資源描述：
《圖像邊緣檢測方法的研究論文》由會員上傳分享，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。
1、圖像邊緣檢測方法的研究畢業(yè)論文目錄第一章緒論11.1課題研究的目的和意義11.2圖像邊緣檢測的發(fā)展與現(xiàn)狀21.3本文的研究內(nèi)容51.4本文的結(jié)構(gòu)安排5第二章圖像放大的基本方法62.1邊緣檢測的內(nèi)容62.2基于微分算子的邊緣檢測方法62.2.1基于一階微分的邊緣檢測算子62.2.2基于二階微分的邊緣檢測算子92.3Canny邊緣檢測算法112.4經(jīng)典邊緣檢測方法的檢測結(jié)果14第三章小波變換理論基礎(chǔ)193.1小波變換概述193.1.1連續(xù)小波變換193.1.2離散小波變換203.1.3二進(jìn)小波變換213.2多分辨率分析213.3快速小波變換算法(Mallat算法)22第四章基于小波
2、變換的邊緣檢測算子264.1基于邊緣檢測的小波基函數(shù)選取準(zhǔn)則264.2B樣條小波的定義與性質(zhì)274.3基于小波變換的圖像邊緣檢測原理274.3.1局部模極大值邊緣檢測的原理284.3.2基于二維圖像小波分解細(xì)節(jié)的邊緣檢測304.4閾值T的選擇324.5基于小波變換的邊緣檢測算法的檢測結(jié)果33結(jié)論35致謝36參考文獻(xiàn)37附錄381第一章緒論1.1課題研究的目的和意義邊緣是圖像的最基本特征，它包含了用于識別的有用信息，為人們描述或識別目標(biāo)以及解釋圖像提供了一個重要的特征參數(shù)。物體的邊緣是以圖像局部特性的不連續(xù)性為形式出現(xiàn)的。從本質(zhì)上說，邊緣常常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始
3、，它普遍存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間，是圖像分割所依賴的重要特征，也是紋理特征的重要信息源和形狀特征的基礎(chǔ)。有了圖像邊緣，我們就可以確定物體的幾何尺寸并進(jìn)一步對其測量，確定物體在空間中的幾何位置，確定物體的形狀特征并對物體進(jìn)行識別。圖像的邊緣信息在圖像分析和計(jì)算機(jī)視覺中都是十分重要的，是圖像識別中提取圖像特征的一個重要屬性。盡管邊緣在數(shù)字圖像處理中的作用非常重要，但是到目前為止還沒有關(guān)于邊緣的精確且被廣泛承認(rèn)的數(shù)學(xué)定義。這里將邊緣定義為圖像局部特性的不連續(xù)性，如灰度的突變、顏色的突變、紋理結(jié)構(gòu)的突變等。對于灰度圖像，邊緣是指灰度的突變，是圖像中灰度變
4、化較劇烈的地方，也即我們通常所說的信號發(fā)生奇異變化的地方。通常沿邊緣走向的像素變化平緩，而垂直于邊緣走向的像素變化劇烈。圖像的邊緣有方向和幅度兩個特性。按照幅度的變化，邊緣可粗略分為兩種:一種是階躍型邊緣，它兩邊像素的灰度值有顯著不同;另一種是屋頂狀邊緣，它位于灰度值從增加到減少的變化的轉(zhuǎn)折點(diǎn)。圖1.1給出這兩種邊緣的示意圖。邊緣檢測就是要檢測出圖像中這種灰度的不連續(xù)性，同時確定它們在圖像中的精確位置，是在局部區(qū)域上針對“點(diǎn)”的一種運(yùn)算，表現(xiàn)為一種典型的信號處理問題。在圖像處理、模式識別和計(jì)算機(jī)視覺中，圖像的邊緣檢測具有極其重要的意義。在大量的視覺模塊計(jì)算中，邊緣檢測通常是視覺
5、計(jì)算的第一步，高層次計(jì)算機(jī)視覺處理的成功與否極大地依賴于邊緣檢測算子的優(yōu)越性能。階梯形邊緣屋頂形邊緣圖1.1邊緣的類型實(shí)際處理的圖像一般都混有噪聲，在提取邊緣的同時亦需要考慮方法的抗噪性能以消除噪聲干擾帶來的偽邊緣。而噪聲消除與邊緣定位是兩個相互矛盾的部分，是邊緣檢測中的“兩難”問題。如何從噪聲污染的圖像中準(zhǔn)確提取圖像邊緣將直接影響圖像的特征提取等后續(xù)處理，是圖像預(yù)處理的關(guān)鍵一步。第39頁共42頁1.2圖像邊緣檢測的發(fā)展與現(xiàn)狀由于邊緣是圖像的最基本特征，它有能勾畫出區(qū)域的形狀、能被局部定義以及能傳遞大部分圖像信息等諸多優(yōu)點(diǎn)，所以邊緣信息的提取無論是對人類還是對機(jī)器視覺來說都是一
6、個最重要、最經(jīng)典的課題。邊緣檢測的定義有很多種，其中最常用的一種定義為:邊緣檢測是根據(jù)引起圖像灰度變化的物理過程來描述圖像中灰度變化的過程。長期以來，人們一直在研究各種能較好實(shí)現(xiàn)邊緣檢測的方法但由于以下原因:圖像本身的復(fù)雜性;有效邊緣與噪聲均為高頻信號，容易混淆;光照陰影及物體表面紋理等因素在圖像中均表現(xiàn)為邊緣;對于不同的使用者來說所關(guān)心的邊緣信息各不相同等因素的影響，使得邊緣提取迄今為止仍然是一個難題。因此，目前對邊緣檢測方法的研究依然以根據(jù)具體要求設(shè)計(jì)新方法，或是對現(xiàn)有方法進(jìn)行改進(jìn)為主要方向。已有的邊緣檢測方法可分為以下幾類：1、經(jīng)典算子法經(jīng)典的邊緣檢測方法是以原始圖像為基
7、礎(chǔ)，對圖像的各個像素考察它的某個領(lǐng)域內(nèi)灰度階躍變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律檢測邊緣。由于邊緣點(diǎn)往往對應(yīng)于一階微分值大的點(diǎn)，早期學(xué)者們提出的都是基于梯度的邊緣檢測算子:RobertS邊緣檢測算子、sobel邊緣檢測算子、Prewitt邊緣檢測算子、Kirsch邊緣檢測算子等。這些算子都是現(xiàn)在應(yīng)用比較廣泛的方法，它們運(yùn)算量小，操作簡單。但基于梯度的邊緣檢測算子在邊緣附近區(qū)域產(chǎn)生的響應(yīng)較寬，所以利用上述算子得到的邊緣還需后續(xù)的細(xì)化處理，從而使得邊緣定位精度不高一階微分的局部最大值對
