面向應(yīng)用的數(shù)字圖像邊緣檢測(cè)和融合方法研究.pdf

1、圖像邊緣檢測(cè)及圖像融合是圖像處理領(lǐng)域研究的兩大課題。圖像邊緣是圖像最基本的特征，包含目標(biāo)的重要信息，邊緣檢測(cè)是數(shù)字圖像處理與分析的重要內(nèi)容之一；它在圖像識(shí)別，圖像分割，圖像增強(qiáng)，圖像復(fù)原以及圖像壓縮等領(lǐng)域都有著較為廣泛的基礎(chǔ)性應(yīng)用。圖像融合的主要目的是通過(guò)對(duì)多幅圖像間冗余數(shù)據(jù)的處理提高圖像的可靠性，通過(guò)對(duì)多幅圖像間互補(bǔ)信息的處理提高圖像的清晰度。近年來(lái)，圖像融合已成為圖像理解和計(jì)算機(jī)視覺(jué)領(lǐng)域中一項(xiàng)重要而有用的新技術(shù)。本課題以醫(yī)學(xué)圖像和遙

2、感圖像作為研究對(duì)象。
　　 通過(guò)深入分析比較現(xiàn)有空域及頻域邊緣檢測(cè)方法，提出了一種基于數(shù)據(jù)融合的混合邊緣檢測(cè)方法，重點(diǎn)研究基于小波多尺度變換的邊緣檢測(cè)和基于數(shù)據(jù)融合的混合邊緣檢測(cè)方法，Matlab計(jì)算機(jī)仿真實(shí)驗(yàn)結(jié)果表明：適用于心血管邊緣提取的算法是基于數(shù)據(jù)融合的混合邊緣檢測(cè)方法。
　　 在此基礎(chǔ)上，從IHS(Intensity，Hue，Saturation)、PCA(Principal Component Analysi

3、s)、小波等常用圖像融合算法出發(fā)，研究將PCA與小波變換結(jié)合起來(lái)使用的圖像融合方法，引入第二代Curvelet變換圖像融合算法，并將這些方法應(yīng)用于遙感圖像融合中，實(shí)驗(yàn)結(jié)果表明第二代Curvelet變換圖像融合算法能更好的融合遙感圖像：針對(duì)醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用需求，本文結(jié)合小波變換研究基于邊緣檢測(cè)的圖像融合方法，實(shí)驗(yàn)結(jié)果表明該方法能有效融合圖像邊緣信息。
　　 基于計(jì)算機(jī)視覺(jué)的大棗無(wú)損檢測(cè)中，以對(duì)大棗圖像分類(lèi)達(dá)到大棗分級(jí)為目的，提出