基于邊緣提取的圖像檢測與分割技術.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。邊緣檢測是圖像處理和模式識別的重要方法，如圖像分割和自動目標識別等。它是圖像處理研究領域的重要課題之一。 邊緣檢測的傳統(tǒng)方法一般僅給予邊緣鄰域的一階或二階導數(shù)特征。本文提出了梯度參數(shù)自學習技術，它克服了經(jīng)典邊緣檢測算法抗噪性能欠佳，提取邊緣不夠準確等缺點，提高了邊緣檢測算子的抗噪性能，能更準確地檢測出帶噪圖像的邊緣，從而提高算法的實用性。此外，通過統(tǒng)計參數(shù)自學習的方法，針

2、對大量的圖像，自適應構造邊緣檢測的閥值，能盡可能檢測出圖像的真實邊緣，減少或避免偽邊緣。 完成邊緣點的檢測后，為了得到能夠表現(xiàn)物體基元的邊緣鏈，我們需要進行邊緣連接的工作——將邊緣點連接成有意義的直線或曲線段，得到物體外部的閉合輪廓，進行圖像分割。針對經(jīng)典邊緣連接方法定位邊緣不準，適用范圍窄等缺點，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，并將其應用到圖像邊緣檢測連接中。通過理論分析及仿真結果證明，