金屬表面缺陷檢測(cè)中的邊緣檢測(cè)算法研究及應(yīng)用.pdf

1、邊緣是圖像中重要的特征之一，邊緣檢測(cè)是計(jì)算機(jī)視覺(jué)、模式識(shí)別等的基礎(chǔ)。然而，邊緣檢測(cè)又是圖像處理中一個(gè)困難的問(wèn)題，因?yàn)閷?shí)際景物圖像中的邊緣往往是各種類(lèi)型的邊緣以及它們模糊化后結(jié)果的組合，實(shí)際圖像信號(hào)存在著噪聲。噪聲和邊緣一樣都屬于高頻信號(hào)，很難用頻帶來(lái)做取舍。凡是傳統(tǒng)使用Fourier分析的方法，都可以用小波分析來(lái)替換。小波變換具有數(shù)學(xué)顯微鏡的特征，是對(duì)傳統(tǒng)Fourier的挑戰(zhàn)。在圖像處理方面，小波變換是尺度可隨圖像局部區(qū)域特征的不同進(jìn)行

2、自適應(yīng)調(diào)整，并在這些尺度上檢測(cè)的一種圖像算法?；谛〔ㄗ儞Q的多尺度邊緣提取算法，有效地彌補(bǔ)了傳統(tǒng)的邊緣檢測(cè)算法的不足，在有效地抑制噪聲的同時(shí)，提供了較高的邊緣定位精度。
　　 對(duì)圖像邊緣提取的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。這篇論文討論的是圖像邊緣檢測(cè)問(wèn)題，本文提出了基于小波變換和圖像融合的一種改進(jìn)的邊緣檢測(cè)方法。該方法利用小波變換將數(shù)字圖像分解為高頻和低頻分量，對(duì)高頻和低頻分量分別進(jìn)行邊緣檢測(cè)；再采用局部