基于小波分析的邊緣檢測技術(shù)研究

1、基于小波分析的邊緣檢測技術(shù)研究基于小波分析的邊緣檢測技術(shù)研究摘要：隨著數(shù)字圖像采集技術(shù)和處理技術(shù)的飛速發(fā)展，圖像已成為人們獲取信息的重要途徑，圖像的邊緣信息反映了圖像中最有價(jià)值的信息，邊緣檢測是圖像處理和計(jì)算機(jī)視覺中最重要、最經(jīng)典的課題之一。邊緣檢測方法比較多，但這些算法各有自己的特點(diǎn)和特定的應(yīng)用領(lǐng)域。現(xiàn)在提出一種新的邊緣檢測算法，該算法以小波分析為基礎(chǔ)，通過對原始圖像進(jìn)行小波變換實(shí)現(xiàn)邊緣檢測，具有良好的檢測效果。小波變換在空域中分辨率

2、隨頻率的大小而調(diào)節(jié)，低頻粗疏，高頻精密，在小尺度參數(shù)的邊緣檢測算子能夠檢測出灰度發(fā)生的細(xì)變化，而大尺度參數(shù)的邊緣檢測算子能夠檢測出灰度發(fā)生的粗變化，使用小波多尺度變換可以更好的檢測圖像的邊緣和細(xì)節(jié)，能夠很好的將信號與噪聲分離關(guān)鍵詞：邊緣檢測；小波變換；濾波；檢測1引言引言當(dāng)今社會(huì)可以說已經(jīng)進(jìn)入了數(shù)字化的信息時(shí)代，而占存儲空間最大的信息量就是圖像，圖像中所包含的信息量比所有其他媒體信息量的總和還要多。圖像處理簡單的說就是把一副圖像根據(jù)一定

3、的目的變成另一幅經(jīng)過修改的圖像，就是對圖像進(jìn)行加工和處理來滿足人們實(shí)際需求。邊緣是圖像的最基本的特征之一。邊緣的定義有很多種，常用的定義為：邊緣是指圖像中灰度發(fā)生急劇變化的區(qū)域，或者說是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。它廣泛存在于物體與背景之間、物體與物體之間以及區(qū)域與區(qū)域之間。圖像邊緣和圖像內(nèi)在物理特性是直接相聯(lián)系的，所以邊緣蘊(yùn)含著圖像的大量的內(nèi)在信息，也能夠反映出目標(biāo)輪廓的位置。而這些輪廓常常包含著我們在圖像處理

4、時(shí)所感興趣目標(biāo)的重要特征，為人們描述或識別目標(biāo)以及解譯圖像提供了重要的特征信息，是圖像分割所依賴的重要特征。圖像邊緣是描述圖像最基本、最有意義的特征，故邊緣檢測是計(jì)算機(jī)視覺和圖像處理領(lǐng)域最經(jīng)典的研究課題之一，邊緣檢測的主要目的是對一圖像灰度變化進(jìn)行度量、檢測和定位。邊緣檢測器的工作既要將高頻信號從圖像中分離出來，又要區(qū)分邊緣和噪聲，準(zhǔn)確的標(biāo)定邊緣位置。小波被譽(yù)為“數(shù)學(xué)顯微鏡”，在時(shí)域和頻域都有良好的局部特性，以平滑函數(shù)的一階導(dǎo)數(shù)作為小波

5、函數(shù)對圖像進(jìn)行小波變換，小波系數(shù)的模極大值即對應(yīng)圖像的邊緣。點(diǎn)。2.1.42.1.4定位定位如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計(jì)，邊緣的方位也可以被估計(jì)出來。圖1邊緣檢測的基本步驟在邊緣檢測算法中，前三個(gè)部分用得十分普遍。這是由于大多數(shù)場合下，僅僅需要指出邊緣出現(xiàn)在圖像某一像素點(diǎn)的附近，而沒有必要指出邊緣的精確位置。邊緣檢測的經(jīng)典檢測方法，是對原始圖像中像素的某個(gè)鄰域來構(gòu)造邊緣檢測算子。2.22.2經(jīng)典

6、的邊緣檢測技術(shù)經(jīng)典的邊緣檢測技術(shù)圖像邊緣檢測就是研究更好的邊緣檢測方法和檢測算子。邊緣檢測的實(shí)質(zhì)是采用某種算法來提取出圖像中對象與背景間的交線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。經(jīng)典的邊緣檢測方法有一階導(dǎo)數(shù)極大值點(diǎn)算法(例如Robert算子、Sobel算了、Canny算子)，二階導(dǎo)數(shù)零交叉點(diǎn)算法(例如LoG算子)等等。新的

7、邊緣檢測方法有數(shù)學(xué)形態(tài)學(xué)的方法、模糊算子法、神經(jīng)網(wǎng)絡(luò)法、小波分析法、遺傳算法、動(dòng)態(tài)規(guī)劃法、分形理論法等等。下表列舉了幾個(gè)經(jīng)典的邊緣檢測算子及各算子特點(diǎn)。表1各個(gè)算子的特點(diǎn)算子檢測邊緣最佳情況Roberts對具有陡峭的低噪聲的圖像效果較好。但是利用Roberts算子提取邊緣的結(jié)果是邊緣比較粗，因此邊緣定位不是很準(zhǔn)確。Sobel對灰度漸變和噪聲較多的圖像值處理效果比較好。Sobel算子對邊緣定位比較準(zhǔn)確。Prewitt對灰度漸變和噪聲較多的