基于降雪模型的圖像邊緣檢測方法研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、圖像邊緣包含了圖像的重要信息,是圖像的最基本特征。邊緣檢測是圖像處理中的一個經(jīng)典問題,邊緣檢測直接影響到智能視覺系統(tǒng)其他階段工作,特別是模式識別的結果。因為實際圖像往往都夾雜噪聲,而噪聲和圖像的邊緣都屬于高頻段信號,在提取邊緣時容易受到噪聲的影響,在抑制噪聲的同時必然也會丟失邊緣信息。圖像邊緣檢測的關鍵就是要解決消除噪聲與保留圖像邊緣信息之間的矛盾。
  本文在研究現(xiàn)有邊緣檢測方法的基礎上,抓住邊緣檢測的關鍵問題,提出了一種借助于

2、自適應降雪模型思想的邊緣檢測算法。由于降雪模型具有自適應性和迭代的特點,可以用于改善邊緣檢測的效果。
  本文首先介紹了一些常見的邊緣檢測理論和方法,簡單比較了這些方法的優(yōu)缺點和適用場合,總結了邊緣檢測的主要問題。
  其次研究自然降雪的特點,重點是降雪的曲面進化效應,實現(xiàn)降雪模型。這里的降雪模型是通過改進傳統(tǒng)的小面模型來得到的,即通過二維曲面擬合重新估計的方法實現(xiàn)曲面進化,并引入了數(shù)據(jù)自適應的高斯核,數(shù)據(jù)自適應的高斯核可以

3、根據(jù)圖像區(qū)域特征信息實現(xiàn)自適應的圖像曲面進化,改進后的模型的圖像處理窗口能夠依據(jù)圖像本身的特征自適應的改變大小,形狀和方向,并且這也是一個迭代的過程。
  然后研究了影響迭代次數(shù)的因素。通過重復降雪過程處理后得到一階和二階邊緣檢測算子,并用閾值法和過零點法完成邊緣檢測。
  最后將基于降雪模型的邊緣檢測方法對醫(yī)學圖像和人造圖像進行仿真實驗,并與傳統(tǒng)的算法進行對比。實驗表明,該方法對于噪聲較大的圖片,具有一定的優(yōu)勢。同時,大量

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論