图像边缘检测的开题报告.doc

中北大学信息商务学院毕业论文开题报告学生姓名:王晓龙学号:09050641X32系别:信息与通信工程学院信息工程系专业:电子信息工程论文题目:图像边缘检测算法的研究与比较指导教师:李化欣2013年3月9日毕业设计(论文)(论文)课题情况,根据所查阅的文献资料,撰写2000字左右的文献综述:文献综述一、课题背景和研究意义:伴随着计算机技术的高速发展,数字图像处理成为了一门新兴学科,并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。在实际图像处理中,图像边缘作为图像的一种基本特征,经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础,是数字图像处理重要的研究课题之一。边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题,边缘是图像中重要的特征之一,是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中,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强烈的地方,也即通常所说的信号发生奇异变化的地方。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。近年来,随着数学和人工智能技术的发展,各种类型的边缘检测算法不断涌现,如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准,所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展,图像库逐渐变得非常庞大;而又由于实时图像的目标和背景间的变化都不尽相同,如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。二、国内外研究现状:作为计算机视觉的经典性研究课题,图像边缘的研究已有较长历史,涌现了许多方法,这些方法分为两大类:基于空间域上微分算子的经典方法和基于图像滤波的检测方法。基于空间域上微分算子的经典方法。在阶跃型边缘的正交切面上,阶跃边缘点周围的图像灰度表现为一维阶跃函数=,边缘点位于图像灰度的跳变点。根据边缘点的特性,人们提出了基于图像灰度一阶导数、梯度、二阶导数以及更为复杂的laplace算子等提取图像边缘的方法。基于图像滤波的检测方法。在实际图像中,边缘和噪声均表现为图像灰度有较大的起落,同是高频信号,但相对来说边缘具有更高的强度。:Roberts算子Roberts边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理,采用对角线方向相邻两像素之差,即:△=-,△=-=或||+||它们的卷积算子,有了,之后,很容易计算出Roberts的梯度幅值,适当取门限TH,作如下判断:>TH,(i,j)为阶跃状边缘点。{}为边缘图像。Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感。(2)Sobel算子对数字图像的每个像素点,考察它上、下、左、右邻点灰度加权差,与之接近的邻点的权值大。sobel算子很容易在空间上实现,sobel边缘检测器不但产生较好的边缘检测效果,而且受噪声的影响也比较少。:(1)小波变换小波被誉为“数学显微镜”,在时域和频域都有良好的局部特性,以平滑函数的一阶导数作为小波函数对图像进行小波变换,小波系数的模极大值即对应图像的边缘[1-3]。设是二维平滑函数。把它沿x1,x2两个方向上的一阶导数作为两个基本小波:(1)(2)再令:(3)(4)其中,对任意二维函数f(x1,x2)L2(R2),其小波变换有两个分量:沿x1方向:(5)沿x2方向:(6)其中**代表而为卷积,他的具体含义是:,i=1或2。(7)小波分量可简记成矢量形式:(8)其中是被平滑后的图像。(8)式表明WT1和WT2分别反映此图像灰度沿x1和x2方向的梯度。通常取a为2j(jZ),而f(x1,x2)的二进小波变换为矢量:(9)其模值是:(10)其幅角(与x1方向的夹角)是:(11)边缘定义为Mod[WTf]取极值之处,其方向则沿与Arg[WTf]垂直的方向。但是噪声也是灰度突变点,也是极大值点。因为小波具有能量集中的性能,它能将信号能量集中在少数小波系数上,所以边缘的小波系数幅值比较大,而噪声能量比较分散,小波系数幅值较小。所以用平滑函数的一阶导数作小波函数对图像进行小波变换,大于一定阈值的小波系数的模极大值点即对应图像的边缘点,这就是小波变换用于边缘检测的原理[1-2]。基于小波变换的模极大值理论对图像进行边缘检测,得到了较好的检测效果,利用小波变