论文部分内容阅读
图像的边缘体现了重要的景物结构,往往携带了一幅图像的重要特征信息。边缘检测主要用于图像处理、机器视觉和模式识别中,是至今未得到圆满解决的经典技术之一。因此,寻找一种适用于多种图像且抗噪性能较好的边缘检测方法,成为一个亟需解决的问题。本文中所做的主要工作如下:(1)对传统经典的边缘检测算法进行分析比较,并参照仿真结果说明各方法的优缺点;(2)基于小波变换理论,详细介绍了B样条小波函数,将其与现阶段较好的边缘检测canny算子中所用到的Gaussian平滑函数进行比较,证明B样条小波函数抗噪的优越性,并对三次B样条函数进行仿真;(3)用三次B样条检测算法,对多组含有不同噪声的图像进行边缘检测仿真实验,同时进行抗噪性能的仿真测试,图像和数据结果都证实了本文方法较canny算子的优越性;(4)对含有不同细节量的图像进行本文方法的检测,分别将其应用在细节量较少、中等以及较多的图像中,并于canny算法进行比较。(5)将三次B样条小波边缘检测应用到图像融合中,并与经典的基于小波融合方法进行比较,得出融合客观评价结论,证明了此方法的可行性。理论分析和实验结果表明:三次B样条小波边缘检测算子滤波器模板系数简单,大大减少了计算量,对含不同噪声的图像,在主观视觉和客观数据评价上其抗噪性能都优于canny算子;对含有不同细节量的图像,该方法更适用于细节量中等以及较少的图像,且结果优于canny算法;将三次B样条边缘检测法应用在图像融合中,更好地突出了边缘细节,使轮廓更加鲜明,但对于有些细节较多的图像,由于此方法对边缘较敏感而会造成融合图像中边缘点较多的现象。这也是在以后学习中需要改进的地方。经过多次实验测试,该算子展示了较好的抗噪性能,但在边缘检测上也存在一定局限性,随着处理图片的不同具有不同的检测效果。因此,在处理图片时需要根据不同特性的图像来选择其合适的检测算子,甚至要对算子进行某种程度的改进。