分數(shù)階微分在邊緣檢測和圖像匹配中的應用.pdf

1、邊緣提取和圖像匹配是計算機視覺領域里的兩大核心課題，邊緣是圖像中重要的視覺信息，是圖像理解與場景感知的基礎，而對于具有復雜紋理的圖像，常用的邊緣檢測方法無法提取到有效的紋理細節(jié)；圖像匹配在圖像檢索、目標識別、機器人導航、醫(yī)學圖像分析、醫(yī)療診斷、傳感器網(wǎng)絡和文字識別等眾多領域有著廣泛的應用和廣闊的前景，SIFT算法是一種有效的基于局部特征的匹配算法，然而當圖像較模糊或具有弱紋理等結(jié)構(gòu)時必然會影響到SIFT特征的提取。因此，本文嘗試展開分數(shù)

2、階在這兩個問題中的應用進行研究，具體工作如下：
　　1、詳細討論了分數(shù)階微積分理論。分數(shù)階微積分作為整數(shù)階微積分的一個擴展，它可以處理任意階的微積分運算，故其應用范圍越來越廣泛。隨著分數(shù)階微積分理論的不斷發(fā)展，分數(shù)階微積分在信號處理中的優(yōu)勢日益顯著，在數(shù)字圖像處理中，對圖像信號進行分數(shù)階處理，既能提升信號的高頻成分，又能在一定程度上非線性地加強信號的中頻部分，并非線性地保留信號的低頻，這對于處理具有分形結(jié)構(gòu)、弱紋理結(jié)構(gòu)以及灰度均勻

3、的圖像具有很大的優(yōu)勢。
　　2、提出一種基于分數(shù)階微分的改進 Canny算子。該方法利用Grünwald-Letnikov(G-L)分數(shù)階微分定義來計算圖像梯度，提高了邊緣檢測的精度和魯棒性?；谠摲謹?shù)階微分定義設計了一種新的邊緣檢測模板，并通過實驗對比了不同的模板參數(shù)對邊緣檢測效果的影響。最后將本文的算法與常用的邊緣檢測方法及基于Riemann-Liouville(R-L)分數(shù)階微分定義的邊緣檢測算子進行對比。實驗證明，該算法具