小波變換邊緣檢測(cè)及邊緣線特征描述算法研究.pdf

1、邊緣是圖像的重要特征之一，攜帶有圖像的大部分信息。邊緣檢測(cè)和邊緣線特征描述是計(jì)算機(jī)視覺(jué)的重點(diǎn)研究?jī)?nèi)容，是進(jìn)行更高層次圖像處理的基礎(chǔ)。好的邊緣檢測(cè)算子既要具備較高的定位精度，同時(shí)又要有較強(qiáng)的抗噪聲能力。然而定位精度和抗噪聲性是相互矛盾的，至今還沒(méi)有一種算法可以同時(shí)滿足定位精度高和抗噪聲性好的要求。受圖像場(chǎng)景的復(fù)雜程度和邊緣檢測(cè)效果的影響，圖像的邊緣大都表現(xiàn)出不規(guī)則的幾何特性，很難用常規(guī)的幾何方法描述邊緣的線特征。邊緣線特征描述子應(yīng)該具有良

2、好的平移、旋轉(zhuǎn)、尺度不變性，同時(shí)還能夠抑制噪聲的干擾，具有較好的穩(wěn)定性。現(xiàn)有的方法大都難以滿足這些要求。
　　小波變換具有良好的時(shí)頻域多分辨率分析特性，非常適合圖像的邊緣檢測(cè)。傳統(tǒng)基于小波的邊緣檢測(cè)算法中圖像像素點(diǎn)的方向信息沒(méi)有得到充分利用，當(dāng)圖像受噪聲干擾嚴(yán)重或?qū)Ρ榷容^低時(shí)檢測(cè)效果并不理想。本文提出一種基于小波變換的三閾值多尺度融合邊緣檢測(cè)算法。首先，在每一尺度上，采用雙閾值的方法利用像素點(diǎn)的梯度幅值提取待定邊緣點(diǎn)；然后充分利用

3、圖像中邊緣點(diǎn)和噪聲點(diǎn)在梯度方向特性上所表現(xiàn)出的差異來(lái)確定當(dāng)前尺度下圖像的邊緣點(diǎn)；最后，融合不同尺度下的邊緣圖像，通過(guò)第三個(gè)閾值確定圖像的邊緣。本算法在保護(hù)低強(qiáng)度邊緣的同時(shí)，能夠很好的抑制噪聲的干擾，實(shí)驗(yàn)證明，在強(qiáng)噪聲干擾下仍可有效定位圖像的邊緣。
　　曲線的傅里葉描述算法建立在傅里葉分析的成熟理論之上，概念簡(jiǎn)單，便于理解，而且同時(shí)反映了曲線的全局和局部信息，是曲線描述的較優(yōu)算法。現(xiàn)有的傅里葉描述算法大都依賴于曲線的采樣，受邊緣檢測(cè)