邊緣檢測技術(shù)研究.pdf

1、邊緣存在于目標與背景、目標與目標、區(qū)域與區(qū)域,基元與基元之間,表現(xiàn)為圖像局部特征的不連續(xù)性,是圖像中灰度、顏色或紋理變化較強烈的地方,也是圖像最基本的特征之一。圖像的邊緣包含了目標的重要信息,因此,邊緣檢測是圖象分析與模式識別的重要環(huán)節(jié),是圖像處理中的熱點和難點。
　　 本文從介紹邊緣檢測的基礎(chǔ)理論和現(xiàn)有的經(jīng)典邊緣檢測算法入手,分析了邊緣檢測的難點,圍繞當前邊緣檢測研究中存在的問題,對現(xiàn)有的一些算法進行了改進,主要創(chuàng)新點體現(xiàn)在以

2、下幾方面的工作中:
　　 (1)灰度圖像的邊緣檢測方面,在濾波環(huán)節(jié),改進了基于灰色關(guān)聯(lián)度的自適應(yīng)濾波算法,并運用到圖像的濾波處理中,有效地解決了抑制隨機噪聲和保留邊緣細節(jié)之間的矛盾。在邊緣定位環(huán)節(jié),利用Krisch算子將邊緣方向引入基于形態(tài)學和基于灰色關(guān)聯(lián)度等一些利用新的數(shù)學模型的邊緣檢測算法,提高了檢測效果。
　　 (2)顏色空間方面,結(jié)合人類視覺感知特點對HSV色彩區(qū)域進行了重新劃分,使其更接近人類視覺感知特點；修改

3、了HSV和RGB顏色空間之間的轉(zhuǎn)化關(guān)系,從而提高了顏色空間轉(zhuǎn)換速度。
　　 (3)彩色圖像邊緣檢測方面,介紹了當前兩種主流的彩色圖像邊緣檢測算法:輸出融合法和多維梯度合成法,分析了這兩種方法的缺陷,根據(jù)人眼視覺特性提出以飽和度為準則選擇性的利用各顏色分量的邊緣檢測思想,基于這種思想,對一些常用的彩色圖像邊緣檢測算法加以改進,改善了算法的性能。其次,本文將基于灰色關(guān)聯(lián)度的灰度圖像的邊緣檢測算法拓展到彩色圖像,得到基于灰色關(guān)聯(lián)度的彩