Wallis滤波结合的数字图像特征提取算法

"结合Wallis滤波的数字影像特征提取算法.pdf" 本文主要探讨了一种针对数字图像处理的新方法，该方法结合了Wallis滤波器和特定的特征提取技术，旨在解决传统Wallis滤波器在增强图像对比度时可能加剧噪声问题。作者王竞雪和石利来自辽宁工程技术大学测绘与地理科学学院，他们提出的算法着重于提高特征提取的准确性和鲁棒性。 Wallis滤波是一种用于增强图像对比度的技术，它通过对图像进行频域处理来突出细节。然而，这种滤波器的一个主要缺点是它在增强图像的同时也可能增强图像中的噪声，这对后续的特征提取步骤构成挑战。为了解决这一问题，作者提出了一个两步解决方案： 1. 自适应平滑滤波：在应用Wallis滤波之前，先用自适应平滑滤波器对图像进行预处理。这种自适应滤波器可以根据图像局部特性调整其平滑程度，有效地去除噪声而不失真重要的图像细节。通过这种方式，可以防止噪声在经过Wallis滤波后被进一步放大。 2. 特征提取：在预处理后的图像上，作者采用了两种不同的特征提取方法。第一种是Moravec算子，这是一种基于光流的特征检测方法，能够有效识别图像中的边缘和角点。第二种是相位编组方法，这种方法利用图像的相位信息来检测线性特征，如边缘和曲线，对于特征线的连续性有较好的保持。 通过对比分析原始图像、直接应用Wallis滤波的图像以及应用新算法后的图像的特征提取结果，研究发现新算法能够提取出更多的特征点，并且特征线的连续性得到显著改善。这表明，结合自适应平滑滤波和Wallis滤波的特征提取算法有效地克服了Wallis滤波器的噪声增强问题，提高了特征提取的准确性。 关键词中的“数字图像处理”指的是将图像转化为数字信号并对其进行操作的一系列技术；“相位编组”是一种基于图像相位信息的特征提取技术；而“自适应平滑滤波”则指能够根据图像内容自动调整滤波参数的去噪方法。这些技术的综合运用在本文中展示了在复杂图像环境下优化特征提取的能力。 这篇论文提供了一个创新的解决方案，将Wallis滤波器的优势与噪声抑制技术相结合，以提升数字图像处理中的特征提取质量。这对于图像分析、计算机视觉和模式识别等领域具有实际的应用价值。