噪声图像中模糊目标的边缘检测研究

摘要

边缘检测技术是图像分析的重要内容,也是图像处理领域中一种重要的预处理技术,受到了人们广泛的关注和重视。由于实际应用中图像质量的优劣性和目标的复杂性,进行边缘检测时往往要经过图像增强,去噪等过程,并随着信号处理、模糊数学、几何学等基础理论的发展,越来越多的新技术被引入到边缘检测方法中,如小波,灰色关联度,灰色预测模型、模糊、遗传算法神经网络、形态学、分形理论等技术。本文主要针对噪声图像中模糊目标的边缘特点进行了深入的研究,主要涉及到图像去噪、模糊边缘增强、盒维数计算、聚类分析、目标边缘判定。本文的主要工作和贡献如下：
　　 1.介绍图像边缘处理技术,系统地研究和探讨了传统的边缘检测算法以及基于新技术的边缘检测算法应用,并总结了边缘检测研究的基本观点与基本研究思路;
　　 2.针对基于分形维的边缘检测算法使边缘不显著的噪声图像中噪声变大的问题。在分析分形维去噪特点的基础上,提出基于模糊熵和分形维度的边缘检测算法,算法通过模糊熵的引入来抑制检测中噪声变大。带有椒盐噪声图像中目标边缘提取的实验结果表明,该算法具有较好地抗噪能力;
　　 3.针对当前已有的模糊增强算法以弱化强度弱的边缘为代价来增强部分边缘的问题,提出一种改进的多层次模糊增强边缘检测算法,该算法首先利用Vlalley.emphasis算法得到合理阈值参数,然后基于该阈值构造一个凸的非线性隶属函数来提高图像增强的速度,并在由该隶属函数映射得到的模糊特征平面上分区域应用模糊增强算子以提高不同区域对比度和平滑去噪,最后利用模糊测度有效地对边缘进行判定,并通过对比实验验证了该算法的可行性和有效性;
　　 4.针对在图像中,噪声污染使得直方图波谷不明显,且聚类算法中初始值选取的随机性从而使得目标检测结果不稳定的问题,本文结合像素在空间上的灰度变化相关信息,提出一种基于二维直方图的聚类检测算法,该算法在Otsu算法基础上确定聚类的两个聚类中心点的初始值,引入模糊元胞自动机来判定聚类分割后图像的边缘。实验结果表明该算法能有效提取正确连续的边缘,且目标检测结果稳定。
　　 总之,本文针对当前目标边缘识别领域主流方向之一的强度对比大的多目标边缘识别作了有益的探索。

目录

文摘

英文文摘

论文说明：图表目录

第1章 绪论

1.1 研究背景及意义

1.2 问题的描述

1.3 论文的研究思路

1.4 论文的结构安排

第2章 边缘检测算法综述

2.1 图像边缘检测原理

2.2 图像中的边缘检测算法分类

2.2.1 基于图像全局特征的边缘检测算法

2.2.2 基于空间域的纹理边缘检测算法

2.2.3 基于频率域的边缘检测算法

2.2.4 其他的边缘检测算法

2.3 边缘检测结果评价方法

2.4 存在的问题和发展的趋势

2.5 小结

第3章 基于模糊熵和分形维度的边缘检测算法

3.1 引言

3.2 相关基础理论

3.2.1 分形理论

3.2.2 模糊理论

3.3 改进的边缘检测算法(EFFD)

3.3.1 传统边缘检测算法

3.3.2 LFFD算法

3.3.3 改进的EFFD算法

3.4 算法步骤

3.5 实验结果分析

3.6 小结

第4章 基于多层次模糊增强的边缘检测算法

4.1 引言

4.2 模糊增强算法

4.3 改进的多层次模糊增强检测算法

4.3.1 阈值Ml和Mk的选取

4.3.2 凸的非线性模糊隶属函数的构造

4.3.3 边缘判定

4.4 算法步骤

4.5 实验结果及分析

4.5.1 增强对比分析

4.5.2 实验结果分析

4.6 小结

第5章 基于二维直方图的聚类边缘检测算法

5.1 引言

5.2 K均值聚类算法

5.3 改进的聚类边缘检测算法

5.3.1 图像的滤波处理

5.3.2 二维直方图中聚类初始值的选取

5.3.3 边缘判定

5.4 算法步骤

5.4.1 聚类分割算法步聚如下

5.4.2 边缘判定算法步聚如下

5.5 实验结果与分析

5.6 小结

结论

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录