基于小波變換及形態(tài)學(xué)的光學(xué)圖像邊緣檢測研究.pdf

1、圖像是人們獲取信息的重要來源，而圖像的邊緣又是圖像豐富的內(nèi)在信息，是圖像分割、圖像壓縮、圖像識別等圖像處理的重要依據(jù)。由于圖像邊緣和噪聲均為高頻信號，因此如何有效的提取噪聲圖像的邊緣一直是圖像處理領(lǐng)域研究的難點和熱點。本文對基于小波變換及數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測方法進(jìn)行了深入地研究，并對現(xiàn)有方法進(jìn)行改進(jìn)，主要包含以下內(nèi)容：
　　首先，對圖像邊緣檢測的研究意義及其國內(nèi)外研究現(xiàn)狀，邊緣檢測存在的“兩難問題”及性能評價標(biāo)準(zhǔn)等進(jìn)行了總結(jié)。

2、接著詳細(xì)介紹了小波變換和數(shù)學(xué)形態(tài)學(xué)的基本知識，為后續(xù)邊緣檢測方法的提出奠定了理論基礎(chǔ)。
　　其次，提出了一種新的雙閾值方法，實現(xiàn)了閾值的局部自適應(yīng)性。對于模值在雙閾值之間的像素，該方法利用邊緣與噪聲的差異性進(jìn)一步篩選候選邊緣點，提高了檢測精度，能在去除噪聲的同時，有效地保留圖像細(xì)節(jié)信息，改善邊緣檢測的視覺效果。
　　再次，論文將多尺度結(jié)構(gòu)元素濾波去噪與形態(tài)學(xué)的銳化算法相結(jié)合，有效地濾除噪聲的同時，銳化了圖像細(xì)節(jié)邊緣；在此基礎(chǔ)

3、上，利用邊緣方差將多結(jié)構(gòu)元素檢測出不同方向的邊緣信息進(jìn)行自適應(yīng)融合，得到的邊緣圖像幾乎不受噪聲的影響，較好地保持圖像的邊緣信息，邊緣連續(xù)性好。
　　最后，研究含噪圖像經(jīng)過小波變換后，信號和噪聲表現(xiàn)出不同的相關(guān)特性，指出來了傳統(tǒng)尺度積函數(shù)的不足，提出了一種改進(jìn)的尺度積函數(shù)，提高了邊緣定位精度。將其與形態(tài)學(xué)方法相結(jié)合進(jìn)行邊緣檢測，彌補了單獨使用這兩種方法檢測邊緣的缺陷，充分利用了圖像邊緣信息，更加有效地去除了圖像中的噪聲，保留圖像中的