邊緣檢測(cè)技術(shù)研究.pdf

1、邊緣存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域,基元與基元之間,表現(xiàn)為圖像局部特征的不連續(xù)性,是圖像中灰度、顏色或紋理變化較強(qiáng)烈的地方,也是圖像最基本的特征之一。圖像的邊緣包含了目標(biāo)的重要信息,因此,邊緣檢測(cè)是圖象分析與模式識(shí)別的重要環(huán)節(jié),是圖像處理中的熱點(diǎn)和難點(diǎn)。
　　 本文從介紹邊緣檢測(cè)的基礎(chǔ)理論和現(xiàn)有的經(jīng)典邊緣檢測(cè)算法入手,分析了邊緣檢測(cè)的難點(diǎn),圍繞當(dāng)前邊緣檢測(cè)研究中存在的問題,對(duì)現(xiàn)有的一些算法進(jìn)行了改進(jìn),主要?jiǎng)?chuàng)新點(diǎn)體現(xiàn)在以

2、下幾方面的工作中:
　　 (1)灰度圖像的邊緣檢測(cè)方面,在濾波環(huán)節(jié),改進(jìn)了基于灰色關(guān)聯(lián)度的自適應(yīng)濾波算法,并運(yùn)用到圖像的濾波處理中,有效地解決了抑制隨機(jī)噪聲和保留邊緣細(xì)節(jié)之間的矛盾。在邊緣定位環(huán)節(jié),利用Krisch算子將邊緣方向引入基于形態(tài)學(xué)和基于灰色關(guān)聯(lián)度等一些利用新的數(shù)學(xué)模型的邊緣檢測(cè)算法,提高了檢測(cè)效果。
　　 (2)顏色空間方面,結(jié)合人類視覺感知特點(diǎn)對(duì)HSV色彩區(qū)域進(jìn)行了重新劃分,使其更接近人類視覺感知特點(diǎn)；修改

3、了HSV和RGB顏色空間之間的轉(zhuǎn)化關(guān)系,從而提高了顏色空間轉(zhuǎn)換速度。
　　 (3)彩色圖像邊緣檢測(cè)方面,介紹了當(dāng)前兩種主流的彩色圖像邊緣檢測(cè)算法:輸出融合法和多維梯度合成法,分析了這兩種方法的缺陷,根據(jù)人眼視覺特性提出以飽和度為準(zhǔn)則選擇性的利用各顏色分量的邊緣檢測(cè)思想,基于這種思想,對(duì)一些常用的彩色圖像邊緣檢測(cè)算法加以改進(jìn),改善了算法的性能。其次,本文將基于灰色關(guān)聯(lián)度的灰度圖像的邊緣檢測(cè)算法拓展到彩色圖像,得到基于灰色關(guān)聯(lián)度的彩