圖像邊緣檢測方法的研究.pdf

1、在實際圖像處理問題中，邊緣作為圖像的一種基本特征，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)。邊緣檢測在圖像識別、圖像分割、圖像增強(qiáng)以及圖像壓縮等領(lǐng)域都有較為廣泛的應(yīng)用，它還經(jīng)常被應(yīng)用到計算機(jī)視覺和模式識別等較高層次的圖像處理中。 圖像的邊緣檢測有很長的研究歷史，已有的邊緣檢測方法多種多樣，但是各種方法都尚存不足之處，在某些具體情況下仍不能檢測到目標(biāo)物體的最佳邊緣，至今沒有一種普遍適用的邊緣檢測方法。因此，對已有方

2、法進(jìn)行改進(jìn)，或是按照具體要求設(shè)計新方法，是目前邊緣檢測領(lǐng)域研究的主要導(dǎo)向。 實際處理的圖像一般都混有噪聲，如何消除噪聲干擾帶來的偽邊緣成為邊緣檢測需要解決的一個重要問題。經(jīng)典邊緣檢測方法的抗噪聲性能都較差，解決該問題的主要方法就是設(shè)置閾值，把得到的圖像高頻部分與閾值相比較以達(dá)到去噪的目的，所以閾值的選取顯得尤為重要。傳統(tǒng)方法中的閾值都是通過實驗確定的，沒有統(tǒng)一的閾值選取方法。本文利用邊緣的最大后驗概率估計，介紹一種新的邊緣估計方

3、法，從理論上說明了怎樣選取最佳閾值。 拉普拉斯算子是二階微分算子，利用邊緣點處二階導(dǎo)函數(shù)出現(xiàn)零交叉的原理檢測邊緣，對灰度突變敏感，定位精度高，但抗噪性差。本文首先介紹一種新的基于拉普拉斯算子的邊緣檢測模型，然后分別采用最佳匹配濾波器、多級中值濾波器、最大/最小中值濾波器，得到三種邊緣檢測方法。實驗結(jié)果表明，利用最大/最小中值濾波器的方法在保護(hù)邊緣和平滑噪聲方面都是最好的，其邊緣檢測效果最為理想。 本文共分為五個部分。第一

4、部分闡述了課題的研究背景、意義以及該領(lǐng)域的發(fā)展現(xiàn)狀；第二部分介紹了幾種經(jīng)典的邊緣檢測方法，同時給出了這些檢測方法的圖像邊緣檢測結(jié)果，并且對各種方法的結(jié)果進(jìn)行了比較分析；第三部分詳細(xì)介紹了Sobel算子及其改進(jìn)算法，并介紹一種最佳閾值的選取方法以去除噪聲；第四部分具體介紹一個新的邊緣檢測模型——基于拉普拉斯算子的邊緣檢測模型，據(jù)此引出三種新的邊緣檢測算法：基于最佳匹配濾波的邊緣檢測算法、基于多級中值濾波的邊緣檢測算法以及基于最大/最小中值