提出基于小波變換的多源圖像數(shù)據(jù)融合和邊緣檢測的方法，對多源圖像進(jìn)行分解，將高頻區(qū)域中的絕對值較大的系數(shù)作為重要小波系數(shù)；在低頻區(qū)域，對逼近系數(shù)進(jìn)行加權(quán)平均得到新的逼近系數(shù)，然后進(jìn)行小波重構(gòu)實現(xiàn)多源圖像數(shù)據(jù)融合。
應(yīng)用小波變換對融合圖像進(jìn)行多尺度邊緣檢測，獲取多源圖像邊緣，或?qū)Χ嘣磮D像進(jìn)行小波多尺度邊緣檢測，然后融合邊緣。
關(guān)鍵詞：小波變換；數(shù)據(jù)融合；邊緣檢測
零件的邊緣輪廓特征是零件識別的重要依據(jù)，圖像傳感器在獲取多源圖像時，由于傳感器固有的缺陷、環(huán)境因素的影響，難以獲取零件圖像較完整的信息，無法直接處理多源零件圖像的邊緣，因此，對圖像傳感器獲取的多源零件圖像要進(jìn)行數(shù)據(jù)融合處理，以獲取多源零件圖像較完整的邊緣輪廓。
圖像經(jīng)過二維小波變換分解，可以得到圖像的低頻分量、垂直高頻分量、水平高頻分量和對角高頻分量，圖像的低頻分量反映圖像的主要特征，圖像的垂直高頻分量、水平高頻分量和對角高頻分量是圖像的細(xì)節(jié)信息。對多傳感器獲取同一零件的兩幅圖像或多幅圖像數(shù)據(jù)進(jìn)行融合，是將各圖像進(jìn)行二維小波分解，在高頻部分，比較細(xì)節(jié)信息并提取所要的小波系數(shù)；對于低頻部分，計算加權(quán)逼近系數(shù)；利用這些系數(shù)進(jìn)行小波重構(gòu)，實現(xiàn)圖像數(shù)據(jù)融合。
多源零件圖像的邊緣檢測可以是對融合的零件圖像進(jìn)行小波多尺度邊緣檢測來完成；也可以先對多源零件圖像進(jìn)行邊緣處理，然后再進(jìn)行邊緣數(shù)據(jù)融合。