基于拓?fù)涮荻确蔷€性濾波在圖像邊緣檢測(cè)中的應(yīng)用.pdf

1、圖像處理分為過(guò)濾、分割、分類，識(shí)別。在對(duì)圖像數(shù)據(jù)進(jìn)行有效的分析之前，圖像過(guò)濾是最重要的步驟，它的成功與否，直接影響到接下來(lái)工作的質(zhì)量。圖像過(guò)濾不僅是對(duì)圖像進(jìn)行去噪和平滑，而且要增強(qiáng)有意義的特征。經(jīng)典的濾波方法很難達(dá)到上面的要求。圖像處理中采用偏微分方程(PDE:Partial Differential Equation)的思想可以追溯到Gabor和其后Jain的工作，但實(shí)質(zhì)性的創(chuàng)始工作應(yīng)該歸功于Koenderink和Witkin各自獨(dú)立

2、的工作，他們將圖像與高斯核相卷積后的結(jié)果與偏微分方程的解聯(lián)系起來(lái)，給出了圖像多尺度描述的具體數(shù)學(xué)表達(dá)式。PDE是一種比較精細(xì)的圖像分析和處理方法，可以用于圖像降噪、增強(qiáng)和分割等領(lǐng)域。本文主要是討論基于拓?fù)涮荻确蔷€性濾波在圖像邊緣檢測(cè)中的應(yīng)用，利用M-S函數(shù)最小化和偏微分方程數(shù)值解關(guān)系，得到邊緣檢測(cè)最終圖像，概括如下:
　　 第一章主要介紹了基于拓?fù)涮荻鹊膱D像邊緣檢測(cè)的研究背景、國(guó)內(nèi)外研究現(xiàn)狀、研究意義及研究的主要內(nèi)容。
　

3、　 第二章主要簡(jiǎn)單地介紹三種擴(kuò)散模型:線性擴(kuò)散模型、P-M模型、Wericket模型并且指出這三種模型各自的優(yōu)缺點(diǎn)。
　　 第三章主要是根據(jù)M-S函數(shù)最小化進(jìn)行分析并在此函數(shù)的基礎(chǔ)上構(gòu)建函數(shù)Jε，分析函數(shù)Jε漸進(jìn)展開(kāi)，得到了拓?fù)涮荻裙健?br>　　 第四章根據(jù)第三章拓?fù)錆u進(jìn)展開(kāi)推導(dǎo)過(guò)程和帶參數(shù)M-S函數(shù)每一項(xiàng)所表示的圖像意義，提出用半徑為ε的球覆蓋邊界集和用所需球的個(gè)數(shù)作為邊界長(zhǎng)度的估計(jì)，提出帶參數(shù)M-S近似函數(shù)Jε,k，