基于熵和模糊集的圖像邊緣檢測(cè)算法研究.pdf

1、邊緣是圖像中目標(biāo)的灰度突變的部分，是圖像的基本特征，是圖像處理到圖像分析階段的關(guān)鍵步驟，是圖像分割的重要內(nèi)容，在邊緣檢測(cè)、模式識(shí)別和機(jī)器視覺(jué)等中有著重要的作用。
　　 本文主要針對(duì)現(xiàn)實(shí)中的圖像都具有一定的模糊性和傳統(tǒng)微分算法對(duì)噪聲敏感等問(wèn)題進(jìn)行研究，主要研究工作如下：
　　 ①通過(guò)查閱國(guó)內(nèi)外重要的期刊、論文、書籍等文獻(xiàn)資料，分析圖像邊緣檢測(cè)研究的發(fā)展現(xiàn)狀。研究基于一階和二階導(dǎo)數(shù)的邊緣檢測(cè)算法，如Roberts算子、Sob

2、el算子、Prewitt算子、綜合正交算子、Canny算子等，分析各種算法的優(yōu)、缺點(diǎn)及適用性，并對(duì)各種算法進(jìn)行仿真實(shí)驗(yàn)。
　　 ②Canny邊緣檢測(cè)算法是通過(guò)設(shè)計(jì)最優(yōu)濾波器，適用于背景較復(fù)雜的圖像，其效果優(yōu)于傳統(tǒng)的基于梯度算子的邊緣檢測(cè)方法。本文從濾波器自身存在的問(wèn)題及獲取高低閾值的方法入手，對(duì)Canny算法進(jìn)行改進(jìn)。使用邊緣保持濾波器替代原有的高斯濾波器，克服平滑與逼近的缺陷；采用類間最大交叉熵的概念來(lái)獲取高低閾值。仿真實(shí)驗(yàn)表

3、明：改進(jìn)后的算法具有較好的檢測(cè)效果和抗噪能力，更能體現(xiàn)邊緣細(xì)節(jié)。
　　 ③在研究基于模糊增強(qiáng)的Pal邊緣檢測(cè)算法的基礎(chǔ)上，本文給出該算法存在的缺陷，討論渡越點(diǎn)對(duì)檢測(cè)效果的影響。從而提出基于滑動(dòng)窗口的模糊邊緣檢測(cè)算法，克服整幅圖像只使用一個(gè)閾值的缺陷，取得較好的檢測(cè)效果。
　　 ④結(jié)合信息熵和模糊集理論，本文擬采用模糊熵改進(jìn)邊緣檢測(cè)算法。首先研究基于模糊熵圖像和多信息測(cè)度的邊緣檢測(cè)算法，克服傳統(tǒng)算法中在計(jì)算信息測(cè)度時(shí)沒(méi)有考