世界.2013

[4].章雪松,桂志先,曾婷,何加成,易行婷.基于分形截距特征多尺度图像边缘检测技术及应用[J].石油工业计算机应用.2012

[5].边树涛,孟利,张柏枫.利用多尺度边缘检测技术识别低序级断层——以辛15断块古近系东营组为例[J].内蒙古石油化工.2011

[6].孙夕平,周超.小尺度边缘特征地震检测技术研究[J].石油地球物理勘探.2011

[7].章雪松,桂志先,曾婷,何加成,易寒婷.基于分形截距特征多尺度图像边缘检测技术及应用[J].工程地球物理学报.2010

[8].何胡军,王秋语,程会明.多尺度边缘检测技术在低级序断层识别中的应用[J].石油天然气学报.2010

[9].高喜龙,时丕同,付兆辉,张卫平,陈涛.桩海10潜山油藏小波多尺度边缘检测技术研究[J].西南石油大学学报(自然科学版).2009

[10].连静,王珂,杨兆升.多尺度图像边缘检测技术在车辆识别中的应用[J].公路交通科技.2007

标签:;  ;  ;  ;  

多尺度边缘检测技术论文-申有义,田忠斌,王建青,杨晓东
下载Doc文档

猜你喜欢