邊緣檢測及其評價方法的研究.pdf

1、邊緣檢測是圖像處理、計算機視覺、模式識別的一個關鍵問題，它是人們一直關注的熱點。在過去的幾十年里，已經有許多邊緣檢測算法和評價方法被提出，但目前尚未有一種普適的檢測算法，也沒有一種廣為接受的評價方法，因此對邊緣檢測算法和評價方法進行研究具有重要的意義。本文圍繞邊緣檢測和檢測結果評價這兩方面展開研究，主要貢獻如下：
　　 1.提出了邊緣連續(xù)性的數(shù)值評價指標。首先根據(jù)邊緣尺度和距離度量邊緣像素對邊緣段連續(xù)性的貢獻，接著構造一個單調增

2、函數(shù)來計算每一段邊緣的連續(xù)性指標，并以它們的加權均值作為邊緣圖像的連續(xù)性指標。橫向和縱向的對比實驗結果表明本文指標能客觀地評價邊緣圖像的連續(xù)性，為邊緣圖像評價打下了基礎。
　　 2.提出了一種邊緣重構圖像方法。該方法從多個角度搜索重構源集，以源集到待重構像素的心理距離進行加權插值重構新像素。與已有的邊緣重構圖像方法相比，該方法能有效地消除區(qū)間失真和偽邊緣出現(xiàn)的情況，使得重構圖像與源圖像具有更高的相似度。
　　 3.以重構

3、相似度、置信度和連續(xù)性指標為基礎，提出了一種無監(jiān)督的邊緣檢測效果的評價方法。其中重構相似度衡量邊緣的完整性和定位準確性，置信度反映真假邊緣像素的比例，連續(xù)性指標度量邊緣的連續(xù)程度。實驗結果表明該方法能有效地評價邊緣的質量，符合人們的直觀評價。
　　 4.從利用邊緣像素空間關系和抑制偽邊緣的角度出發(fā)，提出了一種單閾值自動設定方法。該方法首先按候選閾值降序依次生成邊緣圖像，接著計算它們的連續(xù)性指標和連續(xù)邊緣段數(shù)量，以右側出現(xiàn)邊緣段劇

4、增的連續(xù)性指標極大值點所對應的候選閾值為選定的閾值。與Otsu、Rosin和Medina閾值設定方法相比，本文方法具有更好的穩(wěn)定性和可靠性。
　　 5.提出了一種以滯后連接和預測搜索相結合的邊緣檢測方法。該方法根據(jù)像素梯度變化連接連續(xù)邊緣，同時根據(jù)像素的局部信息預測搜索間斷弱邊緣，使得算法能越過間斷點檢測出斷裂的邊緣段。與傳統(tǒng)滯后連接方法相比，該方法不僅降低了對閾值的依賴，而且能夠在檢測出弱的有意義邊緣的同時抑制具有同等梯度值的