基于小波變換的護坡植被根系圖像邊緣檢測.pdf

1、近幾年,植被護坡的方法在邊坡治理中被廣泛應用,該方法兼具了邊坡綠化和邊坡加固的雙重作用。本論文選題于國家自然基金項目“基于根際微結構動態(tài)模型分析的植被固坡作用機理研究”。該基金項目,運用陣列分布內(nèi)窺式圖像手段獲取護坡植物生長過程中的根形態(tài)和土體結構、顆粒組成、土壤裂隙等根際物理因子的圖像信息。然后對采集的圖像信息進行分析和處理,并建立植被根際微結構動態(tài)分析模型,通過對模型進行分析,探索植被固坡機理以實現(xiàn)植被固坡作用的定量分析。
　

2、　 本論文利用圖像處理技術對與根系形態(tài)密切相關的參數(shù)根系邊緣進行了檢測處理,對根系模型的建立,基金項目的實施和完成具有很大幫助。
　　 邊緣作為圖像的重要特征,是圖像像素灰度不連續(xù)的表現(xiàn),也即圖像像素中奇異點的集合。在圖像處理中,邊緣檢測具有十分重要的作用。因為邊緣中通常包含著很多有價值的目標邊界信息,這些邊界信息構成了圖像的輪廓特征。根系圖像的輪廓正是項目實施過程中需要進行檢測和提取的邊緣特征。
　　 小波變換是在傅

3、里葉變換基礎上發(fā)展而來的數(shù)學分支,在時域和頻域均具有良好的局部化特性,可通過伸縮和平移等運算完成對信號的多尺度細化分析,特別是在信號的奇異性檢測方面具有很大的優(yōu)勢。因而,本文采用小波變換來對采集到的護坡植被根系圖像進行邊緣檢測處理。
　　 本文首先采用了傳統(tǒng)的微分邊緣檢測算子對護坡植被根系圖像進行了邊緣檢測。檢測結果表明微分算子對噪聲比較敏感,而且在單一的檢測尺度下并不能很好的檢測出根系邊緣的細節(jié)信息。之后,根據(jù)小波函數(shù)的多分辨

4、率特性,選用高斯函數(shù)的偏導數(shù)作為小波函數(shù),利用模極大值的邊緣檢測方法對根系圖像進行了多尺度下的邊緣檢測。檢測結果表明多尺度下的邊緣檢測可以更好的抑制噪聲的影響,并且在圖像邊緣的細節(jié)信息和邊緣的完整性都有很好的檢測效果。文章最后選用了三次B樣條小波函數(shù)對護坡植被的根系圖像進行了多尺度下的邊緣檢測。先根據(jù)Canny的邊緣檢測準則證明了三次B樣條小波的近似最優(yōu)性,然后通過計算求出了三次B樣條小波的高通和低通濾波器系數(shù)。B樣條小波的檢測結果表明