学位论文 > 优秀研究生学位论文题录展示
基于形态学的图像边缘检测技术研究
作 者: 沈阳
导 师: 李晓峰
学 校: 电子科技大学
专 业: 通信与信息系统
关键词: 图像处理 边缘检测 数学形态学 多结构元素 多尺度
分类号: TP391.41
类 型: 硕士论文
年 份: 2008年
下 载: 831次
引 用: 18次
阅 读: 论文下载
内容摘要
图像边缘是图像的最基本特征,边缘检测在计算机视觉和图像处理领域中发挥着重要的作用,广泛应用于图像分割、目标自动识别、机器人、遥感、医学图像分析等领域。边缘检测是图像处理与分析中最基础的内容之一,也是至今仍没有得到圆满解决的一类问题。因此,图像边缘和轮廓特征的检测与提取方法,一直是图像处理与分析技术中的研究热点,新理论、新方法不断涌现。数学形态学是一种基于集合论的方法和理论。利用数学形态学进行图像处理的基本思想是利用一个结构元素去探测一个图像,通过对目标图像的形态变换实现结构分析和特征提取的目的。本论文的主要目的是围绕数学形态学进行图像边缘检测算法的研究,将形态学的思想和方法用于受噪声污染图像的边缘检测,实现在获得较好边缘细节的同时提高抗噪性。本文首先介绍了边缘检测的研究背景、意义和研究现状。接着本文对常用的图像边缘检测理论和方法做了介绍和分析,对每种算法进行了仿真实验,给出了仿真结果,分析了各算法在噪声情况下的特性。然后,本文详细地讨论了数学形态学的基本理论,对数学形态学在图像处理中的常见应用做了介绍和仿真。接着本文着重研究了基于形态学的图像边缘检测方法。文章阐明了采用形态学方法进行边缘检测的优势,指出了一般的形态学边缘检测方法的特点和存在的不足,针对抗噪性、检测结果的均方误差以及峰值信噪比,利用形态学运算的特性,结合不同形态学算子的特点,对已有的形态学边缘检测算法做了改进。接着,文章分析了结构元素的选择,介绍了多结构元素和多尺度结构元素检测的概念,最终改进并构造出了多尺度多结构元素形态学边缘检测算子。最后本文对改进后的形态学边缘检测算法进行了实验仿真,和传统的边缘检测方法进行了比较,给出了仿真结果和数据,对该算法的准确性、抗噪性、鲁棒性和实用性进行了实验分析。实验证明,本文构造的多尺度多结构元素形态学边缘检测算子具有良好的检测效果,抗噪性好,适用于多种场景,有很好的应用价值。
|
全文目录
摘要 4-5 ABSTRACT 5-15 第一章 绪论 15-22 1.1 课题研究背景及意义 15-16 1.2 图像边缘检测技术的研究现状 16-20 1.2.1 经典算子 17 1.2.2 最优算子 17-18 1.2.3 多尺度方法 18 1.2.4 基于模糊数学的边缘检测方法 18-19 1.2.5 基于人工智能的边缘检测方法 19 1.2.6 基于数学形态学的边缘检测方法 19-20 1.3 论文结构及内容安排 20-22 第二章 图像边缘检测的常见算法 22-35 2.1 基于梯度的边缘检测算子 23-28 2.1.1 Roberts算子 24-25 2.1.2 Sobel算子 25-26 2.1.3 Prewitt算子 26-28 2.2 二阶的微分边缘检测算子 28-32 2.2.1 拉普拉斯算子 28-29 2.2.2 LoG算子 29-32 2.3 Canny算子 32-33 2.4 噪声情况下几种常用边缘检测方法的结果 33-34 2.5 本章小结 34-35 第三章 形态学基本理论及应用仿真 35-55 3.1 数学形态学发展及研究内容 35-36 3.2 二值图像形态学 36-44 3.2.1 数字图像的表示及反射平移 37-38 3.2.2 二值图像膨胀运算和腐蚀运算 38-40 3.2.3 二值形态膨胀和腐蚀运算的性质 40-42 3.2.4 二值图像开运算和闭运算 42-43 3.2.5 二值图像开闭运算性质 43-44 3.3 灰度图像形态学 44-50 3.3.1 预备数学知识 44-45 3.3.2 灰度图像膨胀和腐蚀运算 45-48 3.3.3 灰度图像膨胀和腐蚀的性质 48-49 3.3.4 灰度图像开运算和闭运算 49-50 3.3.5 灰度图像开闭运算性质 50 3.4 形态学在图像处理的基本应用及仿真 50-53 3.4.1 去除噪声点 51 3.4.2 击中或击不中变换 51-52 3.4.3 细化和粗化 52-53 3.4.4 标注连接分量 53 3.5 本章小结 53-55 第四章 基于形态学的图像边缘检测方法 55-89 4.1 图像边缘的定义 55-56 4.2 形态学图像平滑 56-57 4.3 传统形态学边缘检测算子 57-64 4.4 一种改进的抗噪边缘检测算子 64-72 4.5 多尺度多结构元素的边缘检测方法 72-77 4.5.1 多结构元素的选择 73-74 4.5.2 多尺度结构元素边缘检测方法 74-76 4.5.3 多尺度多结构元素方法 76-77 4.6 算法实验与分析 77-87 4.6.1 对单帧图像的检测实验与分析 77-82 4.6.2 对算法鲁棒性的实验和分析 82-85 4.6.3 对视频图像序列的检测实验和分析 85-87 4.7 本章小结 87-89 第五章 结束语 89-91 5.1 工作总结 89-90 5.2 展望 90-91 致谢 91-92 参考文献 92-95 个人简历及攻读硕士学位期间的研究成果 95
|
相似论文
- 基于CCD图像传感器的温度测量技术研究,TH811
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 舌体特征的提取及融合分类方法研究,TP391.41
- 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 基于数学形态学分析的激光散斑特性研究,O29
- 空中目标抗干扰识别跟踪系统,TN215
- 半成型结构在休闲女装中的应用,TS941.2
- 基于区域分割的遥感影像道路提取算法研究,TP751
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于数字图像处理的血管管径自动测量技术,R310
- 基于机器视觉的光纤几何参数检测研究,TN253
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
- 蚁群算法及其在气象卫星云图分割中的应用,TP391.41
- 基于图像处理技术的两相流动特性描述,TP391.41
- 基于高分辨率遥感数据的矿区房屋信息提取方法研究,TP751
- 基于多尺度分析的图像融合算法研究,TP391.41
- 交通视频中车辆异常行为检测及应用研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|