基于小波变换及形态学的光学图像边缘检测研究

摘要

图像是人们获取信息的重要来源，而图像的边缘又是图像丰富的内在信息，是图像分割、图像压缩、图像识别等图像处理的重要依据。由于图像边缘和噪声均为高频信号，因此如何有效的提取噪声图像的边缘一直是图像处理领域研究的难点和热点。本文对基于小波变换及数学形态学的图像边缘检测方法进行了深入地研究，并对现有方法进行改进，主要包含以下内容：
　　首先，对图像边缘检测的研究意义及其国内外研究现状，边缘检测存在的“两难问题”及性能评价标准等进行了总结。接着详细介绍了小波变换和数学形态学的基本知识，为后续边缘检测方法的提出奠定了理论基础。
　　其次，提出了一种新的双阈值方法，实现了阈值的局部自适应性。对于模值在双阈值之间的像素，该方法利用边缘与噪声的差异性进一步筛选候选边缘点，提高了检测精度，能在去除噪声的同时，有效地保留图像细节信息，改善边缘检测的视觉效果。
　　再次，论文将多尺度结构元素滤波去噪与形态学的锐化算法相结合，有效地滤除噪声的同时，锐化了图像细节边缘；在此基础上，利用边缘方差将多结构元素检测出不同方向的边缘信息进行自适应融合，得到的边缘图像几乎不受噪声的影响，较好地保持图像的边缘信息，边缘连续性好。
　　最后，研究含噪图像经过小波变换后，信号和噪声表现出不同的相关特性，指出来了传统尺度积函数的不足，提出了一种改进的尺度积函数，提高了边缘定位精度。将其与形态学方法相结合进行边缘检测，弥补了单独使用这两种方法检测边缘的缺陷，充分利用了图像边缘信息，更加有效地去除了图像中的噪声，保留图像中的细节边缘，改善了边缘检测的效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究的背景和意义

1.2 图像边缘检测技术的发展现状与趋势

1.3 边缘检测中存在的“两难问题”

1.4 边缘检测步骤

1.5 边缘检测性能的评价

1.6 论文主要内容及论文结构

第2章 基于自适应双阈值的小波边缘检测算法

2.1 小波分析的基本知识

2.2 基于自适应双阈值的小波边缘检测

2.3 改进算法的具体实现步骤

2.4 仿真实验

2.5 本章小结

第3章 基于多尺度数学形态学的边缘检测算法

3.1 数学形态学理论基础

3.2 传统形态学边缘检测的基本原理

3.3 多结构元素多尺度形态学边缘检测

3.4 算法实现的具体步骤

3.5 仿真实验

3.6 本章小结

第4章 基于改进的小波尺度积函数和形态学的边缘检测

4.1 基于改进尺度积的小波模极大值边缘检测

4.2 基于数学形态学的低频图像边缘检测

4.3 二值化低频边缘图像

4.4 算法实现的具体步骤

4.5 仿真实验

4.6 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介