基于熵和模糊集的圖像邊緣檢測算法研究.pdf

1、邊緣是圖像中目標的灰度突變的部分，是圖像的基本特征，是圖像處理到圖像分析階段的關鍵步驟，是圖像分割的重要內(nèi)容，在邊緣檢測、模式識別和機器視覺等中有著重要的作用。
　　 本文主要針對現(xiàn)實中的圖像都具有一定的模糊性和傳統(tǒng)微分算法對噪聲敏感等問題進行研究，主要研究工作如下：
　　 ①通過查閱國內(nèi)外重要的期刊、論文、書籍等文獻資料，分析圖像邊緣檢測研究的發(fā)展現(xiàn)狀。研究基于一階和二階導數(shù)的邊緣檢測算法，如Roberts算子、Sob

2、el算子、Prewitt算子、綜合正交算子、Canny算子等，分析各種算法的優(yōu)、缺點及適用性，并對各種算法進行仿真實驗。
　　 ②Canny邊緣檢測算法是通過設計最優(yōu)濾波器，適用于背景較復雜的圖像，其效果優(yōu)于傳統(tǒng)的基于梯度算子的邊緣檢測方法。本文從濾波器自身存在的問題及獲取高低閾值的方法入手，對Canny算法進行改進。使用邊緣保持濾波器替代原有的高斯濾波器，克服平滑與逼近的缺陷；采用類間最大交叉熵的概念來獲取高低閾值。仿真實驗表

3、明：改進后的算法具有較好的檢測效果和抗噪能力，更能體現(xiàn)邊緣細節(jié)。
　　 ③在研究基于模糊增強的Pal邊緣檢測算法的基礎上，本文給出該算法存在的缺陷，討論渡越點對檢測效果的影響。從而提出基于滑動窗口的模糊邊緣檢測算法，克服整幅圖像只使用一個閾值的缺陷，取得較好的檢測效果。
　　 ④結合信息熵和模糊集理論，本文擬采用模糊熵改進邊緣檢測算法。首先研究基于模糊熵圖像和多信息測度的邊緣檢測算法，克服傳統(tǒng)算法中在計算信息測度時沒有考