基于matlab的圖像邊緣檢測算法研究和仿真

《基于matlab的圖像邊緣檢測算法研究和仿真》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于matlab的圖像邊緣檢測算法研究和仿真目錄第1章緒論11.1序言11.2數(shù)字圖像邊緣檢測算法的意義1第2章傳統(tǒng)邊緣檢測方法及理論基礎(chǔ)22.1數(shù)字圖像邊緣檢測的現(xiàn)狀與發(fā)展22.2MATLAB和圖像處理工具箱的背景知識32.3數(shù)字圖像邊緣檢測關(guān)于邊緣的定義42.4基于一階微分的邊緣檢測算子42.5基于二階微分的邊緣檢測算子7第3章編程和調(diào)試103.1?edge函數(shù)103.2?邊緣檢測的編程實(shí)現(xiàn)11第4章總結(jié)13第5章圖像邊緣檢測應(yīng)用領(lǐng)域13附錄參考文獻(xiàn)15第1章緒論§1.1序言理解圖像和識別圖像中的目標(biāo)是計算機(jī)視覺研究的中心任務(wù)，物體形狀、物體邊界、位置遮擋、陰影輪廓及表

2、面紋理等重要視覺信息在圖像中均有邊緣產(chǎn)生。圖像邊緣是分析理解圖像的基礎(chǔ)，它是圖像中最基本的特征。在Marr的計算機(jī)視覺系統(tǒng)中，圖像邊緣提取占據(jù)著非常重要位置，它位于系統(tǒng)的最底層，為其它模塊所依賴。圖像邊緣提取作為計算機(jī)視覺領(lǐng)域最經(jīng)典的研究課題，長期受到人們的重視。圖像邊緣主要劃分為階躍狀和屋脊?fàn)顑煞N類型。階躍狀邊緣兩側(cè)的灰度值變化明顯，屋脊?fàn)钸吘墑t位于灰度增加與減少的交界處。傳統(tǒng)的圖像邊緣檢測方法大多是從圖像的高頻分量中提取邊緣信息，微分運(yùn)算是邊緣檢測與提取的主要手段。由于傳統(tǒng)的邊緣檢測方法對噪聲敏感，所以實(shí)際運(yùn)用效果有一定的局限性。近年來，越來越多的新技術(shù)被引入到邊緣檢測

3、方法中，如數(shù)學(xué)形態(tài)學(xué)、小波變換、神經(jīng)網(wǎng)絡(luò)和分形理論等。Canny于1986年提出基于最優(yōu)化算法的邊緣檢測算子，得到了廣泛的應(yīng)用，并成了與其它實(shí)驗(yàn)結(jié)果作比較的標(biāo)準(zhǔn)。其原因在于他最先建立了優(yōu)化邊緣檢測算子的理論基礎(chǔ)，提出了迄今為止定義最為嚴(yán)格的邊緣檢測的三個標(biāo)準(zhǔn)。另外其相對簡單的算法使得整個過程可以在較短的時間內(nèi)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果也表明，Canny算子在處理受加性高斯白噪聲污染的圖像方面獲得了良好的效果[1]。§1.2數(shù)字圖像邊緣檢測算法的意義數(shù)字圖像處理是控制領(lǐng)域的重要課題，數(shù)字圖像邊緣檢測是圖像分割、目標(biāo)區(qū)域識別和區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識別中提取圖像特

4、征的一個重要方法。邊緣中包含圖像物體有價值的邊界信息，這些信息可以用于圖像理解和分析，并且通過邊緣檢測可以極大地降低后續(xù)圖像分析和處理的數(shù)據(jù)量。圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。圖像的邊緣檢測技術(shù)是數(shù)字圖像處理技術(shù)的基礎(chǔ)研究內(nèi)容，16是物體識別的重要基礎(chǔ)。邊緣特征廣泛應(yīng)用于圖像分割、運(yùn)動檢測與跟蹤、工業(yè)檢測、目標(biāo)識別、雙目立體視覺等領(lǐng)域?，F(xiàn)有邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應(yīng)能力很差，有待進(jìn)一步改進(jìn)和提高。（1）多譜圖像是圖像配準(zhǔn)技術(shù)中的一個難點(diǎn)，傳統(tǒng)的圖像配

5、準(zhǔn)技術(shù)只適用于同源圖像，由于紅外圖像和可見光遙感圖像的成像波段不同，對于同一場景，所采集到的圖像的差異很大。在此課題中，作者首先通過邊緣檢測，得到紅外圖像與遙感可見光圖像的邊緣圖像，再通過尺度不變特征匹配，就能得到紅外圖像與可見光遙感圖像之間的透視變換關(guān)系，從而成功完成了多譜圖像配準(zhǔn)[2]。（2）在“貨運(yùn)列車動態(tài)圖像故障檢測系統(tǒng)(TFDS,TroubleOfMovingFreightCarDetectionsystem)中的故障識別”的課題中，作者采用水平Sobel算子檢測邊緣,對邊緣圖像進(jìn)行水平方向投影，計算得到貨運(yùn)列車底部心盤螺栓大致區(qū)域的圖像，然后用Harris算子得

6、到一些候選故障區(qū)域，最后通過相關(guān)匹配來識別故障。（3）在“基于雙目立體視覺的人體動作捕捉系統(tǒng)”的課題中，利用圖像的邊緣和深度信息從視頻中分割出人體前景圖像。因此對圖像邊緣檢測技術(shù)理論及其應(yīng)用進(jìn)行研究都有很重要的意義。第2章傳統(tǒng)邊緣檢測方法及理論基礎(chǔ)§2.1數(shù)字圖像邊緣檢測的現(xiàn)狀與發(fā)展在數(shù)字圖像處理中，邊緣特征是圖像的重要特征之一，是圖像處理、模式識別和計算機(jī)視覺的重要組成部分之一，圖像邊緣檢測的結(jié)果直接影響進(jìn)一步圖像處理、模式識別的效果。近幾十年來，圖像邊緣檢測技術(shù)成為數(shù)字圖像處理技術(shù)重要研究課題之一，隨著科學(xué)技術(shù)的發(fā)展，研究人員提出了很多圖像邊緣檢測方法及邊緣檢測效果的評

7、價方法，并且將這些邊緣檢測技術(shù)應(yīng)用于計算機(jī)視覺和模式識別工程領(lǐng)域，使得邊緣檢測技術(shù)的應(yīng)用范圍越來越廣，圖像的邊緣一般是圖像的灰度或者顏色發(fā)生劇烈變化的地方，而這些變化往往是由物體的結(jié)構(gòu)和紋理，外界的光照和物體的表面對光的反射造成的。圖像的邊緣反映了物體的外觀輪廓特征，是圖像分析和模式識別的重要特征，數(shù)字圖像處理技術(shù)是一門交叉學(xué)科，數(shù)學(xué)理論、人工智能、視覺生理學(xué)和心理學(xué)等各種理論為邊緣檢測技術(shù)研究注入新的活力，涌現(xiàn)出很多邊緣檢測理論和方法。根據(jù)邊緣檢測所處理的圖像類型，可分為兩大類：灰度圖像邊緣檢測方法和彩色圖像邊緣