邊緣檢測開題報告

時間：2024-06-29 13:07:47 學(xué)人智庫我要投稿

相關(guān)推薦

邊緣檢測開題報告

　　邊緣檢測是處理圖像的基本問題，本文給大家介紹邊緣檢測開題報告。

邊緣檢測開題報告

　　邊緣檢測開題報告：

　　HEFEIUNIVERSITY;畢業(yè)設(shè)計(開題報告);題目基于小波變換的圖象邊緣識別算法的Visual;姓名指導(dǎo)老師;完成時間二零一零年三月;合肥學(xué)院電子電氣系畢業(yè)設(shè)計開題報告;附件;一、研究背景：;圖像中包含了人類所需要的感知世界，進(jìn)而認(rèn)識世界、;邊緣像素實質(zhì)上是指局部圖像范圍內(nèi)灰度的急劇變化(;二、主要內(nèi)容：;傳統(tǒng)的邊緣檢測方法基于空間運算，借助空域微分

　　HEFEI UNIVERSITY

　　畢業(yè) 設(shè) 計( 開題報告 )

　　題目基于小波變換的圖象邊緣識別算法的VisualC++實現(xiàn) 系別電子信息與電氣工程系專業(yè) 電子信息工程班級

　　姓名指導(dǎo) 老師

　　完成時間二零一零年三月

　　合肥學(xué)院電子電氣系畢業(yè)設(shè)計開題報告

　　附件

　　一、研究背景：

　　圖像中包含了人類所需要的感知世界，進(jìn)而認(rèn)識世界、改造世界的大部分信息量。圖像處理就是對圖像信息進(jìn)行加工處理，以滿足人的視覺心理和實際應(yīng)用的要求，理解圖像、識別圖像中的目標(biāo)是計算機視覺圖像處理的中心任務(wù)。

　　邊緣像素實質(zhì)上是指局部圖像范圍內(nèi)灰度的急劇變化(奇異點)，圖像邊緣就是二維圖像中奇異點的集合。物體形狀、物體邊界、位置遮擋、陰影輪廓及表面紋理等重要視覺信息在圖像中均有邊緣產(chǎn)生。圖像邊緣是圖像中最基本的特征，是分析理解圖像的基礎(chǔ)。邊緣檢測對于物體識別也是很重要的。因為:(l)人眼通過追蹤未知物體的輪廓(輪廓是由一段段的邊緣片斷組成的)而掃視一個未知的物體;(2)得到圖像的邊緣，能使圖像分析大大簡化;(3)很多圖像并沒有具體的物體，對于這些圖像的理解取決于它們的紋理性質(zhì)，而提取這些紋理性質(zhì)與邊緣檢測有極其密切的關(guān)系。所以邊緣檢測使數(shù)字圖像分析處理的前提，檢測結(jié)果的優(yōu)劣影響著下一步圖像壓縮、計算機視覺、模式識別的應(yīng)用，所以對它的研究具有現(xiàn)實意義和理論意義。

　　二、主要內(nèi)容：

　　傳統(tǒng)的邊緣檢測方法基于空間運算，借助空域微分算子進(jìn)行，通過將算子模板與圖像進(jìn)行卷積合成，根據(jù)模板的大小和元素值的不同有不同的微分算子，如Robert算子、Sobel算子、Prewitt算子、LOG算子、Canny算子等，這些算子雖然易于實現(xiàn)、具有較好的實時性，但由于邊緣檢測問題固有的復(fù)雜性，使這些方法在抗噪性能和邊緣定位方面往往得不到滿意的效果，這主要是因為邊緣和噪聲都是高頻信號，很難在噪聲和邊緣中作取舍。

　　邊緣檢測的不確定性指出邊緣檢測算子的抑噪能力和定位精度是一對矛盾，小尺度算子有利于邊緣定位，但對噪聲極為敏感;大尺度算子抑噪能力強，但邊緣定位精度差，甚至?xí)䜩G失某些局部細(xì)節(jié)。因此，固定尺度的邊緣檢測算子難以兼顧良好的邊界定位，噪聲抑制和弱邊界檢測等性能指標(biāo)。其實，人的視覺前期處理中有多個分辨率的邊緣算子在對圖像作卷積，各邊緣檢測算子輸出的組合能提高定位精度，減少噪聲干擾。

　　1983年Witkin提出尺度空間的思想，對邊緣檢測中的多尺度多分辨的思想進(jìn)行了深入、直接的研究。1992年Mallat提出小波變換多尺度邊緣檢測方法，并將小波邊緣檢測方法與LOG算子及Canny最優(yōu)檢測算子在小波意義下統(tǒng)一起來，更加明確地表達(dá)了多尺度的思想在邊緣檢測中的重要意義。小波變換具有良好的時頻局域化特性及多尺度分析能力，能夠根據(jù)多尺度分析構(gòu)造多尺度邊緣檢測算子，通過多尺度邊緣融合，實現(xiàn)圖像邊緣的檢測。

