邊緣檢測(cè)在圖像處理中占據(jù)著不容忽視的重要位置,在生產(chǎn)、生活中的諸多方面應(yīng)用廣泛,例如機(jī)械部件的故障檢測(cè)、醫(yī)學(xué)影像分析及模式識(shí)別等。但圖像在獲取以及存儲(chǔ)的過程中非常易于受到噪聲的干擾,使得在對(duì)含有噪聲的圖像進(jìn)行邊緣提取時(shí)會(huì)出現(xiàn)邊緣線條不清晰、間斷或不準(zhǔn)確等現(xiàn)象,大幅度降低了圖像邊緣檢測(cè)的準(zhǔn)確度。所以,在目前圖像邊緣檢測(cè)研究中,如何兼顧邊緣檢測(cè)算法的去噪能力和邊緣提取質(zhì)量是一個(gè)熱點(diǎn)研究內(nèi)容�？紤]到二進(jìn)小波與數(shù)學(xué)形態(tài)學(xué)在圖像處理中的優(yōu)勢(shì),本文主要研究了兩個(gè)不同性質(zhì)的二進(jìn)小波與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的圖像邊緣檢測(cè)算法。具體研究如下:首先,利用Shannon函數(shù)構(gòu)造一個(gè)具有非正交性、對(duì)稱性、頻譜有限且?guī)缀跆幪幊浞止饣亩M(jìn)小波,然后討論該二進(jìn)小波的相關(guān)性質(zhì),給出該二進(jìn)小波變換的積分表達(dá)式及反演公式。利用該二進(jìn)小波函數(shù)構(gòu)造一個(gè)非線性的新閾值函數(shù),并應(yīng)用于圖像去噪。新閾值函數(shù)在圖像噪聲去除過程中效果更加明顯。接下來,從結(jié)構(gòu)元素和形態(tài)學(xué)運(yùn)算性質(zhì)兩方面出發(fā),對(duì)形態(tài)學(xué)邊緣檢測(cè)算法進(jìn)行分析和改進(jìn),然后將數(shù)學(xué)形態(tài)學(xué)理論與閾值函數(shù)去噪相結(jié)合,得到一種邊緣提取算法。與單一形態(tài)學(xué)邊緣檢測(cè)相比,將兩種算法相融合得到的新邊緣... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

硬閾值函數(shù)圖像

軟閾值函數(shù)圖像

哈爾濱理工大學(xué)理學(xué)碩士學(xué)位論文19這兩種方法在去噪問題中雖然取得較好的效果，但卻都有著一定程度的不足。由于硬閾值函數(shù)存在間斷點(diǎn)，導(dǎo)致它處理的小波系數(shù)具有較差的連續(xù)性。軟閾值方法雖然克服間斷這一缺點(diǎn)，但它處理后的小波系數(shù)和實(shí)際的相比會(huì)有一定程度的差異。所以在實(shí)際應(yīng)用中如何選擇合適的閾值函數(shù)以達(dá)到更好的去噪效果是一個(gè)重要的研究方向。3.4.2幾種改進(jìn)的閾值函數(shù)折中閾值法,,,,,sgn(),0,jkjkjkjkjkTTT(3-27)其中01當(dāng)取0和1時(shí)，式(3-27)即為硬閾值和軟閾值方法。折中閾值函數(shù)圖像如圖3-5所示。圖3-5折中閾值函數(shù)Fig.3-5Thecompromisethresholdfunction文獻(xiàn)[19]改進(jìn)算法,,,,,,(),,log()(1)sgn()(),=10,jknjkTjkjkjkjkTjkjkTTTeT文獻(xiàn)[19]給出的改進(jìn)算法不僅能避免傳統(tǒng)閾值函數(shù)的不足，而且該算法具有調(diào)節(jié)因子，通過調(diào)整分解尺度值會(huì)做出自適應(yīng)調(diào)整，去噪時(shí)使用更加靈活，實(shí)用性強(qiáng)。但它的缺點(diǎn)在于函數(shù)在閾值點(diǎn)處的平滑性較差。其函數(shù)圖像如圖3-6。

【參考文獻(xiàn)】：
期刊論文
[1]一種新的小波閾值去噪算法在工程中的應(yīng)用[J]. 李名莉,焦欣欣.  計(jì)算機(jī)與數(shù)字工程. 2019(07)
[2]基于新閾值函數(shù)的小波閾值去噪算法[J]. 詹展,秦會(huì)斌.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(11)
[3]基于B樣條二進(jìn)小波變換的故障選相研究[J]. 李晨,張闊.  四川電力技術(shù). 2019(02)
[4]改進(jìn)Canny邊緣檢測(cè)的遙感影像分割[J]. 劉麗霞,李寶文,王陽萍,楊景玉.  計(jì)算機(jī)工程與應(yīng)用. 2019(12)
[5]融合小波變換和新形態(tài)學(xué)的含噪圖像邊緣檢測(cè)[J]. 余小慶,陳仁文,唐杰,許錦婷.  計(jì)算機(jī)科學(xué). 2018(S2)
[6]基于改進(jìn)小波閾值函數(shù)的醫(yī)學(xué)CT圖像降噪[J]. 張?jiān)?楊鵬.  計(jì)算機(jī)與數(shù)字工程. 2017(11)
[7]數(shù)學(xué)形態(tài)學(xué)在Criminisi圖像修復(fù)算法中的應(yīng)用[J]. 李尊,吳謹(jǐn),劉勁.  紅外技術(shù). 2015(07)
[8]改進(jìn)的抗噪形態(tài)學(xué)邊緣檢測(cè)算法[J]. 鄧彩霞,王貴彬,楊鑫蕊.  數(shù)據(jù)采集與處理. 2013(06)
[9]多結(jié)構(gòu)元素彩色圖像形態(tài)學(xué)邊緣檢測(cè)[J]. 尹星云.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2013(32)
[10]一種基于二進(jìn)小波變換的圖像邊緣檢測(cè)方法[J]. 馬麗亞木·阿布來孜,艾力米努·阿布力江,吐爾洪江·阿布都克力木.  激光與紅外. 2012(12)

碩士論文
[1]頻譜有限小波變換像空間的描述[D]. 陳夏夏.哈爾濱理工大學(xué) 2017



本文編號(hào)：3243115