基于熵和模糊集的图像边缘检测算法研究

摘要

边缘是图像中目标的灰度突变的部分，是图像的基本特征，是图像处理到图像分析阶段的关键步骤，是图像分割的重要内容，在边缘检测、模式识别和机器视觉等中有着重要的作用。
　　 本文主要针对现实中的图像都具有一定的模糊性和传统微分算法对噪声敏感等问题进行研究，主要研究工作如下：
　　 ①通过查阅国内外重要的期刊、论文、书籍等文献资料，分析图像边缘检测研究的发展现状。研究基于一阶和二阶导数的边缘检测算法，如Roberts算子、Sobel算子、Prewitt算子、综合正交算子、Canny算子等，分析各种算法的优、缺点及适用性，并对各种算法进行仿真实验。
　　 ②Canny边缘检测算法是通过设计最优滤波器，适用于背景较复杂的图像，其效果优于传统的基于梯度算子的边缘检测方法。本文从滤波器自身存在的问题及获取高低阈值的方法入手，对Canny算法进行改进。使用边缘保持滤波器替代原有的高斯滤波器，克服平滑与逼近的缺陷；采用类间最大交叉熵的概念来获取高低阈值。仿真实验表明：改进后的算法具有较好的检测效果和抗噪能力，更能体现边缘细节。
　　 ③在研究基于模糊增强的Pal边缘检测算法的基础上，本文给出该算法存在的缺陷，讨论渡越点对检测效果的影响。从而提出基于滑动窗口的模糊边缘检测算法，克服整幅图像只使用一个阈值的缺陷，取得较好的检测效果。
　　 ④结合信息熵和模糊集理论，本文拟采用模糊熵改进边缘检测算法。首先研究基于模糊熵图像和多信息测度的边缘检测算法，克服传统算法中在计算信息测度时没有考虑图像本身具有一定的模糊性的缺陷，取得较好的效果；其次研究基于模糊熵图像的多信息融合的模糊检测方法，这种方法是结合模糊熵图像和Canny算法思想，以及信息融合和模糊控制的理论来确定待定边缘点与参考点之间的隶属度值，根据隶属度值来确定待定边缘点是否是边缘点。仿真实验表明：本文提出的算法具有一定的有效性。
　　 最后，对研究工作进行总结，并指出后续的研究方向，为进一步的研究开拓了思路。