　　但是，由于小波理論產(chǎn)生的時間不長，其理論還算不上很成熟，應(yīng)用中缺少完全行之有效的應(yīng)用方法與步驟，這使得小波變換的應(yīng)用比Fourier變換的應(yīng)用復(fù)雜困難得多，本文嘗試將小波變換分析應(yīng)用于圖像的邊緣檢測這一計算機視覺中的重要環(huán)節(jié)。

　　三、設(shè)計方案和技術(shù)路線：

　　1.二維小波變換特性

　　定義：若滿足

　　1Wsf(x,y)=f*ψs(x,y)=2s??????????f(a,b)×ψ((x-a)/s,(y-b)/s)dadb，

　　1xy式中,f∈L2(R2),ψs,(x,y)(x,y)=2(,),L2(R2)表示平方可積的平面空sss

　　間，即能量有限的信號空間，則稱Wsf(x,y)為f(x,y)的小波變換。

　　當(dāng)尺度s=2j(1≤j≤J)J)時，則稱下式為二進(jìn)小波變換：

　　Wsf(x,y)=W2jf(x,y)=f*ψ2j(x,y)

　　定理：若N(x,y)為零均值的高斯白噪聲N(0，σ2 )，其中σ2為方差，記為N(x,y)～N(0，σ2 )，則：

　　WsN(x,y)～N(0，‖ψ‖2s2)

　　對于正交小波變換，‖ψ‖2=1，則：

　　WsN(x,y)～N(0，2) s

　　即零均值高斯白噪聲的正交小波變換仍為零均值的高斯噪聲，且方差σ2與尺度的平方成反比。

　　2.高斯-拉普拉斯(LOG)算子的邊緣檢測算法

　　?2??2?定義Laplacian算子為?f?2?2 ?x?y2

　　拉普拉斯算子是各向同性(isotropic)的微分算子。

　　1?2f(i,j)?f(i,j)?[f(i,j?1)?f(i,j?1)?f(i?1,j)?f(i?1,j)] 4

　　因此，Laplacian算子是線性二次微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。

　　對階躍狀邊緣，二階導(dǎo)數(shù)在邊緣點出現(xiàn)零交叉，即邊緣點兩旁二階導(dǎo)函數(shù)取異號，據(jù)此，對數(shù)字圖像{f(i,j)}的每個像素，Laplacian算子取它關(guān)于x軸方向和y軸方向的二階差分之和。

　　G(i,j)??2f(i,j)??x2f(i,j)??y2f(i,j) ?f(i?1,j)?f(i?1,j)?f(i,j?1)?f(i,j?1)?4f(i,j)

　　這是一個與邊緣方向無關(guān)的邊緣檢測算子。若?2f(i,j)在(i,j)點發(fā)生零交叉，則(i,j)為階躍邊緣點。

　　對屋頂狀邊緣，在邊緣點的二階導(dǎo)數(shù)取極小值。據(jù)此，對數(shù)字圖像{f(i,j)}的每個像素取它的關(guān)于x方向和y方向的二階差分之和的相反數(shù)，即Laplacian算子的相反數(shù)：

　　G(i,j)???2f(i,j)??f(i?1,j)?f(i?1,j)?f(i,j?1)?f(i,j?1)?4f(i,j)稱作邊緣圖像。

　　由于我們關(guān)心的是邊緣點位置而不是其周圍的實際灰度差，因此，一般都選擇與方向無關(guān)的邊緣檢測算子。用拉普拉斯算子檢測邊緣就是估算拉普拉斯算子的輸出，找出它的零點位置。

　　離散情況下，有幾種不同的模板計算形式：

　　?0?10???1?1?1??1?21????18?1???24?2??2???14?1????????0?10??或???1?1?1??或??1?21??

　　由于拉普拉斯算子是一個二階導(dǎo)數(shù)，它將在邊緣處產(chǎn)生一個陡峭的零交叉。由于噪聲點對邊沿檢測有一定影響，所以高斯拉普拉斯算子是效果較好的邊沿檢測器。他把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合了起來，先平滑掉噪聲，再進(jìn)行邊沿檢測，所以效果更好。通常的高斯拉普拉斯算子是一個5×5的模板：

　　??2?4?4?4?2???40?80?4????48248?4????4080?4?????2?4?4?4?2??高斯-拉普拉斯算子

　　3.計算機實現(xiàn)步驟

　　四、關(guān)鍵問題：

　　1：理解數(shù)字圖像邊緣檢測的算法;

　　2：理解多尺度小波變換的原理;

　　3：掌握小波變換與檢測算子所得數(shù)據(jù)的融合;

　　4：熟悉Visual C++程序設(shè)計。

　　五、時間安排：

　　1 —— 4周畢業(yè)實習(xí)并準(zhǔn)備開題報告;

　　5 —— 6周熟悉掌握Visual C++程序設(shè)計;

　　7周掌握用Visual C++進(jìn)行數(shù)字圖像處理;

　　8 —— 9周根據(jù)題目需求完成算法框圖設(shè)計及模塊劃分; 10——13周基于VC完成各模塊程序設(shè)計并在PC中實現(xiàn)仿真; 14——15周進(jìn)行仿真調(diào)試;