基于邊緣檢測(cè)經(jīng)典算法的改進(jìn)研究與實(shí)現(xiàn).pdf

1、數(shù)字圖像的邊緣包含多種有用信息，作為圖像的最基本特征，可以檢測(cè)和識(shí)別圖像，在進(jìn)行圖像處理時(shí)被頻繁應(yīng)用于圖像的增強(qiáng)、圖像壓縮、圖像分割和識(shí)別等領(lǐng)域。圖像的邊緣檢測(cè)是進(jìn)行模式識(shí)別和圖像信息提取的基本手段，作為圖像處理、圖像分析和計(jì)算機(jī)視覺領(lǐng)域中的經(jīng)典研究?jī)?nèi)容，至今沒能完全解決。怎樣消除分析處理圖像時(shí)噪聲干擾帶來的偽邊緣，并保證檢測(cè)得出的邊緣信息的準(zhǔn)確性，就是其中的一個(gè)難題。
　　 本文針對(duì)數(shù)字圖像的邊緣檢測(cè)中有待解決的難點(diǎn)問題進(jìn)行分

2、析。在如何實(shí)現(xiàn)邊緣檢測(cè)的研究中，產(chǎn)生了一些經(jīng)典算法，在此分三部分對(duì)這些方法進(jìn)行詳細(xì)介紹，并在經(jīng)典算法的基礎(chǔ)上，對(duì)改進(jìn)方法做了說明。文中首先分析目前廣泛使用的Sobel、Roberts和Canny算法等邊緣檢測(cè)方法，在有噪聲和無(wú)噪聲的情況下，應(yīng)用這些檢測(cè)方法進(jìn)行仿真實(shí)驗(yàn)，并將仿真實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比以分析算法的優(yōu)缺點(diǎn)。這些基于圖像灰度值的梯度進(jìn)行計(jì)算的算法對(duì)噪聲的敏感度比較高，一旦圖像出現(xiàn)噪聲的時(shí)候，這些算法可能將噪聲當(dāng)作圖像的邊緣檢測(cè)出來，

3、也可能混淆真正的邊緣點(diǎn)與噪聲點(diǎn)而發(fā)生誤檢或漏檢的現(xiàn)象。通過分析經(jīng)典算法的優(yōu)缺點(diǎn)，本文對(duì)經(jīng)典邊緣算法中的Sobel邊緣檢測(cè)算法進(jìn)行改進(jìn)。將Sobel邊緣檢測(cè)算子由2個(gè)方向擴(kuò)展到8個(gè)方向來計(jì)算圖像的像素點(diǎn)，并且根據(jù)邊緣點(diǎn)之間的相互關(guān)系來確定圖像的真正邊緣點(diǎn)。以最終確定是圖像邊緣點(diǎn)還是噪聲點(diǎn)，并據(jù)此完成整體圖像邊緣的檢測(cè)。隨后本文介紹了基于模糊集理論的邊緣檢測(cè)方法，指出其優(yōu)缺點(diǎn)并且提出了一種改進(jìn)算法，取得了不錯(cuò)的檢測(cè)效果。最后文章介紹了基于數(shù)