基于小波分析的邊緣檢測技術研究

1、基于小波分析的邊緣檢測技術研究基于小波分析的邊緣檢測技術研究摘要：隨著數(shù)字圖像采集技術和處理技術的飛速發(fā)展，圖像已成為人們獲取信息的重要途徑，圖像的邊緣信息反映了圖像中最有價值的信息，邊緣檢測是圖像處理和計算機視覺中最重要、最經(jīng)典的課題之一。邊緣檢測方法比較多，但這些算法各有自己的特點和特定的應用領域?，F(xiàn)在提出一種新的邊緣檢測算法，該算法以小波分析為基礎，通過對原始圖像進行小波變換實現(xiàn)邊緣檢測，具有良好的檢測效果。小波變換在空域中分辨率

2、隨頻率的大小而調節(jié)，低頻粗疏，高頻精密，在小尺度參數(shù)的邊緣檢測算子能夠檢測出灰度發(fā)生的細變化，而大尺度參數(shù)的邊緣檢測算子能夠檢測出灰度發(fā)生的粗變化，使用小波多尺度變換可以更好的檢測圖像的邊緣和細節(jié)，能夠很好的將信號與噪聲分離關鍵詞：邊緣檢測；小波變換；濾波；檢測1引言引言當今社會可以說已經(jīng)進入了數(shù)字化的信息時代，而占存儲空間最大的信息量就是圖像，圖像中所包含的信息量比所有其他媒體信息量的總和還要多。圖像處理簡單的說就是把一副圖像根據(jù)一定

3、的目的變成另一幅經(jīng)過修改的圖像，就是對圖像進行加工和處理來滿足人們實際需求。邊緣是圖像的最基本的特征之一。邊緣的定義有很多種，常用的定義為：邊緣是指圖像中灰度發(fā)生急劇變化的區(qū)域，或者說是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。它廣泛存在于物體與背景之間、物體與物體之間以及區(qū)域與區(qū)域之間。圖像邊緣和圖像內(nèi)在物理特性是直接相聯(lián)系的，所以邊緣蘊含著圖像的大量的內(nèi)在信息，也能夠反映出目標輪廓的位置。而這些輪廓常常包含著我們在圖像處理

4、時所感興趣目標的重要特征，為人們描述或識別目標以及解譯圖像提供了重要的特征信息，是圖像分割所依賴的重要特征。圖像邊緣是描述圖像最基本、最有意義的特征，故邊緣檢測是計算機視覺和圖像處理領域最經(jīng)典的研究課題之一，邊緣檢測的主要目的是對一圖像灰度變化進行度量、檢測和定位。邊緣檢測器的工作既要將高頻信號從圖像中分離出來，又要區(qū)分邊緣和噪聲，準確的標定邊緣位置。小波被譽為“數(shù)學顯微鏡”，在時域和頻域都有良好的局部特性，以平滑函數(shù)的一階導數(shù)作為小波

5、函數(shù)對圖像進行小波變換，小波系數(shù)的模極大值即對應圖像的邊緣。點。2.1.42.1.4定位定位如果某一應用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。圖1邊緣檢測的基本步驟在邊緣檢測算法中，前三個部分用得十分普遍。這是由于大多數(shù)場合下，僅僅需要指出邊緣出現(xiàn)在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置。邊緣檢測的經(jīng)典檢測方法，是對原始圖像中像素的某個鄰域來構造邊緣檢測算子。2.22.2經(jīng)典

6、的邊緣檢測技術經(jīng)典的邊緣檢測技術圖像邊緣檢測就是研究更好的邊緣檢測方法和檢測算子。邊緣檢測的實質是采用某種算法來提取出圖像中對象與背景間的交線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術來獲得邊緣檢測算子。經(jīng)典的邊緣檢測方法有一階導數(shù)極大值點算法(例如Robert算子、Sobel算了、Canny算子)，二階導數(shù)零交叉點算法(例如LoG算子)等等。新的

7、邊緣檢測方法有數(shù)學形態(tài)學的方法、模糊算子法、神經(jīng)網(wǎng)絡法、小波分析法、遺傳算法、動態(tài)規(guī)劃法、分形理論法等等。下表列舉了幾個經(jīng)典的邊緣檢測算子及各算子特點。表1各個算子的特點算子檢測邊緣最佳情況Roberts對具有陡峭的低噪聲的圖像效果較好。但是利用Roberts算子提取邊緣的結果是邊緣比較粗，因此邊緣定位不是很準確。Sobel對灰度漸變和噪聲較多的圖像值處理效果比較好。Sobel算子對邊緣定位比較準確。Prewitt對灰度漸變和噪聲較多的