基于小波的技术研究

《基于小波的技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、目录摘要错误！未定义书签。Abstract错误！未定义书签。一、绪论错误！未定义书签。（一）研究背景错误！未定义书签。（-）图像分割技术发展的意义1（三）小波在图像分割技术中的应用现状和基本思想1（四）本文的主要工作2二、图像分割方法应用现状以及发展趋势2（-）图像分割的基本思想2（-）待分割图像的类型2（三）典型图像分割方法31.阈值法32.边缘检测法43.区域法44.聚类法5（四）图像分割的应用现状6（五）图像分割的发展趋势6三、小波在图像分割技术中的应用和基本思想7（―）小波变换的基本介绍8（-）小波的发展历史8（三

2、）小波的应用91.图像增强与恢复92.图像压缩93.图像分析与理解9四、基于小波的图像分割的Matlab仿真9(-)应用传统算子对图片进行分割101.Roberts算子对图片“LENA256”的边缘检测112.Sobel算子对图片“LENA256”的边缘检测123.Prewitt算子对图片“LENA256”的边缘检测124.Log算了对图片“LENA256”的边缘检测135.Canny算子对图片“LENA256”的边缘检测136.最后应用小波对图像“LENA265”进行图像处理14(-)应用传统算子对加入高斯噪声的图片进行

3、分割151.Roberts算子对加入高斯噪声后的“LENA256”进行边缘检测162.Sobel算子对加入高斯噪声后的“LENA256”进行边缘检测163.Prewitt算子对加入高斯噪声后的“LENA256"进行边缘检测174.Log算子对加入高斯噪声后的“LENA256”进行边缘检测175.Canny算子对加入高斯噪声后的“LENA256"进行边缘检测186•应用haar小波对加入高斯噪声后的“LENA256”进行边缘检测187.结论19五、结论与展望1错误！未定义书签。参考文献20致谢21第一章绪论1.1研究背景在过

4、去的几十年里，计算机系统的处理速度，存储能力以及计算机网络都飞速发展着，这些发展都为数字图像处理以及网络多媒体都提供了冇效的技术保障，并且很大程度上拓展了数字图像处理及网络多媒体的研究和应用。图像处理已经成为一个蓬勃发展的学科项目，其研究领域和研究课题都不胜枚举。数字图像处理理论和技术大致可概括为:图像数字化、图像重建、图像恢复、图像增强、图像压缩、图像分割、特征提取等。1.2图像分割技术发展的意义图像分割是指把图像分成各具特性的区域，并提取出让人们感兴趣目标的技术和过程，此处特性可以是象素的灰度、颜色、纹理等预先定义的口

5、标可以对应单个的区域，同时也可以对应多个区域。图像分割是由图像处理到图像分析的关键步骤，在图像工程屮占据着非常重要的位置。一方而，它是目标表达的基础，对特征测量有着重要的影像。另一方面，因为图像分割及其基于分割的目标表达、特征抽取和参数测量将原始图像转化为更抽象更紧凑的形式，以使得更高层的图像分析和理解成为可能。1.3小波在图像分割技术中的应用现状和基本思想从小波概念的提出到现在不到二十年的时间里，小波变换不仅在理论和方法上取得了惊人的进展，并且在信号分析与图像处理、数据压缩、计算机视觉、语音合成与分析等很多领域都得到了较

6、为广泛应用，取得了辉煌的成就。小波分析貝冇起良好的时频局部化特征、尺度变化特征和方向性的特征，小波变换的基本思想就是将信号展开成一族基函数之加权和，即用-•族函数去表示或逼近信号或函数，这一族函数是通过基木函数的平移和伸缩构成的。1.4本文的主要工作本文的工作重点是基于小波理论在图像分割上所具有的极大潜力，力图寻找出一种比较冇效的符合人类视觉感知特性的纹理图像分割方法。本文的研究工作主要包括以卜'几个方面：1.图像分割技术的研究2.小波的介绍和研究3.基于小波的图像分割技术实验及其优势4.对基于小波的图像分割技术的展望第二

7、章图像分割的方法应用现状及发展趋势2.1图像分割的基本思想图像分割就是图像处理与机器视觉的基木问题之一，其要点是:把图像划分成若干互不交迭区域的集合，这些区域不是对当前的任务有意义，就是就有助于说明它们与实际物体或物体的某些部分Z间的对应关系。2.2待分割图像的类型总体上，待分割的图像可被分为两大类:灰度图像（其屮灰度占优）和纹理图像（其中纹理占优），因此分割方法可以被分为两大类，即灰度图像分割方法和纹理图像分割方法。对于灰度图像而言，分割方法又可大致分为两类：1）利用图像灰度一致性进行的分割的方法。常用的方法有:利用图像

8、灰度统计信息的各种直方图门限化方法和利用图像中灰度区域边界处灰度变化信息的各种边缘检测算法。2）利用图像空间域信息进行分割的方法。常用的方法包括:区域分裂、合并，区域壇长方法，各种松弛迭代算法。伴随着新的数学及信息处理方法的出现，己经出现了许多与上述传统方法相结合的图像分割方法，如基于模糊集、神经网络的