论文部分内容阅读
边缘检测是图像处理的重要内容。由于小波变换具有的多尺度特性，图像的每个尺度的小波变换都提供了一定的边缘信息。所以通过小波多尺度提取图像边缘是一种非常有效的方法。
本文首先对图像的边缘检测的各种算子进行了分析和总结。传统的微分算子抗干扰性差。而后的Canny算子提取的边缘最为完整，而且边缘的连续性很好，但是检测精度欠佳。其次介绍了利用小波分析进行模极大值进行检测的方法。其主要思想：选择小波函数对图像进行小波分解，其次检测出小波变换模的极大值，最后对极大值取阈值。通过分析图像的灰度直方图发现，对于细节比较丰富的图像，很难找到一个全局阈值，使得边缘与背景很好地区分开。图像的梯度幅度直方图的形状有明显的改善，但是又对于噪声很敏感。
本文提出了一种基于模值的直方图的阈值设定的边缘检测方法，根据模值的统计特性自动计算出阈值，实现背景与边缘的分离。通过比较小波系数模值的直方图与梯度幅度直方图，发现模值的直方图和梯度幅度直方图有着相似的图形表示。本文从梯度幅度直方图的相关内容中得到启发，利用模值的直方图的性质取得阈值。另外一方面，阈值化后的模极大值图像虽然能很好地抑制噪声，但检测到的边缘存在不连续的现象。本文将小波多尺度理论与Canny方法进行一次融合，这样能较完整地保留并提取细节边缘，其视觉效果明显优于传统方法，形成了一种图像细节边缘提取的新方法，仿真结果证明了该方法的有效性和算法的简洁性。