边缘检测研究

《边缘检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第1章绪论1.1课题的背景和意义计算机视觉通过对图像的数字感知和理解来模拟人类视觉。通常情况下，计算机视觉包括两部分：低尼视觉和高尼视觉。低尼视觉就是常说的阁像处理，包括网像分割、W像滤波和边缘检测等部分；高层视觉主要是模拟人类对阁像信息的认知和决策能力，包拈图像分析和图像理解。图像是人类认识世界的重要信息来源，边缘作为图像屮圾基本的特征，含了丰富的信息，为人们描述或识别目标以及理解图像提供了一个非常有价值的IE要特征参S。它是图像分割所依赖的$要特征，也是纹理特征提取、形状特征提取以及其他一些特征提取的$

2、嬰信息来源。边缘检测足在阁像的局部区域上针对像素点的一种运算，介:计算机视觉、阁像理解等应川中扮演着®要的角色，同时也足阁象分析与模式识别的重要环节，这足因为阁像的边缘包念了模式识别的宥用信息，对于一幅間像来说信息量巨大，而边緣信息足阁像倍息的精要所它所包含的往往足阁像中最重要的信息，所以边缘检测足阁像分析和模式识别中特征提取的主要于•段。山于这些原W使得边缘检测在计算机视觉的一些预处理算法中Yf着巫要的地位。边缘检测也是图像处理领域中最基本的闷题，是最经典的技术难题之一，在做图像的边缘检测吋，由于成像过程

3、屮的投影、混合、畸变和噪声等W索影响V•致图像模糊和变形，边缘往往难于检测，这就使得很多年来人们一直致力于构想具冇6好性质的边缘检测算子，一方面是巾于课题木身的重要性，另一方面也反映了这个课题的深度和难度。所以，在边缘检测方面的研究具冇非常重耍的理论意义。另外，随着科技H新W异的发展，边缘检测技术也逐渐运用到生产和牛活屮，例如，车牌识别、智能交通、遥感、测绘等众多领域。因此，对边缘检测的研究也有很重要的实阮应用价值。第1章绪论边缘检测技术研究1.2课题的研究历史和发展趋势边缘检测技术作为-•个低级计算机视觉

4、处理，是一个古老而年轻的课题，早在1959年，文献【1】就提到过边緣检测。1965年，L.G.Roberts最早开始系统研究边緣检测【2】。从那以后，关丁•边緣检测方面的新理论新方法不断涌现。由丁•边缘检测的价值、意义以及其难度和深度，所以对边緣检测的研究一直足阁像处理领域的热点、难点M题。至今为止，对于边缘检测的方法和理论仍有待进一步提高。微分兑子是边缘检测和边缘提取的主要方法，人们最早提出的是-•阶微分兑子，1965年L.G.Roberts提出Robert算子［21，随后，在Robert算子基础上人们经

5、过改进得到的Sobel算子、Prewitt算了和Kirsh算子等。但是，这些算子检测到的边缘往往不足很理想，边缘较宽，还需耍进行细化处理，这样乂影响到边缘的定位。祚这种怡况下，Laplacian算子【3】应运而生。这种算子利用二阶导数的过零点來检测边缘位置，所得边缘较细，不需耍边缘细化，定位精确度也相应的得到了提高。我们在研究阁像的边缘吋，不可避免的会遇到噪声的干扰。川微分算子法可以检测图像的边缘同时也会检测到噪声，为丫减少噪声的干扰，人们很自然地捉出在进行边缘检测之前对阁像进行适当的〒泔滤波。基于这种思想

6、Mart和Hildreth提fli了LOG(LaplacianofGaussian)算子【4】。随着研究的进一步深入，后来CannyjF指出高斯函数的一阶异数可以近似为最优边缘检测兑子，基于这种思想，提出Canny算子【5J，这种兑子具有较理想的枪测标准、走位标准和单响应标准。后來在Carmy灯子思想的影响下，Deriche将Canny的算法作了一定的简化［61改进Z这种算子。检测边缘之前采用滤波处理的方法，姐然有效地减少了噪声对图像边缘的干扰，但是对图像进行平滑难免会或多或少的牺牲了图像的一些边缘细节。想

7、多保留细节，就不能有力地抑制噪声。为了解决这个矛盾人们提出了EI适应边缘检测的方法r71。&适应方法的思想是利用一个通用兑子对信号进行平泔，该算子能使其木身与信号的局部结构相适应。根据校板所A位筲的灰度变化情况动调整模板权重，以达到保阐细节，平滑噪声的H的。本文在阁像滤波环节所改进的棊于灰色关联度的阁像滤波方法就足一种A适应滤波算法。2笫1桃论边缘检测技术研究从边缘检测过程屮出现的问题以及边缘检测的理论意义和现实意义來看，人们对边缘检测的研究旮以卜‘儿个趋势：1）对原有算法的不断改进。2）新方法、新概念的引

8、入和多种方法的旮效综介运川。人们逐渐认识到现侖的任何一种单独的边缘检测算法都难以从一般阁像中检测得到令人满意的边缘阁像，因而很多人在把新方法和新概念不断地引入边缘检测领域的同时，也更加重视把各种方法综合起來运用。3）越米越汴重彩色阁像、遥感阁像、介成孔径宙达（SAR）阁像等特殊阁像的边缘检测技术的研究。41更加注重边缘检测在实际生产生活屮的应用，如土地监管，车牌识别，智能交通系统等等。1.3边缘检测中常出现的问题