文档介绍：要摘西北工业大学硕士学位论文中的主要方法进行了分析研究。介绍了经典的图像边缘检测方法;讨论了线性滤波技术及其在图像边缘检测中的应用;研究了具有多尺度思想的小波算孑,在图像边缘检测中的特性,以及它们适合的应用范围。本文工作对图像处理中的边缘检测方法研究以及应用有一定的参考价值。图像的边缘检测是图像处理的主要内容之一,本文基于灰度图像边缘检测并将其应用到图像边缘检测中。通过理论分析以及仿真计算,比较了三类方法关键词图像处理小波变换多尺度分析边缘检测
知识水坝***@pologoogle为您整理
西北工业大学硕士学位论文甋瑃甅瑃,,瓵,瑆猻瑂瓵:..
知识水坝***@pologoogle为您整理
绪论第一章弟一早珀§图像分割技术西北工业大学硕士学位论文下匕觉信息是人的主要感觉来源。人类认识外在世界的信息%是通过视觉提供的。究、工业生产、医疗卫生、教育、娱乐、管理和通信等方面得到了广泛的应用在图像分析的研究和应用中,图像分割是一种基本的和关键的技术,其目令集合碚鐾枷袂颍訰的分割可看作将殖扇舾筛雎阋韵个其中嵌运性诩蟁,中元素的逻辑谓词,强占人类的世界是一个丰富多彩纷繁复杂的世界。人类在自然界的活动中,视随着计算机技术的发展,数字图像技术近年来得到的极大的重视和长足的发展,出现了许多有关的新理论、新方法、新算法、薪手段和新设备,并已在科学研对推动社会发展改善人们生活水平都起到了重要的作用。的是将目标和背景分离,为目标识别、精确定位等后续处理提供依据,其结果直接影响到其后的信息处理过程。借助集合的概念,图像分割的定义如下:条件的非空的子集忧,,⋯,运械膄和,,貸,有,;詉,/,有詉≠惺詉,琻,是连通的区域。图像分割的过程是把图像各具特性的区域步心勘提取出来的过程。
§图像边缘检测方法西北工业大学硕士学位论文图像分割对把输入图像转化为分割图像从而进一步提取目标特征,进行目标测量和分类以及其后的高层处理等都非常重要。对灰度图像的分割常常基于灰度值的两个性质:不连续性和相似性。区域独立地和同时地做出,而在串行算法中,早期处理的结果可被其后的处理过程所利用。一般串行算法所需计算时间比并行算法要长,但抗噪能力也较强。上并行边界类串行边界类就对图像分割进行了大量的研究,至今已提出了上千种针对各种具体应用的分割算法。但是,由于图像分割的重要性和困难性,尽管从七十年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力,但是,到目前为止,还不存在一个通用的方法,也不存在一个判断分割是否成功的客观标准。在图像分割中,边缘检测方法可以说是人们研究得最多的方法,它试图通其要点是:把图像划分成若干互不交迭区域的集合,这些区域要么对当前的任务有意义,要么有助于说明它们与实际物体或物体的某些部分之间的对应关系。内部的象素一般具有灰度相似性,而在区域之间的边界上一般具有灰度不连续性。所以分割算法可据此分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法。另外,根据分割过程中处理策略的不同,分割算法又可分为并行算法和串行算法。在并行算法中,所有边缘点都可述这两个准则互不重合又互为补充,所以分割算法可根据这两个准则分成四类:如下图所示:图像分割并行区域类串行区域类关于图像分割技术,已经有相当多的研究结果和方法。从年代开始人们过检测包含不同区域的边缘来解决图像分割问题。图像的大部分主要信息都存.
§图像边缘检测方法的研究现状在于图像的边缘中,主要表现为图像局部特征的不连续性,是图像中灰度变化比较剧烈的地方,也即我们通常所说的信号发生奇异变化的地方。奇异信号沿阶跃边缘中边缘两边的灰度值有明显的变化;而屋顶状边缘中边缘位于灰度增缘点浠叶缺浠叩囊唤椎际贐点与零交叉,二阶导数在愦锏郊生长和区域分裂合并法则属于串行区域类。在这些方法中,边缘检测方法是人们研究得最多的方法,它试图通过检测包含不同区域的边缘来解决图像分割问题,基于在不同区域之间的边缘上象索灰度值的变化往往比较剧烈,这类方法大多是基于局部信息的,一般利用图像一阶导数的极大值或者二阶导数的过零点信息提供判断边缘点的依据。在现代的图像分割技术中,人们常常用这种方法对图像进行初步处理,再采用方法得尺度滤波定位边缘准确,但对噪声较敏感,大尺度滤波定位边缘又会发生偏移。西北工业大学硕士学位论文边缘走向的灰度变化剧烈,通常我们将边缘划分为阶跃状和屋顶状两种类型。加与减少的交界处。在数学上可利用灰度的导数来刻划边缘点的变化,对阶跃边缘、屋顶状边缘分别求其一阶、二阶导数。可见,对阶跃边缘点儿其灰度变化曲线的一阶导数在愦锏郊ù笾担欢椎际贏点与零交叉。对屋顶状边基于边缘检测的方法可以是并行的,也可以是串行的,主要取决于边缘连接或跟踪时采用的策略,阈值分割法和像素分类法都属于并行区域类,而区域到准确的边界,从而实现图