论文部分内容阅读
随着计算机学科和相关学科的发展,图像边缘提取技术取得了蓬勃的发展。图像边缘指的是图像中灰度值的突变部分,是图像最基本的特征之一。它包含了图像的大部分信息,图像边缘提取是图像处理问题中的重要技术。也是图像处理中最基础的问题之一。其优劣将直接影响整个计算机视觉系统性能的好坏,图像边缘的有效提取对于我们进行高层次的图像特征描述、识别和理解有着重要的辅助作用。图像边缘提取在航空、航天、遥感卫星图像、医学诊断图像等领域得到了广泛的应用。很多学者为此进行了深入的研究,做了大量的工作,也取得了一定的研究成果。截止到目前,已提出许多图像边缘检测及提取算法,但由于实际图像往往不同程度的含有噪声,噪声和边缘在空间域上都表现为灰度值比较大的变化,在频域上都是高频分量,这使得两者很难清楚区分,给边缘提取带来了难度。同时由于不同的算法对不同类型的图像具有不同的提取效果,而且算法的复杂度和运行时间也不同,所以图像边缘提取是至今没有得到圆满解决的经典技术之一。本文在综合论述图像边缘提取方法的研究现状和发展趋势的基础上,从图像边缘提取的经典算法入手,首先采用各种算法对不同图像进行边缘提取的仿真实验,分析不同算法的各种性能。其次在分析的基础上结合不同算法的优点,提出改进方法。本文主要工作如下:一是针对经典Canny算子自适应性以及边缘定位准确性不好、对于不同的图像,边缘提取的性能不同的缺点,对Canny算子中梯度幅度值和边缘定位方法进行改进来实现对图像的边缘提取;在改进的过程中,针对Canny算子由于前期运算复杂导致运算量大,最终时间用量较大的缺陷,因而对梯度幅度值计算方法进行改进,同时针对经典Canny算子下限阈值选取,低阈值设置过大将导致漏检图像边缘突变较小的边缘,为了解决这个矛盾,选用了四阈值边缘检测定位方法。二是针对经典模糊Pal.King算法在进行图像边缘提取过程中生硬地用待处理图像的灰度图来确定高低灰度部分,同时在处理过程中通过矩阵的变换和逆变换而对得到的模糊矩阵进行最大和最小矩阵元素值的确定,这样会使原图像很多边缘信息漏检进而造成图像边缘提取的不准确;为了改善这些不足,本文将采用模糊阈值分割的方法,根据图像不同区域的特点得到图像的区域阈值,然后采用图像边缘增强进而对图像边缘提取,使得能够很好避免图像边缘细节的丢失。同时该改进算法能够很好地避免传统模糊Pal.King算法的隶属度函数计算,减少算法的复杂度。三是针对目前对于图像边缘提取效果的评价标准比较零散不统一,本文根据文献中经常用到的主观评价标准和客观评价标准,对这两种标准进行总结融合,并结合客观评价标准中用到数学的定量分析,通过计算结果来给出图像边缘提取效果的定量分析,达到主观和客观的统一。同时对本文提出的改进算法应用该评价体系进行分析总结,发现达到的结果和理论上分析得到的结果一致。