大气悬浮颗粒污染物(TSP)是指空气动力学当量直径在100微米以下的固态和液态颗粒物,它是造成大气污染的重要原因之一。如何有效的识别出大气中悬浮颗粒状污染物,采取必要的保护措施,一直是国内外环境人员研究的一个重要课题。 在图像分析的研究和应用中,图像分割是一种基本的和关键的技术,其目的是将目标和背景分离,为目标识别、精确定位等后续处理提供依据,其结果直接影响到其后的信息处理过程。在图像分割中,边缘检测方法可以说是人们研究得最多的方法,它试图通过检测包含不同区域的边缘来解决图像分割问题。 由于小波变换具有良好的多尺度边缘检测性质,使得小波变换用于边缘检测的理论和应用都得到了极大的发展。建立在这些发展的基础之上,本文主要在经典的图像边缘检测方法研究、小波变换的基本理论研究、研究了利用小波算子进行图像边缘检测的方法、总结了在图像边缘检测中会遇到的一些问题这几方面作了部分工作。 经典的图像边缘检测方法包括:差分边缘检测、Roberts算子、Sobel算子、Prewitt算子、Robinson算子和Laplace算子,并通过理论分析和仿真计算,比较了它们各自的优缺点及适用性。这类经典的方法大都基于微分技术来确定图像的边缘,算法简单,但抗噪性能较差,适用于边缘比较清晰的图像边缘检测。然后介绍小波变换基本理论,给出了一种自适应整数小波变换方法。研究了利用小波算子进行图像边缘检测的方法。 小波变换具有良好的时频局部化特性及多尺度分析能力,本文利用选取合适的小波基函数,通过对含有边缘模糊的Lena标准图像,大气颗粒物数字图像进行图像的二值化,中值滤波,利用小波算法对处理后的图像进行边缘检测,显示出了这类方法与传统的边缘检测方法相比具有的良好效果。最后对本文工作进行了总结。列出了在图像边缘检测中会遇到的一些问题,以及应采取的措施。如:阈值选取、边缘检测的前后处理等。通过仿真计算,比较了在各种不同情况的检测结果。 本文工作对图像处理中的边缘检测方法研究以及应用有一定的参考价值。