基于奇異函數(shù)和曲線擬合的邊緣檢測方法研究.pdf

1、邊緣檢測是圖像處理和計算機視覺的一個重要的步驟，在特征抽取、模式識別、運動分析等許多方面都扮演著十分重要的角色．盡管人們已提出了各種各樣的邊緣檢測方法，但仍然存在許多問題，進一步開展邊緣檢測方法的研究，對于圖像分析和圖像識別都具有十分重要的意義．本文針對邊緣檢測理論做了以下幾方面工作． 對幾種經典的圖像邊緣檢測方法，如Roberts 算子、Sobel 算子、Prewitt 算子、Robinson 算子和Laplace 算子等，進

2、行了綜述與分析．通過理論分析和仿真計算，比較了它們各自的優(yōu)缺點及適用性． 借助廣義函數(shù)論中奇異卷積的思想，通過對奇異內核的改進，構造出了可用于邊緣檢測的香農型奇異內核，設計了相應的離散奇異卷積算法；并進一步利用圖像卷積后的“梯度”值的統(tǒng)計特性得到合理的分割閾值． 討論了邊緣的種類和曲線擬合的最小二乘法，提出一種利用曲線來擬合象素值，根據(jù)相關系數(shù)和曲線的性質來判定邊緣的曲線擬合算法． 在此基礎上，對上述兩種方法進行

3、了計算機模擬與實驗，特別是對于加噪圖像進行了邊緣檢測的抗噪性實驗．實驗結果表明：本文所提出的基于奇異函數(shù)和曲線擬合的自適應分塊方法，則比傳統(tǒng)的自適應分塊方法效果又有明顯的改善，邊緣較窄，分辨率高，邊緣定位準確，邊緣（丟失斷裂）明顯減少，抗噪性能高． 總之，本文通過對各種邊緣檢測方法的比較，提出利用奇異函數(shù)和曲線擬合兩種邊緣檢測方法，而且對閾值的選取問題做了研究，給出了一種閾值選取準則．通過對標準圖像和加噪圖像的邊緣檢測結果，驗證