基于小波的模糊聚類(lèi)圖像邊緣檢測(cè).pdf

1、圖像的邊緣或輪廓檢測(cè)在圖像處理中占有重要的地位，對(duì)于圖像處理、計(jì)算機(jī)視覺(jué)來(lái)說(shuō)是一個(gè)非常重要的基本研究課題。邊緣表示了信號(hào)的突變，包含了圖像中大量的信息，故良好地保存邊緣信息是進(jìn)一步進(jìn)行圖像處理的基礎(chǔ)。 本文在小波變換的圖像邊緣檢測(cè)算法的基礎(chǔ)上，運(yùn)用模糊聚類(lèi)邊緣檢測(cè)算法，得到一種新的基于小波的邊緣檢測(cè)算法，避免了單純采用小波基對(duì)圖像分解使得高頻部分信息遺漏丟失的不足，同時(shí)有效濾除噪聲(偽邊緣點(diǎn))。主要工作有： (1)分析了

2、近年來(lái)小波分析的發(fā)展及其在圖像處理方面的應(yīng)用，描述了目前常用的圖像去噪及邊緣檢測(cè)的各種算法，分析了各算法的基本原理、特性以及存在的不足。 (2)研究了模式識(shí)別中的聚類(lèi)分析原理及模糊c均值聚類(lèi)方法(FCM)，針對(duì)FCM算法存在的不足(對(duì)孤立點(diǎn)數(shù)據(jù)比較敏感；需要事先指定聚類(lèi)數(shù)目c和模糊加權(quán)指數(shù)m，而c和m直接影響著聚類(lèi)的結(jié)果)，提出了一種改進(jìn)方法——自適應(yīng)模糊c均值聚類(lèi)方法。 (3)結(jié)合小波多尺度邊緣檢測(cè)方法與自適應(yīng)模糊c均