基于小波变换的图像边缘检测
基于小波变换的图像边缘检测(论文12000字)
摘 要:本文研究了一种基于小波变换的多尺度边缘检测算法和阈值算法相结合的新型检测算法,解决了传统图像边缘提取方法中的去噪能力弱以及边缘提取不够细致的问题。由于小波变换拥有多尺度条件下聚焦的功能和比较好的检测局部突变的能力,比较适合进行多尺度边缘检测,所以能够解决不同尺度下的图像边缘提取定位结果不准确或错误的边缘的问题 。因此将多尺度边缘检测与小波阈值去噪算法获相结合来进行检测,测试分析结果体现出,在跟传统的边缘检测提取方法比较之下,本文中的算法具有较强的克制噪声的能力,边缘提取也更为精准。
关键词:小波变换;边缘检测;图像处理
Study Of Image Edge Detection Based on Wavelet Transform
Abstract: In this paper, a new detection algorithm based on multi - scale edge detection algorithm and threshold algorithm based on wavelet transform is proposed to solve the problem that the traditional image edge extraction method is weak and the edge extraction is not enough. Because wavelet transform has the function of focusing on multi-scale conditions and the ability to detect local mutations, it is more suitable for multi-scale edge detection. So it can solve the problem that the edge of image is not accurate or wrong at different scales. Therefore, the multi-scale edge detection and wavelet threshold denoising algorithm are combined to test. The results of the test show that the algorithm in this paper has the ability of restraining noise compared with the traditional edge detection extraction method, Edge extraction is also more accurate. [资料来源:http://Doc163.com]
Key words:wavelet transform;edge detectionimage;image processing
[资料来源:http://Doc163.com]
目 录
1 绪论 3
1.1 选题背景及意义 3
1.2 国内外研究现状 3
2 图像边缘检测算法的基本理论 4
2.1 图像边缘及其检测原理 4
2.1.1 图像边缘模型 4
2.1.2 边缘检测原理 5
2.2 经典边缘检测技术 5
2.2.1 一阶边缘检测技术 5
2.2.2 二阶边缘检测技术 7
2.3 本章小结 8
3 小波变换的基本原理 8
3.1 一维小波变换 8
3.1.1 连续小波变换 8
3.1.2 离散小波变换 10
3.2 二维小波变换 11 [资料来源:www.doc163.com]
3.3 本章小结 12
4 基于小波变换的图像边缘检测 12
4.1 基于小波变换的多尺度边缘检测 12
4.1.1 小波变换多尺度边缘检测的原理 13
4.1.2 实现步骤 14
4.2 小波变换与Canny算子相结合的边缘检测 15
4.2.1 Canny 算子的最优准则 15
4.2.2 算法实现方法 15
4.3 小波多尺度边缘检测与阈值法去噪相结合的算法 15
4.3.1 小波阈值法去噪 16
4.3.2 基于小波变换的阈值函数 16
4.3.3 新的阈值函数选取 17
4.3.4 新的算法的实现 17
5 实验结果分析 18
5.1 实验结果 18
5.1.1 经典边缘检测算子检测结果 18
5.1.2 基于小波变换的多尺度边缘检测效果 20
5.1.3 小波变换与Canny算子相结合的图像边缘检测 23
[版权所有:http://DOC163.com]
5.1.4 多尺度小波变换与自适应阈值相结合的算法检测分析 26
5.2 总结 27
参考文献: 28
致 谢 30
附 录: 31