資源描述：
《于基小波變換的圖像邊緣檢測(cè)--畢業(yè)設(shè)計(jì).doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第一章緒論1．1研究背景及意義視覺(jué)，是人類取得信息的最主要來(lái)源。統(tǒng)計(jì)數(shù)據(jù)顯示，在人類大腦獲取的信息之中，大約60%為視覺(jué)信息，20%為聽(tīng)覺(jué)信息，其他的例如味覺(jué)信息、觸覺(jué)信息等加起來(lái)約占20%。由此可見(jiàn)，視覺(jué)信息對(duì)人們的重要性。然而在所有獲取視覺(jué)信息的途徑中，圖像無(wú)疑是最主要的方式。我們每天都是在報(bào)紙、雜志、書(shū)籍、電視等大量的圖像信息中度過(guò)來(lái)的?？梢哉f(shuō)，圖像是用各種觀測(cè)系統(tǒng)以不同的形式和手段觀測(cè)客觀世界而獲得的，可以直接或者間接作用于人眼并進(jìn)而產(chǎn)生視知覺(jué)的實(shí)體。邊緣【1】，是圖像的最重要的特征，它是指周?chē)袼鼗叶扔须A躍變化或屋頂變化的那些像素
2、的集合。Poggio在參考文獻(xiàn)【1】中提到“物體（的邊界）或許并沒(méi)有對(duì)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。”他還定義了邊緣檢測(cè)為“主要是（圖像的）灰度變化的度量、檢測(cè)和定位”。邊緣檢測(cè)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(gè)值到比它高很多的另一個(gè)值。最后一種是線性邊緣，它的灰度值是從一個(gè)級(jí)別跳到另一個(gè)級(jí)別之后，再跳回來(lái)。不同的邊緣有不同的特征，但在大部分情況下，我們都是把圖像
3、的邊緣全部看成是階梯型邊緣，求得檢測(cè)這種邊緣的最優(yōu)濾波器，然后用于實(shí)踐中。實(shí)踐證明，邊緣檢測(cè)對(duì)于圖像的識(shí)別意義重大，理由如下：第一，人眼通過(guò)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(gè)未知的物體。第二，憑經(jīng)驗(yàn)我們知道，只要能成功的得到圖像的邊緣，圖像的分析就會(huì)大大簡(jiǎn)化，識(shí)別也會(huì)容易得多。第三，很多圖像并沒(méi)有具體的物體，對(duì)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(cè)有著密切的聯(lián)系。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，利用計(jì)算機(jī)對(duì)圖像信息進(jìn)行加工的數(shù)字信號(hào)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、物體與物體之間
4、、基元與基元之間且對(duì)于圖像視覺(jué)特征的提取非常重要，所以邊緣檢測(cè)在基于計(jì)算機(jī)的邊界檢測(cè)、圖像分割、模式識(shí)別、機(jī)器視覺(jué)等都有非常重要的作用。例如美國(guó)波音公司開(kāi)發(fā)的雷達(dá)自成像識(shí)別系統(tǒng)就廣泛應(yīng)用于美國(guó)空軍戰(zhàn)機(jī)之間的敵我識(shí)別；日本CANNON公司將其開(kāi)發(fā)的最新的邊緣檢測(cè)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(jì)算機(jī)等各種設(shè)備的不斷進(jìn)步，邊緣檢測(cè)在圖像信息獲取等各領(lǐng)域的應(yīng)用將會(huì)更加廣泛?？梢灶A(yù)見(jiàn)，在不久的將來(lái)，基于邊緣檢測(cè)的各種產(chǎn)品會(huì)伴隨著我們的日常生活，與我們息息相關(guān)。1．2圖像的邊緣檢測(cè)綜述所謂邊緣
5、檢測(cè)，主要是指圖像灰度變化的度量、檢測(cè)和定位【2】?，F(xiàn)階段，邊緣檢測(cè)的方法主要有以下幾種：（1）檢測(cè)梯度的最大值。因?yàn)檫吘壨ǔ０l(fā)生在灰度值變化較大的地方，對(duì)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(cè)二階導(dǎo)數(shù)的零交叉點(diǎn)。因?yàn)檫吘壧幪荻鹊慕^對(duì)值取得最大值，也就是灰度圖像的拐點(diǎn)是邊緣。（3）統(tǒng)計(jì)型方法。例如D.H.Marimont在文獻(xiàn)【2】中通過(guò)假設(shè)檢驗(yàn)來(lái)檢測(cè)邊緣，利用對(duì)二階零交叉點(diǎn)的統(tǒng)計(jì)分析得到了圖像中像素是邊緣的概率
6、。（4）小波多尺度邊緣檢測(cè)。20世紀(jì)末，隨著小波分析的迅速發(fā)展，小波開(kāi)始用于邊緣檢測(cè)。作為研究非平穩(wěn)信號(hào)的利器，小波在邊緣檢測(cè)方面具有得天獨(dú)厚的優(yōu)勢(shì)。除此之外，還有一些其他的方法，比如說(shuō)模糊數(shù)學(xué)的方法、最近提出來(lái)的利用邊緣流【5】的檢測(cè)法、Hueckel算法、Frei和Chen算法、Marr和Hildreth零交叉點(diǎn)算子、統(tǒng)計(jì)變點(diǎn)算法、邊緣檢測(cè)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(cè)方法的同時(shí)，著重探討小波變換在邊緣檢測(cè)的應(yīng)用。1．3基于圖像邊緣檢測(cè)的掌紋識(shí)別綜述1．3．1掌紋識(shí)別簡(jiǎn)介基于圖像處理的各種應(yīng)用近年來(lái)得到
7、了飛速的發(fā)展，而基于圖像的掌紋識(shí)別【6】技術(shù)便是其應(yīng)用的一個(gè)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?yàn)槊總€(gè)人的基因不相同，所以沒(méi)有兩個(gè)人的掌紋紋線會(huì)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(diǎn)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(huì)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(rèn)。（2）點(diǎn)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(diǎn)及紋形。由于其須在高質(zhì)量和高分辨率的
8、圖像中提取，所以對(duì)圖像的質(zhì)量要求較高。（3）紋理特征，是指比紋線更短、更細(xì)的一些紋線，并且是毫無(wú)規(guī)律的分布在手掌上。由此可見(jiàn)，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
