论文部分内容阅读
边缘是图像的最基本特征,图像的大部分信息都存在于图像的边缘中。因此如何获取图像的边缘,成为图像处理与分析技术中的研究热点。到目前为止,已有许多图像边缘检测的算法,但由于边缘检测的复杂性和固有问题,在抗噪和边缘定位上都没有很好的解决。因为图像边缘点和噪声在频域内多为高频信号,目前的算法大多不能解决从局部高频信号中区分噪声和边缘的问题,小波变换的“时频”多尺度分析技术,为图像边缘检测提供了新的技术途径。
小波分析是继Fourier分析之后的新的时频域分析工具。由于其良好的时频局部化特点和多尺度特性,能有效地检测和分析信号的奇异点,在检测边缘的同时能有效地抑制噪声,成为研究非平稳信号的有力工具,在信息处理领域中倍受重视,在图像处理技术中得到广泛应用。
本文首先介绍了小波变换的发展和应用前景,概述了图像边缘检测技术的研究现状,然后对经典的图像边缘检测算法进行分析,研究各算子的特点,总结出各自的优缺点,由此引出小波变换应用于图像边缘检测中的研究。根据边缘检测的评价标准,参照最佳边缘滤波器的设计需求,确定用于边缘检测的小波基的选取准则,并通过实验比较选择了四阶B样条小波作为小波变换的基波。在此条件下,采用小波局部模极大值多尺度方法进行边缘检测。在使用小波模局部极大值过程中,针对局部模极大值的选取,采用沿梯度方向计算模极大值;针对阈值的选取,采用分块自适应阈值的选取方法。对比于传统的模极大值边缘检测方法,实验表明,本文的算法在取得较好的边缘检测效果的同时抑制了噪声。