避免块效应的Wallis变换在Blob特征提取中的改进应用

"这篇论文是2010年发表在《山东科技大学学报 自然科学版》第29卷第6期的一篇自然科学类论文，作者包括杜艺、吴秀山和林祥国。文章主要探讨了改进的Wallis变换在特征提取中的应用，特别是在抑制块效应和提高Blob特征提取准确性方面的改进。" Wallis变换是一种常用于图像处理的技术，它能够在增强图像局部对比度的同时降低噪声。然而，经典Wallis变换的一个主要缺点是需要将图像分割成多个块，并对每个块独立处理，这可能导致“块效应”，即相邻块之间存在明显的边界，影响图像的整体连续性。 针对这一问题，论文提出了一种新的双线性插值的Wallis变换方法。这种方法通过双线性插值技术来平滑块之间的过渡，从而有效地避免了块效应。视觉分析的结果显示，改进后的算法显著改善了图像的连续性和一致性。 Blob特征提取是图像处理中的一个重要环节，Blob通常指的是图像中的亮或暗区域，它们可能是物体的轮廓或其他重要特征。在经典的Wallis变换中，由于块效应，可能会错误地识别出伪Blob特征，即并非真正有意义的图像特征，这会降低特征提取的准确性。 论文进行了对比实验，结果显示，采用改进后的Wallis变换，能够显著减少伪Blob特征的提取，从而提高了特征提取的准确性。这对于诸如目标检测、图像识别等应用来说至关重要，因为它能确保所提取的特征更接近于实际的图像内容，减少误识别的可能性。 关键词包括Wallis变换、LOG算子（一种常用的边缘检测算子）、特征提取和Blob特征。文章的分类号为P231.5，文献标志码为A，文章编号为1672-3767(2010)06-0034-05，表明这是一篇学术研究性质的科技论文。 这篇论文提供了一种改进的图像处理方法，旨在解决经典Wallis变换中的块效应问题，并在Blob特征提取中提升性能，对于图像分析和计算机视觉领域的研究具有一定的参考价值。