基于邊緣檢測經(jīng)典算法的改進研究與實現(xiàn).pdf

1、數(shù)字圖像的邊緣包含多種有用信息，作為圖像的最基本特征，可以檢測和識別圖像，在進行圖像處理時被頻繁應(yīng)用于圖像的增強、圖像壓縮、圖像分割和識別等領(lǐng)域。圖像的邊緣檢測是進行模式識別和圖像信息提取的基本手段，作為圖像處理、圖像分析和計算機視覺領(lǐng)域中的經(jīng)典研究內(nèi)容，至今沒能完全解決。怎樣消除分析處理圖像時噪聲干擾帶來的偽邊緣，并保證檢測得出的邊緣信息的準確性，就是其中的一個難題。
　　 本文針對數(shù)字圖像的邊緣檢測中有待解決的難點問題進行分

2、析。在如何實現(xiàn)邊緣檢測的研究中，產(chǎn)生了一些經(jīng)典算法，在此分三部分對這些方法進行詳細介紹，并在經(jīng)典算法的基礎(chǔ)上，對改進方法做了說明。文中首先分析目前廣泛使用的Sobel、Roberts和Canny算法等邊緣檢測方法，在有噪聲和無噪聲的情況下，應(yīng)用這些檢測方法進行仿真實驗，并將仿真實驗結(jié)果進行對比以分析算法的優(yōu)缺點。這些基于圖像灰度值的梯度進行計算的算法對噪聲的敏感度比較高，一旦圖像出現(xiàn)噪聲的時候，這些算法可能將噪聲當作圖像的邊緣檢測出來，

3、也可能混淆真正的邊緣點與噪聲點而發(fā)生誤檢或漏檢的現(xiàn)象。通過分析經(jīng)典算法的優(yōu)缺點，本文對經(jīng)典邊緣算法中的Sobel邊緣檢測算法進行改進。將Sobel邊緣檢測算子由2個方向擴展到8個方向來計算圖像的像素點，并且根據(jù)邊緣點之間的相互關(guān)系來確定圖像的真正邊緣點。以最終確定是圖像邊緣點還是噪聲點，并據(jù)此完成整體圖像邊緣的檢測。隨后本文介紹了基于模糊集理論的邊緣檢測方法，指出其優(yōu)缺點并且提出了一種改進算法，取得了不錯的檢測效果。最后文章介紹了基于數(shù)