基于小波的随时间变化图像的边缘检测

摘要

数字图像边缘是图像分割的重要的基础。边缘中包含图像物体有价值的边界信息,这些信息可以用于图像理解和分析,并且通过边缘检测可以极大的降低后续图像分析和图像处理的数据量。本文重点研究利用小波对时间序列图像进行边缘检测的方法。利用小波对时间序列的处理能力,提取时间序列图像的小波模极大值,并利用方差分析的方法筛选出其临界值。结合Bayes分类的方法选出最优阈值对图像进行二值化,提取图像边缘。文章最后对图像分类方法做了进一步改进,使得图像分类效率提高。

目录

文摘

英文文摘

致谢

1 引言

2 基于小波的边缘检测

2.1 基于边缘检测的多尺度小波变换

2.2 小波模极大值探测

3 基于方差分析的临界值的确定

3.1 基于方差分析的分类

3.2 临界值的确定

4 图像分类

4.1 基于最小错误概率的Bayes分类器

4.2 Levenberg-Marquardt算法

4.3 图像分类

5 实验结果

6 算法改进

6.1 Baves分类法的缺点

6.2 大津算法

6.3 分类算法比较

7 结论

参考文献

附录

作者简历

学位论文数据集