基于Shearlet域方向模极大值和改进蜂群的图像边缘检测

作     者：吴一全 李立 王凯 WU Yi-quan;LI Li;WANG Kai

作者机构：南京航空航天大学电子信息工程学院江苏南京210016 高速铁路线路工程教育部重点实验室四川成都610031 深圳市城市轨道交通重点实验室广东深圳518060 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2015年第37卷第6期

页      面：59-66页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：国家自然科学基金(60872065) 高速铁路线路工程教育部重点实验室开放基金(2014-HRE-01) 深圳市城市轨道交通重点实验室开放基金(SZCSGD201306) 江苏高校优势学科建设工程资助项目 

主　　题：图像处理 边缘检测 非下采样Shearlet变换 改进的蜂群算法 方向模极大值 

摘      要：为从图像中提取出更为准确、清晰的边缘,本文提出一种基于Shearlet域方向模极大值和改进蜂群的边缘检测方法。对图像进行非下采样Shearlet分解;对于低频分量,利用改进的蜂群算法准确检测出边缘的基本轮廓线;而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;融合后得到轮廓完整、细节丰富的图像边缘。实验结果表明:与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,本文提出的方法检测出的图像边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且运行时间较少。