基于B样条小波变换的图像边缘检测技术研究

摘要

图像的边缘体现了重要的景物结构，往往携带了一幅图像的重要特征信息。边缘检测主要用于图像处理、机器视觉和模式识别中，是至今未得到圆满解决的经典技术之一。因此，寻找一种适用于多种图像且抗噪性能较好的边缘检测方法，成为一个亟需解决的问题。 本文中所做的主要工作如下： (1)对传统经典的边缘检测算法进行分析比较，并参照仿真结果说明各方法的优缺点； (2)基于小波变换理论，详细介绍了B样条小波函数，将其与现阶段较好的边缘检测canny算子中所用到的Gaussian平滑函数进行比较[1]，证明B样条小波函数抗噪的优越性，并对三次B样条函数进行仿真； (3)用三次B样条检测算法，对多组含有不同噪声的图像进行边缘检测仿真实验，同时进行抗噪性能的仿真测试，图像和数据结果都证实了本文方法较canny算子的优越性； (4)对含有不同细节量的图像进行本文方法的检测，分别将其应用在细节量较少、中等以及较多的图像中，并于canny算法进行比较。 (5)将三次B样条小波边缘检测应用到图像融合中，并与经典的基于小波融合方法进行比较，得出融合客观评价结论，证明了此方法的可行性。 理论分析和实验结果表明： 三次B样条小波边缘检测算子滤波器模板系数简单，大大减少了计算量，对含不同噪声的图像，在主观视觉和客观数据评价上其抗噪性能都优于canny算子；对含有不同细节量的图像，该方法更适用于细节量中等以及较少的图像，且结果优于canny算法；将三次B样条边缘检测法应用在图像融合中，更好地突出了边缘细节，使轮廓更加鲜明，但对于有些细节较多的图像，由于此方法对边缘较敏感而会造成融合图像中边缘点较多的现象。这也是在以后学习中需要改进的地方。 经过多次实验测试，该算子展示了较好的抗噪性能，但在边缘检测上也存在一定局限性，随着处理图片的不同具有不同的检测效果。因此，在处理图片时需要根据不同特性的图像来选择其合适的检测算子，甚至要对算子进行某种程度的改进。

目录

文摘

英文文摘

声明

第1章 绪论

1.1选题的目的和意义

1.2国内外研究情况

1.2.1小波理论的发展及在图像处理中的应用

1.2.2图像边缘检测技术的意义及研究现状

1.3本文的主要内容及组织结构

第2章小波分析基本理论

2.1小波及小波变换

2.1.1小波分析与傅里叶变换的比较

2.1.2连续及离散小波变换

2.2多分辨分析与Mallat算法

2.2.1小波多分辨特性分析

2.2.2 Mallat分解与重构算法

2.3本章小结

第3章基于小波理论的图像边缘检测技术

3.1图像边缘检测概述

3.2传统的边缘检测分析及比较

3.2.1传统边缘检测算法介绍

3.2.2检测结果与结论

3.3小波多尺度理论在图像边缘检测中的应用

3.3.1基于小波变换的信号奇异性检测

3.3.2图像的多尺度边缘提取及仿真结果

3.4本章小结

第4章一种基于B样条小波的图像边缘检测方法

4.1 B样条小波理论及样条次数的选取

4.2样条平滑函数与高斯平滑函数的关系比较

4.3 B样条小波理论进行图像边缘检测

4.3.1 canny最佳边缘检测判定准则

4.3.2三次B样条小波平滑滤波算子

4.3.3仿真结果及结论

4.4本章小结

第5章 基于三次B样条小波图像边缘检测方法的实现与性能分析

5.1三次B样条小波在含噪图像中边缘检测的仿真分析

5.1.1对含有不同类噪声图像的检测结果

5.1.2抗噪性能的仿真测试

5.2对含有不同细节量的图像检测结果

5.3基于三次B样条小波边缘检测在图像融合中的应用

5.3.1本文边缘检测法在图像融合中实验结果分析

5.3.2图像的融合结果比较及性能评估

5.4本章小结

第6章总结与展望

6.1总结

6.2展望

参考文献

致 谢

攻读硕士学位期间发表的学术论文