基于邊緣提取的圖像檢測(cè)與分割技術(shù).pdf

1、圖像的邊緣攜帶了圖像的大部分信息，它包含了圖像的基本特征。邊緣檢測(cè)是圖像處理和模式識(shí)別的重要方法，如圖像分割和自動(dòng)目標(biāo)識(shí)別等。它是圖像處理研究領(lǐng)域的重要課題之一。 邊緣檢測(cè)的傳統(tǒng)方法一般僅給予邊緣鄰域的一階或二階導(dǎo)數(shù)特征。本文提出了梯度參數(shù)自學(xué)習(xí)技術(shù)，它克服了經(jīng)典邊緣檢測(cè)算法抗噪性能欠佳，提取邊緣不夠準(zhǔn)確等缺點(diǎn)，提高了邊緣檢測(cè)算子的抗噪性能，能更準(zhǔn)確地檢測(cè)出帶噪圖像的邊緣，從而提高算法的實(shí)用性。此外，通過(guò)統(tǒng)計(jì)參數(shù)自學(xué)習(xí)的方法，針

2、對(duì)大量的圖像，自適應(yīng)構(gòu)造邊緣檢測(cè)的閥值，能盡可能檢測(cè)出圖像的真實(shí)邊緣，減少或避免偽邊緣。 完成邊緣點(diǎn)的檢測(cè)后，為了得到能夠表現(xiàn)物體基元的邊緣鏈，我們需要進(jìn)行邊緣連接的工作——將邊緣點(diǎn)連接成有意義的直線或曲線段，得到物體外部的閉合輪廓，進(jìn)行圖像分割。針對(duì)經(jīng)典邊緣連接方法定位邊緣不準(zhǔn)，適用范圍窄等缺點(diǎn)，本文提出了基于模糊判決的圖像邊緣連接方法并給出了邊緣連接搜索的停止原則，并將其應(yīng)用到圖像邊緣檢測(cè)連接中。通過(guò)理論分析及仿真結(jié)果證明，