A New Class Biorthogonal Spline Wavelet for Image Edge Detection

要約

スプライン ウェーブレットは、時間と周波数の両方で位置特定に有利な特性を示しています。
本稿では、Cohen-Daubechies-Feauveau ウェーブレット構築法と 3 次特殊スプライン アルゴリズムに基づいた、新しい双直交 3 次特殊スプライン ウェーブレット (BCSSW) を提案します。
BCSSW は、コンパクトなサポート、対称性、および周波数領域特性において優れた特性を備えています。
ただし、現在の主流の検出オペレーターは、通常、領域ピクセルとグローバル構造の不確実な表現を無視します。
これらの問題を解決するために、新しい BCSSW スプライン ウェーブレットに基づく構造不確実性を認識した多重構造演算子融合検出アルゴリズム (EDBSW) を提案します。
エッジ効果を効率的に処理するスプライン ウェーブレットを構築することにより、構造的不確実性を認識した弾性率最大値を利用して、不確実性の高いエッジ サンプルを検出します。
提案されたウェーブレット検出オペレーターは、多重構造形態学的オペレーターと融合再構成戦略を利用して、アンチノイズ処理とさまざまな周波数のエッジ情報に効果的に対処します。
数多くの実験により、ノイズを低減し、エッジ構造の詳細を捉える優れた性能が実証されています。

要約(オリジナル)

Spline wavelets have shown favorable characteristics for localizing in both time and frequency. In this paper, we propose a new biorthogonal cubic special spline wavelet (BCSSW), based on the Cohen-Daubechies-Feauveau wavelet construction method and the cubic special spline algorithm. BCSSW has better properties in compact support, symmetry, and frequency domain characteristics. However, current mainstream detection operators usually ignore the uncertain representation of regional pixels and global structures. To solve these problems, we propose a structural uncertainty-aware and multi-structure operator fusion detection algorithm (EDBSW) based on a new BCSSW spline wavelet. By constructing a spline wavelet that efficiently handles edge effects, we utilize structural uncertainty-aware modulus maxima to detect highly uncertain edge samples. The proposed wavelet detection operator utilizes the multi-structure morphological operator and fusion reconstruction strategy to effectively address anti-noise processing and edge information of different frequencies. Numerous experiments have demonstrated its excellent performance in reducing noise and capturing edge structure details.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google