基于降雪模型的圖像邊緣檢測方法研究.pdf

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