基于BLACKFIN的圖像邊緣檢測(cè)算法.pdf

1、邊緣檢測(cè)主要用于圖像處理、機(jī)器視覺(jué)和模式識(shí)別,其檢測(cè)結(jié)果的好壞對(duì)于進(jìn)行圖像高層次的特征描述、識(shí)別和理解有著重大影響。小波分析是近年來(lái)興起的數(shù)學(xué)分析理論,由于其時(shí)頻局部化特性,在圖像信號(hào)的分析與處理領(lǐng)域獲得了廣泛的應(yīng)用。特別是其在大尺度下利于抑制噪聲、而小尺度下利于精確定位邊緣的性質(zhì),非常適用于圖像的邊緣檢測(cè)。
　　 本文首先分析了小波理論及邊緣檢測(cè)算法發(fā)展概況,通過(guò)對(duì)現(xiàn)有邊緣檢測(cè)算法的分析和討論,提出了一種基于邊緣融合的小波邊緣

2、檢測(cè)算法。該算法利用了平穩(wěn)小波的相位不變性,將各尺度下的邊緣檢測(cè)結(jié)果進(jìn)行融合,獲得了更好的邊緣細(xì)節(jié)信息,并進(jìn)一步結(jié)合PCNN開(kāi)發(fā)了預(yù)處理算法。在此基礎(chǔ)上,針對(duì)小波方向性的問(wèn)題,提出了利用非抽樣Contourlct變換分解后,對(duì)各子帶檢測(cè)結(jié)果進(jìn)行融合的邊緣檢測(cè)算法。
　　 其次,通過(guò)分析比較各種DSP性能,并且結(jié)合本設(shè)計(jì)具體情況,選擇ADI公司的Blackfin531DSP作為圖像處理系統(tǒng)的核心處理器。并以此為平臺(tái)實(shí)現(xiàn)了本文提出的