1、“.....作为位置，并进行统计分析。年刘学增等人，利用多次线性变换实现灰度增强，利用增强后图像灰度统计直方图获取图像分割阈值，并进行形态学修正。本文利用小波变换系数尺度间的关系，提出了在不可分割小波变换域中进行图像分割方法。由于去噪后小波系数的分辨力是衡量平坦点在不同尺度最大方向的重要衡量标准，因此利用尺度间的关系能够提供丰富的信息去进行图像分割。概率测度描述了何种程度的小波系数属于边界，可利用不同尺度间的关骤进行处理计算每个区域的方向，根据统计值获取主要方向计算每个边界区域内的灰度均值和区域外个像素区域内的灰度均值，去除两者差值较小的区域利用多次形态学处理，并去除面积较小的区域将方向致，区域面积较大，灰度值差异不大的区域进行连接。渗漏水识别般分为个步骤预处理分割修正。图像预处理主要包括图像去噪和图像增强，杨成佳总结了噪声的特点以及常用的去噪方法......”。

2、“.....。基于小波变换的隧道渗漏水自动识别论文原与发展趋势，都市快轨交通，杨成佳图像去噪及其效果评估若干问题研究吉林大学，高赞，图像灰度增强算法的研究西安电子科技大学，刘春燕，图像分割评价方法研究西安电子科技大学，黄永杰，柳献，袁勇，刘朝明，王秀志，域和区域连接的结果，能够有效地去除背景干扰，并能够将不连续的区域进行连接。作为比较，对原始灰度图像采用了较常见的方法进行比对，此方法只能获取局部灰度变化大，边界明显的区域。图和图也做了实验比对，可以发现，此算法对渗漏水的灰度依赖较小，不管图像中的渗漏水为深色还是亮色都可以识别。结论本文算法对数字图像利用小波变换，在小波域用方法对图像进行去噪，并利用小波变换系数在不同尺度之间的关系，计基于中的小波变换分解......”。

3、“.....般假设噪声为加性高斯白噪声，其方差为。不含噪声图像г的小波系数不受噪声影响。假设其中，表示绝对值。在公式中要用最精细尺寸下的小波变换系数的绝对值均值，这是由于在最精细的尺寸下包含更多的噪声。去除噪声的干扰之后，就能减少噪声对边界处理的影响。图展示了图像经过去噪后，利用节的进行处理的效果，从图和中明显可以看到确获取边界信息。图为图对应的值，图像的边界具有较高边界值，成亮色，而边界内部和背景为暗色。从图中看，这些边界并不明显，因此用双阈值进行计算比较容易误判。基于小波变换的隧道渗漏水自动识别论文原稿。图像小波变换分解小波变换在时域和频域上可同时对信号实现局部化处理，维可分离小波能够获取方向的奇点，不可分离小波能够提供更多的方向信息。小波是最简单的不可分离分解。研究了在，不可分离小波能够提供更多的方向信息。小波是最简单的不可分离分解......”。

4、“.....这里用到非抽样不可分离小波变换，在每个尺度都能够获取相同尺寸的图像，能够更便捷地分析尺度间的关系。变换后的小波系数表示如公式所示其中，分别表示原始图像非噪声图像和噪声的小波系数。图像去噪图像中含有噪声，导致图像中的些信息被覆盖，因。般假设噪声为加性高斯白噪声，其方差为。不含噪声图像г的小波系数不受噪声影响。假设其中，表示绝对值。在公式中要用最精细尺寸下的小波变换系数的绝对值均值，这是由于在最精细的尺寸下包含更多的噪声。去除噪声的干扰之后，就能减少噪声对边界处理的影响。图展示了图像经过去噪后，利用节的进行处理的效果，从图和中明显可以看到，可以去除背景噪点，同时边界区域也更加连续。小波系数的分辨力在小波域中，小图像处理的隧道渗漏水病害检测技术岩石力学与工程学报基于小波变换的隧道渗漏水自动识别论文原稿域对图像进行去噪，效果较好......”。

5、“.....能够更便捷地分析尺度间的关系。变换后的小波系数表示如公式所示其中，分别表示原始图像非噪声图像和噪声的小波系数。图像去噪图像中含有噪声，导致图像中的些信息被覆盖，因此需要消除图像中的噪声，此操作可以使得图像背景相对平滑，减少边界的误判。被称作不同尺度间的辨别信息，如公式所示图给出了的概率密度函数，的不同区域反映了图像中的不同区域。的系数若落入峰值的左侧，代表内部区域，落入峰值的右侧代表边界，在峰值附近代表背景区域。图中显示了两个阈值和，用于区分图像的背景边界和内部区域。的缺点，对于单个或者重叠的过饱和区域，几乎整个区域都包含了较高的值，存在些背景误识别。但是通过的内部信息还可以准区域及面积较小的区域，并将目标区域进行连接。本算法对图像灰度值依赖较小，能够实现图像中渗漏水的识别，这对于弱边界......”。

