噪聲圖像中模糊目標(biāo)的邊緣檢測研究.pdf

1、邊緣檢測技術(shù)是圖像分析的重要內(nèi)容,也是圖像處理領(lǐng)域中一種重要的預(yù)處理技術(shù),受到了人們廣泛的關(guān)注和重視。由于實(shí)際應(yīng)用中圖像質(zhì)量的優(yōu)劣性和目標(biāo)的復(fù)雜性,進(jìn)行邊緣檢測時(shí)往往要經(jīng)過圖像增強(qiáng),去噪等過程,并隨著信號處理、模糊數(shù)學(xué)、幾何學(xué)等基礎(chǔ)理論的發(fā)展,越來越多的新技術(shù)被引入到邊緣檢測方法中,如小波,灰色關(guān)聯(lián)度,灰色預(yù)測模型、模糊、遺傳算法神經(jīng)網(wǎng)絡(luò)、形態(tài)學(xué)、分形理論等技術(shù)。本文主要針對噪聲圖像中模糊目標(biāo)的邊緣特點(diǎn)進(jìn)行了深入的研究,主要涉及到圖像去

2、噪、模糊邊緣增強(qiáng)、盒維數(shù)計(jì)算、聚類分析、目標(biāo)邊緣判定。本文的主要工作和貢獻(xiàn)如下：
　　 1.介紹圖像邊緣處理技術(shù),系統(tǒng)地研究和探討了傳統(tǒng)的邊緣檢測算法以及基于新技術(shù)的邊緣檢測算法應(yīng)用,并總結(jié)了邊緣檢測研究的基本觀點(diǎn)與基本研究思路;
　　 2.針對基于分形維的邊緣檢測算法使邊緣不顯著的噪聲圖像中噪聲變大的問題。在分析分形維去噪特點(diǎn)的基礎(chǔ)上,提出基于模糊熵和分形維度的邊緣檢測算法,算法通過模糊熵的引入來抑制檢測中噪聲變大。帶

3、有椒鹽噪聲圖像中目標(biāo)邊緣提取的實(shí)驗(yàn)結(jié)果表明,該算法具有較好地抗噪能力;
　　 3.針對當(dāng)前已有的模糊增強(qiáng)算法以弱化強(qiáng)度弱的邊緣為代價(jià)來增強(qiáng)部分邊緣的問題,提出一種改進(jìn)的多層次模糊增強(qiáng)邊緣檢測算法,該算法首先利用Vlalley.emphasis算法得到合理閾值參數(shù),然后基于該閾值構(gòu)造一個(gè)凸的非線性隸屬函數(shù)來提高圖像增強(qiáng)的速度,并在由該隸屬函數(shù)映射得到的模糊特征平面上分區(qū)域應(yīng)用模糊增強(qiáng)算子以提高不同區(qū)域?qū)Ρ榷群推交ピ?最后利用模糊

4、測度有效地對邊緣進(jìn)行判定,并通過對比實(shí)驗(yàn)驗(yàn)證了該算法的可行性和有效性;
　　 4.針對在圖像中,噪聲污染使得直方圖波谷不明顯,且聚類算法中初始值選取的隨機(jī)性從而使得目標(biāo)檢測結(jié)果不穩(wěn)定的問題,本文結(jié)合像素在空間上的灰度變化相關(guān)信息,提出一種基于二維直方圖的聚類檢測算法,該算法在Otsu算法基礎(chǔ)上確定聚類的兩個(gè)聚類中心點(diǎn)的初始值,引入模糊元胞自動(dòng)機(jī)來判定聚類分割后圖像的邊緣。實(shí)驗(yàn)結(jié)果表明該算法能有效提取正確連續(xù)的邊緣,且目標(biāo)檢測結(jié)果