自然圖像的邊緣檢測方法研究
本文選題:邊緣檢測 + 蟻群算法; 參考:《吉林大學》2017年碩士論文
【摘要】:圖像一直以來都是人們認識和了解世界的主要來源,在以前人們主要對圖像進行傳遞,而現(xiàn)在對圖像進行處理,提取出其中的信息變得越來越重要了。邊緣是圖像最基本的特征,包含了圖像的主要信息,邊緣檢測作為圖像處理中的關(guān)鍵步驟,對后續(xù)圖像處理工作,例如比較深入的特征描述、識別和匹配等都有著非常重要的作用。邊緣檢測的方法多種多樣,本文主要針對自然圖像,對其邊緣檢測方法進行研究。首先闡述了自然圖像的邊緣檢測方法的研究背景和意義,對邊緣檢測的相關(guān)技術(shù)和算法的研究現(xiàn)狀進行分析總結(jié)。并且對經(jīng)典的邊緣檢測算法進行研究,分析了其基本原理和特征,并基于自然圖像的檢測結(jié)果對這些算法進行分析和比較。然后介紹了經(jīng)典蟻群算法的原理及基于TSP問題的應(yīng)用模型,并對基于蟻群算法的邊緣檢測算法的原理進行分析和闡述。接下來介紹了基于基本蟻群的邊緣檢測算法以及自適應(yīng)分布式閾值策略,在此策略中,每一種螞蟻都自身攜帶一個局部閾值并在圖像中動態(tài)更新。然后,針對螞蟻隨機初始化會使每次實驗得到不同的結(jié)果,且存在在非邊緣區(qū)域存在較多螞蟻影響效果的問題,本文提出了基于梯度的螞蟻均勻分布策略,使得螞蟻在初始化分布的時候,更多的分布在邊緣區(qū)域。最后將實驗結(jié)果進行對比和分析。最后針對自然圖像中的城市道路圖像,應(yīng)用邊緣檢測方法,進行車道線的檢測和識別。對輸入圖像進行預(yù)處理和特征區(qū)域提取后,運行多種邊緣檢測算法對相同的輸入圖像進行處理,并分析和比較實驗結(jié)果,然后針對圖像的干擾背景,通過分析車道線特性,提出了基于輪廓圖的干擾背景去除的改進,使得在接下來的車道線檢測中的準確性有了一定的提升。并在此基礎(chǔ)上介紹了車道線物理性質(zhì)的識別,對車道線的類型識別和司機的安全駕駛做出了貢獻。
[Abstract]:Image has always been the main source for people to know and understand the world. In the past, people mainly transmitted the image, but now it is more and more important to process the image and extract the information from it. Edge is the most basic feature of the image, which contains the main information of the image. Edge detection is a key step in image processing. Recognition and matching play an important role. There are many methods for edge detection. In this paper, the edge detection methods of natural images are studied. Firstly, the research background and significance of natural image edge detection methods are introduced, and the research status of edge detection techniques and algorithms are analyzed and summarized. The classical edge detection algorithms are studied, and their basic principles and characteristics are analyzed, and these algorithms are analyzed and compared based on the detection results of natural images. Then the principle of classical ant colony algorithm and the application model based on tsp are introduced, and the principle of edge detection algorithm based on ant colony algorithm is analyzed and expounded. Then, the edge detection algorithm based on basic ant colony and the adaptive distributed threshold strategy are introduced. In this strategy, each ant carries a local threshold and updates dynamically in the image. Then, aiming at the problem that ant random initialization will result in different results in each experiment, and there are more ant effects in non-edge areas, a gradient based uniform ant distribution strategy is proposed in this paper. So that ants in the initial distribution, more distributed in the edge of the region. Finally, the experimental results are compared and analyzed. Finally, the edge detection method is used to detect and recognize the lane line for the urban road image in the natural image. After preprocessing and feature region extraction of the input image, the same input image is processed by a variety of edge detection algorithms, and the experimental results are analyzed and compared. Then, according to the interference background of the image, the characteristics of the lane line are analyzed. An improvement of interference background removal based on contour image is proposed to improve the accuracy of lane detection. On this basis, the physical property recognition of lane line is introduced, which contributes to the type identification of lane line and the safe driving of driver.