6、“.....可能会出现误检区域，同时由于采用形态学处理，图像边界不够光滑，后续将进步解决这些问题。參考文献杨玲芝，方恩权，轨道交通隧道结构病害检测技术综述与发展趋势，都市快轨交通，杨成佳图像去噪及其效果评估若干问题研究吉林大学，高需要消除图像中的噪声，此操作可以使得图像背景相对平滑，减少边界的误判。中还提到，小波先换系数对应图像中比较重要的点，随着尺度的增加，尺度间的关系如公式所示边界的小波系数的随着尺度的增加而增加，而区域内部和背景噪点将会随着尺度的增加而减弱，对应的小波变换系数在不同尺度间递减。这样，可以通过不同尺度间的变化，可以区别出目标边界和背景。可通过计算尺度间的比率来获取尺度间系数的增长和衰减，波系数代表了图像中的奇异点，这通过小波系数比较容易获取。在同个尺度，值较高的稀疏小波系数代表区域边界和背景较强边缘......”。

7、“.....为了更好的展示小波系数区分不同类型奇异点的能力，将这种能力描述为分辨力。图中展示了小波系数的分布直方图，是通过计算下方的面积来衡量。图像小波变换分解小波变换在时域和频域上可同时对信号实现局部化处理，维可分离小波能够获取方向的奇点。基于小波变换的隧道渗漏水自动识别论文原稿。基于中的小波变换分解，对小波变换系数利用线性最小误差估计方法对噪声进行滤波赞，图像灰度增强算法的研究西安电子科技大学，刘春燕，图像分割评价方法研究西安电子科技大学，黄永杰，柳献，袁勇，刘朝明，王秀志，盾构隧道渗漏水的自动检测技术上海交通大学学报，刘学增，桑运龙，苏云帆，基于数字基于小波变换的隧道渗漏水自动识别论文原稿较，对原始灰度图像采用了较常见的方法进行比对，此方法只能获取局部灰度变化大，边界明显的区域。图和图也做了实验比对，可以发现，此算法对渗漏水的灰度依赖较小......”。

8、“.....结论本文算法对数字图像利用小波变换，在小波域用方法对图像进行去噪，并利用小波变换系数在不同尺度之间的关系，计算值并对值进行边缘检测。根据渗漏水的特点，利用形态学运算，剔除误识别联进行计算，减少误识别区域。最后利用渗漏水的灰度和形态特征，对识别结果进行进步修正。去除误识别区域和区域连接在实际的渗漏水图像中，因为衬砌不光滑运营时间长防火涂料等因素存在较多的干扰，這都将影响到渗漏水识别的准确性，如图所示。在图中渗漏水区域被准确识别，但是也包含了背景中的干扰，同时由于渗漏水边界不够明显，存在断裂，需要进步处理。根据中描述的渗漏水的特点，进步根据渗漏水的灰度值和方向性将误判的渗漏水区的图像去噪算法基于方向信息的维经验模态分解图像去噪算法。高赞总结了图像灰度增强常用算法，并提出了基于小波变换的图像灰度增强方法......”。

9、“.....并对每种方法进行评估。采用灰度直方图增强图像，并采用活动轮廓进行分割，但是此方法针对于弱边界的分割效果较差。年黄永杰等人根据渗漏病害的灰度值与正常管片灰度值的差异编制算法，利用阈值分割形态学修正病害几何特征等步骤获取渗漏水的稿。去除误识别区域和区域连接在实际的渗漏水图像中，因为衬砌不光滑运营时间长防火涂料等因素存在较多的干扰，這都将影响到渗漏水识别的准确性，如图所示。在图中渗漏水区域被准确识别，但是也包含了背景中的干扰，同时由于渗漏水边界不够明显，存在断裂，需要进步处理。根据中描述的渗漏水的特点，进步根据渗漏水的灰度值和方向性将误判的渗漏水区域去除，然后利用渗漏水的方向性进行边界连接。针对于图中的识别结果，采用如下个步构隧道渗漏水的自动检测技术上海交通大学学报，刘学增，桑运龙，苏云帆，基于数字图像处理的隧道渗漏水病害检测技术岩石力学与工程学报......”。