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(gè)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(shí)別的結(jié)果。因?yàn)閷?shí)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(hào),在提取邊緣時(shí)容易受到噪聲的影響,在抑制噪聲的同時(shí)必然也會(huì)丟失邊緣信息。圖像邊緣檢測的關(guān)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(chǔ)上,抓住邊緣檢測的關(guān)鍵問題,提出了一種借助于

2、自適應(yīng)降雪模型思想的邊緣檢測算法。由于降雪模型具有自適應(yīng)性和迭代的特點(diǎn),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(diǎn)和適用場合,總結(jié)了邊緣檢測的主要問題。
　　其次研究自然降雪的特點(diǎn),重點(diǎn)是降雪的曲面進(jìn)化效應(yīng),實(shí)現(xiàn)降雪模型。這里的降雪模型是通過改進(jìn)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(jì)的方法實(shí)現(xiàn)曲面進(jìn)化,并引入了數(shù)據(jù)自適應(yīng)的高斯核,數(shù)據(jù)自適應(yīng)的高斯核可以

3、根據(jù)圖像區(qū)域特征信息實(shí)現(xiàn)自適應(yīng)的圖像曲面進(jìn)化,改進(jìn)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(yīng)的改變大小,形狀和方向,并且這也是一個(gè)迭代的過程。
　　然后研究了影響迭代次數(shù)的因素。通過重復(fù)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(diǎn)法完成邊緣檢測。
　　最后將基于降雪模型的邊緣檢測方法對(duì)醫(yī)學(xué)圖像和人造圖像進(jìn)行仿真實(shí)驗(yàn),并與傳統(tǒng)的算法進(jìn)行對(duì)比。實(shí)驗(yàn)表明,該方法對(duì)于噪聲較大的圖片,具有一定的優(yōu)勢。同時(shí),大量