基于小波變換及形態(tài)學的光學圖像邊緣檢測研究.pdf

1、圖像是人們獲取信息的重要來源，而圖像的邊緣又是圖像豐富的內在信息，是圖像分割、圖像壓縮、圖像識別等圖像處理的重要依據。由于圖像邊緣和噪聲均為高頻信號，因此如何有效的提取噪聲圖像的邊緣一直是圖像處理領域研究的難點和熱點。本文對基于小波變換及數學形態(tài)學的圖像邊緣檢測方法進行了深入地研究，并對現(xiàn)有方法進行改進，主要包含以下內容：
　　首先，對圖像邊緣檢測的研究意義及其國內外研究現(xiàn)狀，邊緣檢測存在的“兩難問題”及性能評價標準等進行了總結。

2、接著詳細介紹了小波變換和數學形態(tài)學的基本知識，為后續(xù)邊緣檢測方法的提出奠定了理論基礎。
　　其次，提出了一種新的雙閾值方法，實現(xiàn)了閾值的局部自適應性。對于模值在雙閾值之間的像素，該方法利用邊緣與噪聲的差異性進一步篩選候選邊緣點，提高了檢測精度，能在去除噪聲的同時，有效地保留圖像細節(jié)信息，改善邊緣檢測的視覺效果。
　　再次，論文將多尺度結構元素濾波去噪與形態(tài)學的銳化算法相結合，有效地濾除噪聲的同時，銳化了圖像細節(jié)邊緣；在此基礎

3、上，利用邊緣方差將多結構元素檢測出不同方向的邊緣信息進行自適應融合，得到的邊緣圖像幾乎不受噪聲的影響，較好地保持圖像的邊緣信息，邊緣連續(xù)性好。
　　最后，研究含噪圖像經過小波變換后，信號和噪聲表現(xiàn)出不同的相關特性，指出來了傳統(tǒng)尺度積函數的不足，提出了一種改進的尺度積函數，提高了邊緣定位精度。將其與形態(tài)學方法相結合進行邊緣檢測，彌補了單獨使用這兩種方法檢測邊緣的缺陷，充分利用了圖像邊緣信息，更加有效地去除了圖像中的噪聲，保留圖像中的