基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計

基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計

ID:13210496

大小:1.67 MB

頁數(shù):45頁

時間:2018-07-21

基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計_第1頁
基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計_第2頁
基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計_第3頁
基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計_第4頁
基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計_第5頁
資源描述:

《基于小波變換的圖像邊緣檢測_畢業(yè)設(shè)計》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第一章緒論1.1研究背景及意義視覺,是人類取得信息的最主要來源。統(tǒng)計數(shù)據(jù)顯示,在人類大腦獲取的信息之中,大約60%為視覺信息,20%為聽覺信息,其他的例如味覺信息、觸覺信息等加起來約占20%。由此可見,視覺信息對人們的重要性。然而在所有獲取視覺信息的途徑中,圖像無疑是最主要的方式。我們每天都是在報紙、雜志、書籍、電視等大量的圖像信息中度過來的。可以說,圖像是用各種觀測系統(tǒng)以不同的形式和手段觀測客觀世界而獲得的,可以直接或者間接作用于人眼并進而產(chǎn)生視知覺的實體。邊緣【1】,是圖像的最重要的特征,它是指周圍像素灰度有階躍變化或屋頂變化的那些

2、像素的集合。Poggio在參考文獻【1】中提到“物體(的邊界)或許并沒有對應(yīng)著圖像中物體(的邊界),但是邊緣具有十分令人滿意的性質(zhì),它能大大減少所要處理的信息但是又保留了圖像中物體的形狀信息?!彼€定義了邊緣檢測為“主要是(圖像的)灰度變化的度量、檢測和定位”。邊緣檢測通常有三種方式。第一種為屋頂型邊緣,它的灰度是先慢慢上升到一定的程度然后再慢慢的下降。第二種為階躍型邊緣,它的灰度變化是從一個值到比它高很多的另一個值。最后一種是線性邊緣,它的灰度值是從一個級別跳到另一個級別之后,再跳回來。不同的邊緣有不同的特征,但在大部分情況下,我們都

3、是把圖像的邊緣全部看成是階梯型邊緣,求得檢測這種邊緣的最優(yōu)濾波器,然后用于實踐中。實踐證明,邊緣檢測對于圖像的識別意義重大,理由如下:第一,人眼通過追蹤未知物體的輪廓(它是由一系列的邊緣組成的)而掃視一個未知的物體。第二,憑經(jīng)驗我們知道,只要能成功的得到圖像的邊緣,圖像的分析就會大大簡化,識別也會容易得多。第三,很多圖像并沒有具體的物體,對這些圖像的理解取決于他們的紋理性質(zhì)而提取這些紋理性質(zhì)與邊緣檢測有著密切的聯(lián)系。隨著計算機技術(shù)的飛速發(fā)展,利用計算機對圖像信息進行加工的數(shù)字信號處理技術(shù)更是日新月異。由于邊緣廣泛存在于物體與背景之間、物

4、體與物體之間、基元與基元之間且對于圖像視覺特征的提取非常重要,所以邊緣檢測在基于計算機的邊界檢測、圖像分割、模式識別、機器視覺等都有非常重要的作用。例如美國波音公司開發(fā)的雷達自成像識別系統(tǒng)就廣泛應(yīng)用于美國空軍戰(zhàn)機之間的敵我識別;日本CANNON公司將其開發(fā)的最新的邊緣檢測技術(shù)應(yīng)用于最新產(chǎn)品DIGIC4圖像處理器,大大提高了拍攝的清晰度。45隨著算法的不斷更新和計算機等各種設(shè)備的不斷進步,邊緣檢測在圖像信息獲取等各領(lǐng)域的應(yīng)用將會更加廣泛??梢灶A(yù)見,在不久的將來,基于邊緣檢測的各種產(chǎn)品會伴隨著我們的日常生活,與我們息息相關(guān)。1.2圖像的邊緣

5、檢測綜述所謂邊緣檢測,主要是指圖像灰度變化的度量、檢測和定位【2】?,F(xiàn)階段,邊緣檢測的方法主要有以下幾種:(1)檢測梯度的最大值。因為邊緣通常發(fā)生在灰度值變化較大的地方,對應(yīng)的就是函數(shù)梯度較大的地方,所以一種比較理想的方法就是尋找好的求導(dǎo)算子?,F(xiàn)在常用的算子有Roberts【3】算子、Prewitt算子和Sobel【4】算子等。(2)檢測二階導(dǎo)數(shù)的零交叉點。因為邊緣處梯度的絕對值取得最大值,也就是灰度圖像的拐點是邊緣。(3)統(tǒng)計型方法。例如D.H.Marimont在文獻【2】中通過假設(shè)檢驗來檢測邊緣,利用對二階零交叉點的統(tǒng)計分析得到了圖

6、像中像素是邊緣的概率。(4)小波多尺度邊緣檢測。20世紀末,隨著小波分析的迅速發(fā)展,小波開始用于邊緣檢測。作為研究非平穩(wěn)信號的利器,小波在邊緣檢測方面具有得天獨厚的優(yōu)勢。除此之外,還有一些其他的方法,比如說模糊數(shù)學(xué)的方法、最近提出來的利用邊緣流【5】的檢測法、Hueckel算法、Frei和Chen算法、Marr和Hildreth零交叉點算子、統(tǒng)計變點算法、邊緣檢測的Green函數(shù)方法、數(shù)學(xué)形態(tài)學(xué)方法等等。本文在分析傳統(tǒng)邊緣檢測方法的同時,著重探討小波變換在邊緣檢測的應(yīng)用。1.3基于圖像邊緣檢測的掌紋識別綜述1.3.1掌紋識別簡介基于圖像

7、處理的各種應(yīng)用近年來得到了飛速的發(fā)展,而基于圖像的掌紋識別【6】技術(shù)便是其應(yīng)用的一個方面。掌紋是指手腕與手指之間的手掌表面的上的各種紋線。掌紋的形態(tài)由遺傳基因控制,因為每個人的基因不相同,所以沒有兩個人的掌紋紋線會完全相同,即使是孿生同胞,紋線也只是相近,不可能完全一樣。掌紋體現(xiàn)在圖像上的特征主要包括紋線特征、點特征和紋理特征。(1)掌紋中最重要的特征是紋線特征,這些紋線中最清晰的幾條在人的一生中基本上不會發(fā)生變化,并且在低分辨率和低質(zhì)量的圖像中仍能夠清晰的辨認。(2)點特征主要是指手掌的皮膚表面特征如掌紋突紋在局部形成的奇異點及紋形。

8、由于其須在高質(zhì)量和高分辨率的圖像中提取,所以對圖像的質(zhì)量要求較高。(3)紋理特征,是指比紋線更短、更細的一些紋線,并且是毫無規(guī)律的分布在手掌上。由此可見,掌紋中包含的信息比起一枚指紋中的信息要豐富得多。利用

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。