圖像邊緣檢測(cè)中的方法研究.pdf

1、由于在數(shù)學(xué)上可以利用Lipschitz指數(shù)來對(duì)信號(hào)的奇異性進(jìn)行詳細(xì)的刻劃，所以我們可以通過對(duì)噪聲信號(hào)和奇異信號(hào)的Lip指數(shù)特性的研究，根據(jù)它們的不同特征來達(dá)到去除噪聲和提取真正邊緣的目的.文中對(duì)奇異性指數(shù)的求解問題進(jìn)行了較詳細(xì)的討論和研究，同時(shí)對(duì)不同小波基下的信號(hào)奇異性檢測(cè)情況進(jìn)行了分析和比較.另外，文中對(duì)圖像在邊緣檢測(cè)前的模糊清晰化和對(duì)比度增強(qiáng)技術(shù)進(jìn)行了詳細(xì)的討論，使得在應(yīng)用各種邊緣檢測(cè)算子時(shí)能更多地提取出圖像的邊緣.同時(shí)也對(duì)閾值的選

2、取和邊緣鏈接問題進(jìn)行了進(jìn)一步的研究和處理，以期得到更好視覺效果的邊緣圖像.最后，在傳統(tǒng)的邊緣檢測(cè)算法和小波分析的邊緣檢測(cè)算法之外，對(duì)以下幾個(gè)方面也進(jìn)行了一些討論：1）利用誤差圖像來提高邊緣檢測(cè)效果的算法;2）將求解任意方向的一階、二階方向?qū)?shù)的問題轉(zhuǎn)換到頻域中去求解，發(fā)現(xiàn)在頻域中它們具有簡(jiǎn)單易用的公式，使得原來求解任意方向的一階、二階導(dǎo)數(shù)的比較困難的問題變得容易實(shí)現(xiàn)了.3）利用小波變換后的幾個(gè)相鄰數(shù)據(jù)的相關(guān)量來描述奇異信號(hào)與噪聲信號(hào)的不