數(shù)字圖像在人們生活中扮演著重要的角色。邊緣則是數(shù)字圖像中前景與背景的分界處,是圖像的一個(gè)重要特征。邊緣檢測(cè)一直是計(jì)算機(jī)視覺(jué)、圖像處理等諸多領(lǐng)域中的基礎(chǔ)且重要的研究課題。在諸多邊緣檢測(cè)算法中,Canny邊緣檢測(cè)方法是目前理論上相對(duì)最完善的一種邊緣檢測(cè)方法。不過(guò)Canny算法在濾波去噪、梯度計(jì)算、邊緣連接時(shí)的雙閾值選擇這幾個(gè)步驟上都存在著缺陷,算法的自適應(yīng)性較低。對(duì)于Canny算法中高斯濾波的缺陷,可以使用自適應(yīng)中值濾波來(lái)代替高斯濾波,保留圖像更多細(xì)節(jié)的同時(shí),提高對(duì)脈沖噪聲的去噪能力,以及提高算法的自適應(yīng)能力。而在梯度計(jì)算上,引入四方向計(jì)算梯度的方式,提高對(duì)噪聲的抗干擾能力,同時(shí)也能能夠有效地保留圖像細(xì)節(jié),減少邊緣點(diǎn)漏判的概率。在雙閾值的選取上,受最大類(lèi)間方差法啟發(fā),推導(dǎo)出雙閾值最大類(lèi)間方差法。在此基礎(chǔ)上,以圖像的經(jīng)過(guò)非極大值抑制的梯度直方圖為基礎(chǔ),獲取平均每梯度的非零像素點(diǎn)個(gè)數(shù),計(jì)算得到強(qiáng)邊緣點(diǎn)各梯度等級(jí)的概率上限,以此來(lái)確定雙閾值中高閾值的取值上限。相比MATLAB中自帶的Canny邊緣檢測(cè)方法,改進(jìn)后的算法具有良好的自適應(yīng)能力,對(duì)噪聲的抗干擾能力也更強(qiáng),檢測(cè)結(jié)果中細(xì)節(jié)更豐富,邊緣點(diǎn)定...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1Krisch算子模板

華中科技大學(xué)碩士學(xué)位論文極值，從而定位邊緣像素點(diǎn)的二階微分算子邊緣檢測(cè)方法。表1-1幾種一階微分算子模板Roberts算子0110-100-1Sobel算子-1-2-1-101000-202121-101Prew....

圖2-1一階高斯分布曲線

圖2-1一階高斯分布曲線.2中值濾波中值濾波是一種非線性濾波方式，引入這種濾波方式的主要原因是計(jì)算簡(jiǎn)單噪聲不敏感[35]，這種濾波方式在噪聲密度較低的時(shí)候能有效消除噪聲，且滑過(guò)程中能保持銳化的過(guò)渡或邊緣。其基本原理是，對(duì)于待處理像素點(diǎn)，以大小的模板選取其領(lǐng)域像素點(diǎn)，然后用選....

圖2-2對(duì)脈沖噪聲圖像進(jìn)行中值濾波可以看出，中值濾波能有效濾除脈沖噪聲，并且能很好地保留邊緣

13圖2-2對(duì)脈沖噪聲圖像進(jìn)行中值濾波可以看出，中值濾波能有效濾除脈沖噪聲，并且能很好地保留邊緣。代價(jià)是部分細(xì)節(jié)，且放大查看時(shí)圖像變得不平整。一般情況下，圖像的脈沖噪聲密度不會(huì)太大。而經(jīng)過(guò)試驗(yàn)驗(yàn)證，噪聲密度不1時(shí)，經(jīng)過(guò)一次中值濾波得到的降噪圖像，對(duì)比原圖計(jì)算，就能得到較高的....

圖2-3中值與自適應(yīng)中值濾波處理脈沖噪聲不過(guò)對(duì)于其他類(lèi)型噪聲，如高斯白噪聲、泊松噪聲、斑點(diǎn)噪聲等，自適應(yīng)中值濾波的降噪效果比中值濾波略有降低

華中科技大學(xué)碩士學(xué)位論文在lena圖中加入0.5密度的脈沖噪聲，分別用中值濾波和自適應(yīng)中值濾波進(jìn)行去噪處理，實(shí)驗(yàn)結(jié)果如圖2-3所示，對(duì)應(yīng)的圖像信噪比見(jiàn)表2-4。從結(jié)果中可以看出，自適應(yīng)中值濾波的效果明顯好于中值濾波。自適應(yīng)中值濾波能過(guò)濾掉幾乎全....

本文編號(hào)：3956323