邊緣檢測(cè)作為圖像處理領(lǐng)域中極其關(guān)鍵的一部分,成功應(yīng)用于航空航天探測(cè)、工業(yè)監(jiān)控生產(chǎn)、生物醫(yī)療科學(xué)等領(lǐng)域。邊緣檢測(cè)結(jié)果會(huì)直接影響后續(xù)其他圖像處理結(jié)果,因此,如何提高邊緣檢測(cè)精度成為圖像處理領(lǐng)域中的重要研究問題之一。傳統(tǒng)邊緣檢測(cè)算法主要包括基于一階微分和二階微分算子的方法,這些方法雖然運(yùn)算簡(jiǎn)單,便于實(shí)現(xiàn),但在邊緣檢測(cè)過程中對(duì)噪聲敏感,檢測(cè)結(jié)果中存在誤檢、漏檢、雙邊現(xiàn)象。因此,本文針對(duì)傳統(tǒng)邊緣檢測(cè)方法中存在誤檢、漏檢和雙邊的問題,提出一種基于多向分?jǐn)?shù)階微分的魯棒Canny邊緣檢測(cè)方法。本文的主要工作和研究成果如下:1、考慮到傳統(tǒng)邊緣檢測(cè)算法的檢測(cè)結(jié)果中存在的誤檢、漏檢和雙邊現(xiàn)象,本文首先在傳統(tǒng)Canny算法的邊緣檢測(cè)模板的基礎(chǔ)上,推導(dǎo)出了基于八方向分?jǐn)?shù)階微分算子的邊緣檢測(cè)模板。然后基于該模板提出了一種基于八方向分?jǐn)?shù)階微分算子的Canny邊緣檢測(cè)算法,最后通過對(duì)Lena和Cameramen圖像的仿真實(shí)驗(yàn),來驗(yàn)證本文所提出方法的有效性。2、針對(duì)基于八方向分?jǐn)?shù)階微分算子的Canny邊緣檢測(cè)方法的檢測(cè)結(jié)果中出現(xiàn)斷邊的問題,本文提出了基于梯度矢量流(Gradient Vector Flow,GVF)Sn...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-6幅頻特性曲線圖

邊緣檢測(cè)原理和方法17()()()0lim1nnjnnnjdfnfthftjhdtj===(2-35)(1)(1)!nnnnjjj+=耺(2-36)以上為基于整數(shù)階階數(shù)n的微分表達(dá)式，根據(jù)G-L定義，將整數(shù)階微分推廣到分?jǐn)?shù)階，得到基于分?jǐn)?shù)階階數(shù)v的微分表達(dá)式()()()()000....

圖3-1(a)離線計(jì)算

分算子推導(dǎo)出了基于八方向分?jǐn)?shù)階微分的邊緣檢測(cè)算子，再結(jié)合具體圖像，得到該圖像對(duì)應(yīng)的最優(yōu)分?jǐn)?shù)階階次，并按照Canny算法步驟，完成基于八方向分?jǐn)?shù)階微分算子的Canny邊緣檢測(cè)方法，最后，通過對(duì)標(biāo)準(zhǔn)圖像的檢測(cè)來驗(yàn)證算法的有效性。3.1Canny算法的總體思路本章針對(duì)傳統(tǒng)....

圖3-5Lena原圖

基于八方向分?jǐn)?shù)階微分算子的Canny邊緣檢測(cè)方法31在后續(xù)的圖像處理發(fā)展中，Lena圖像被廣泛應(yīng)用。Cameraman圖像和Lena圖像類似，是集多種圖像特點(diǎn)于一體的圖像，這種圖像能為圖像處理算法帶來極大的研究意義。本章對(duì)Lena圖像和Cameraman圖像進(jìn)行邊緣檢測(cè)，通過比較....

圖3-6(a)Sobel算法圖3-6(b)Canny算法圖3-6(c)本文算法Fig.3-6(a)SobelAlgorithmsFig.3-6(b)CannyAlgorithmsFig.3-6(c)TheMethodsofAlgorithms

基于八方向分?jǐn)?shù)階微分算子的Canny邊緣檢測(cè)方法31在后續(xù)的圖像處理發(fā)展中，Lena圖像被廣泛應(yīng)用。Cameraman圖像和Lena圖像類似，是集多種圖像特點(diǎn)于一體的圖像，這種圖像能為圖像處理算法帶來極大的研究意義。本章對(duì)Lena圖像和Cameraman圖像進(jìn)行邊緣檢測(cè)，通過比較....

本文編號(hào)：3940299