基于機器學習的圖像邊緣檢測方法的研究與應用.pdf

1、數(shù)字圖像的邊緣檢測是輪廓提取、目標識別與跟蹤、運動分析、圖像分割等技術(shù)的基礎。雖然對圖像邊緣檢測的研究已經(jīng)有很長的歷史，已有的邊緣檢測算法也是多種多樣的，但是到目前為止仍然沒有一種自適應性強且應用廣泛的邊緣檢測算法。 本文首先介紹了利用機器學習理論進行圖像處理的方法與原理。接著對傳統(tǒng)邊緣檢測結(jié)果圖像進行分析，發(fā)現(xiàn)圖像的先驗知識和完形心理學理論對傳統(tǒng)邊緣檢測結(jié)果的改善具有指導意義，定義邊緣精簡和連接的規(guī)則使最終得到的邊緣圖像更加簡

2、潔，目標邊緣更加完整。但是，這種基于中層視覺信息改進的邊緣檢測算法也存在著一些不足之處，包括對噪聲及光照敏感、需要手動調(diào)節(jié)閾值等參數(shù)、應用范圍不夠廣泛等。 然后將機器學習理論應用到圖像邊緣檢測技術(shù)當中，把對圖像的邊緣檢測轉(zhuǎn)換成機器學習中一個典型的分類問題，把圖像中各像素點分為兩類：邊緣點和非邊緣點。為了方便計算，引入一種計算機視覺的計算框架。為獲取大量的訓練數(shù)據(jù)樣本，同時確保正樣本的準確性，采用人工客觀標注的圖像作為訓練數(shù)據(jù)。在