边缘在模式识别中是一种重要的低层次特征信息,它是基于局部特征识别的一类重要依据。图像信号采集设备获得的图像信息,能够被识别出来的信息量,易受信息采集时的拍摄角度、遮挡情况以及光照强度等因素影响。其中,由于光照强弱带来的图像边缘信息无法识别的问题,可以通过数字图像处理技术来解决。如何提高一幅光照不均的图像的质量,并准确检测出图像中的边缘特征,这将涉及到图像去噪、增强以及边缘检测等技术的研究。本文针对光照不均匀条件下其图像边缘识别模糊的问题,提出了两种不同的边缘检测算法,具体研究内容如下:(1)简要介绍了边缘检测算法的一阶、二阶微分算子的发展历程以及该领域研究近况;针对光照不均匀条件下的图像边缘检测问题,详细阐述了几种常用到的图像增强算法、边缘检测算法,并分析了不同算法的优劣;梳理了相关技术的理论知识,为本文的后续研究夯实了理论基础(2)边缘信息对光照非常敏感,尤其当物体表面被阴影遮挡或光照角度变化时,不容易检测到完整的边缘信息,会造成严重的识别错误。为了消除不均匀光照给边缘检测带来的影响,提出一种对数域梯度与改进Sobel算子相结合的边缘检测方法。该方法先是在对数域中削弱低频的入射分量增强高频的反射分量,提升图像亮度;然后合成改进的4方向Sobel算子,并用无穷范数表示梯度,使需要被检测的图像更加完整;最后通过Bernsen算法得到的阈值与高斯滤波后得到的Bernsen算法阈值进行线性组合来确定最佳阈值,使图像边缘更加连续完整。仿真实验结果表明,该方法可以有效消除不均匀光照对图像边缘检测的影响,与相关算法和文献相比,该方法对不同照度图像的边缘检测效果更好。(3)为了加深不均匀图像的增强效果,然后准确提取图像中的边缘细节特征,本文提出了一种多结构形态学与最大熵阈值相结合的边缘检测算法。首先,该算法构造了8方向、窗口大小为(2w(10)1)(?2w(10)1)的结构元素,以解决单一方向单一尺度的结构元素难以达到最佳滤波效果的问题;然后,通过数学形态学中的相关运算来提取图像中亮、暗区域的细节,并进一步整合过渡区域的细节;最后,结合改进的最大熵阈值分割方法得出最优分割阈值,以实现边缘细节特征的准确定位。仿真实验结果表明,该算法能够较好的平衡光照不均图像的明暗对比度,并能够准确实现边缘细节定位,与经典检测算法相比,该算法效果显著。