【學位授予單位】:吉林大學
【學位級別】:碩士
【學位授予年份】:2017
【分類號】:TP391.41
【相似文獻】
相關(guān)期刊論文 前10條
1 張文琴,狄紅衛(wèi);一種基于小波和形態(tài)學的邊緣檢測方法[J];暨南大學學報(自然科學與醫(yī)學版);2004年05期
2 董冬;圖像邊緣檢測方法簡介[J];試驗技術(shù)與試驗機;2004年Z2期
3 薛文格;鄺天福;;圖像邊緣檢測方法研究[J];電腦知識與技術(shù)(學術(shù)交流);2007年16期
4 謝可夫;周心一;許光平;;量子衍生圖像邊緣檢測方法[J];計算機工程與應(yīng)用;2008年30期
5 周恩明;薛方正;李楠;;一種簡單背景下的快速邊緣檢測方法[J];微計算機信息;2012年10期
6 趙慧;劉建華;梁俊杰;;5種常見邊緣檢測方法的比較分析[J];現(xiàn)代電子技術(shù);2013年06期
7 郝志航,徐兵;高精度邊緣檢測方法研究[J];量子電子學;1991年04期
8 盛錦華;;一種非線性的圖象邊緣檢測方法[J];安徽大學學報(自然科學版);1992年03期
9 ;亞象元邊緣檢測方法的研究[J];長春光學精密機械學院學報;1996年01期
10 張洪濤,段發(fā)階,葉聲華;一種快速亞像素邊緣檢測方法研究[J];計量學報;2002年04期
相關(guān)會議論文 前10條
1 廖?;駱德淵;秦東興;黃大貴;;一種用于零件定位系統(tǒng)的亞像素邊緣檢測方法[A];冶金自動化信息網(wǎng)年會論文集[C];2004年
2 廖?;駱德淵;秦東興;黃大貴;;一種用于零件定位系統(tǒng)的亞像素邊緣檢測方法[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年
3 伊曉東;趙慧;;建筑物立面影像邊緣檢測方法的研究[A];第二屆“測繪科學前沿技術(shù)論壇”論文精選[C];2010年
4 薛笑榮;趙榮椿;張艷寧;曾琪明;;一種并行的SAR圖像邊緣檢測方法[A];2005年信息與通信領(lǐng)域博士后學術(shù)會議論文集[C];2005年
5 鄭瑩;李光耀;孫燮華;;基于擴展數(shù)學形態(tài)學的自適應(yīng)邊緣檢測方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用(CACIS)學術(shù)會議論文集[C];2007年
6 王玉濤;苑瑋琦;程國輝;王師;;一種堆積顆粒圖像邊緣檢測方法[A];1998年中國智能自動化學術(shù)會議論文集(下冊)[C];1998年
7 王佩;申家振;張艷寧;;基于支撐矢量機的SAR圖像邊緣檢測方法[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學術(shù)會議論文集[C];2002年
8 李欽弟;蔡利棟;;一種基于非線性灰度變換的弱邊緣檢測方法[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年
9 辛大紅;;基于CUDA的圖像邊緣檢測方法[A];浙江省電子學會2008年學術(shù)年會論文集[C];2008年
10 李霞;冀海峰;黃志堯;李海青;;氣液兩相流ERT系統(tǒng)圖像邊緣檢測方法研究[A];第七屆青年學術(shù)會議論文集[C];2005年
相關(guān)博士學位論文 前1條
1 邢占峰;超聲醫(yī)學圖像處理中若干問題的研究[D];天津大學;2003年
相關(guān)碩士學位論文 前10條
1 黃婷婷;無人機自動巡線方法研究[D];沈陽理工大學;2015年
2 丁遠遠;基于蟻群算法的圖像邊緣檢測方法研究[D];安徽大學;2016年
3 趙倩;基于Mumford-Shah模型的邊緣檢測方法研究[D];華北電力大學(北京);2016年
4 肖曉;自然圖像的邊緣檢測方法研究[D];吉林大學;2017年
5 楊海波;基于分數(shù)階次信號處理的新型邊緣檢測方法研究[D];南京航空航天大學;2011年
6 張強勁;模糊框架下邊緣檢測方法的研究[D];重慶大學;2006年
7 葉楓;基于灰度圖像的邊緣檢測方法研究[D];西北工業(yè)大學;2003年
8 孫福利;模糊邊緣檢測方法研究[D];大連理工大學;2004年
9 王康泰;灰度圖像邊緣檢測方法研究[D];浙江工商大學;2007年
10 任文杰;圖像邊緣檢測方法的研究[D];山東大學;2008年
,本文編號:2018737
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2018737.html