圖像邊緣特征提取及細(xì)化研究.pdf

1、隨著現(xiàn)代信息采集技術(shù)的高度發(fā)展，數(shù)字圖像處理在視覺技術(shù)、航天科技、工業(yè)生產(chǎn)、醫(yī)學(xué)技術(shù)、軍事技術(shù)、高能物理和天氣預(yù)報(bào)等研究領(lǐng)域都展示了他強(qiáng)有力的應(yīng)用價(jià)值。因此，數(shù)字圖像處理在國(guó)民經(jīng)濟(jì)中占據(jù)著重要地位，所以圖像處理已成為計(jì)算機(jī)應(yīng)用領(lǐng)域內(nèi)的研究熱點(diǎn)之一。
　　作為數(shù)字圖像處理領(lǐng)域內(nèi)的一個(gè)非常重要分支，圖像邊緣檢測(cè)是圖像分析里面的最常見的最實(shí)用的方法之一。從上世紀(jì)50年代開始，隨著數(shù)學(xué)、信號(hào)處理以及計(jì)算機(jī)技術(shù)等發(fā)展到相當(dāng)?shù)乃?，?shù)字圖像處

2、理逐漸地引起了數(shù)學(xué)、信號(hào)處理、計(jì)算機(jī)方面等的學(xué)者的廣泛關(guān)注和研究，對(duì)數(shù)字圖像邊緣特征提取的研究上，許多學(xué)者也提出了很多改進(jìn)的方法與突破創(chuàng)新的觀點(diǎn)。
　　本文針對(duì)傳統(tǒng)的邊緣特征提取方法的特點(diǎn)。通過對(duì)數(shù)字圖像邊緣的特征，以及邊緣檢測(cè)的流程的分析，在此基礎(chǔ)上，結(jié)合不同算法各自的優(yōu)點(diǎn)對(duì)數(shù)字圖像邊緣自動(dòng)提取和邊緣精確定位提出兩種改進(jìn)算法。首先是針對(duì)傳統(tǒng)邊緣檢測(cè)方法中門限值設(shè)定問題，提出基于細(xì)菌覓食優(yōu)化算法（BacteriaForagingO

3、ptimizationAlgorithm，BFOA）的自適應(yīng)邊緣檢測(cè)算法，該算法結(jié)合細(xì)菌覓食優(yōu)化算法和Ostu算法的優(yōu)勢(shì)，自適應(yīng)地搜索閾值和檢測(cè)邊緣；其次是針對(duì)傳統(tǒng)邊緣檢測(cè)算法中將非邊緣點(diǎn)視作邊緣點(diǎn)檢測(cè)引起圖像邊緣變粗的不足，提出基于數(shù)學(xué)形態(tài)學(xué)細(xì)化算法（MathematicalMorphologyRefiningAlgorithm，MMRA）的邊緣特征提取算法，該算法利用數(shù)學(xué)形態(tài)學(xué)細(xì)化算法的對(duì)稱性，消除偽邊緣對(duì)圖像邊緣提取的影響。

4、>　　本文主要做了以下幾方面的工作：
　　(1)介紹目前國(guó)內(nèi)外數(shù)字圖像處理研究現(xiàn)狀，以及圖像邊緣特征。分析傳統(tǒng)邊緣檢測(cè)算法中存在的不足，融合細(xì)菌覓食優(yōu)化算法（BFOA）、數(shù)學(xué)形態(tài)學(xué)細(xì)化算法（MMRA）等算法的優(yōu)點(diǎn)提出本文的創(chuàng)新點(diǎn)，使之應(yīng)用與數(shù)字圖像邊緣檢測(cè)之中。
　　(2)使用最大類間方差算法（OtsuAlgorithm）作為適應(yīng)度函數(shù)，充分利用細(xì)菌覓食優(yōu)化算法（BFOA）全局尋優(yōu)的能力自適應(yīng)地搜索最佳邊緣分割閾值，并使之結(jié)

5、合Sobel算法（BFOA-SobelAlgorithm）用于數(shù)字圖像邊緣分割。仿真的實(shí)驗(yàn)結(jié)果表明該算法取得了良好的圖像邊緣檢測(cè)效果，且提高了最佳閾值地搜索速度。
　　(3)分析圖像邊緣檢測(cè)中出現(xiàn)的偽邊緣象素點(diǎn)的產(chǎn)生原因，利用數(shù)學(xué)形態(tài)學(xué)細(xì)化算法，對(duì)偽邊緣點(diǎn)進(jìn)行骨架抽取，以達(dá)到邊緣精煉細(xì)化的作用。并使之結(jié)合Sobel算法（MMRA-SobelAlgorithm）應(yīng)用于數(shù)字圖像邊緣檢測(cè)。實(shí)驗(yàn)證明本算法在保持原有圖像邊緣特征的情況下取得