多尺度边缘检测方法研究

论文摘要

随着社会的发展,图像的边缘作为人类判别物体的重要依据变得越来越重要。小波分析是一种多尺度分析工具,在大尺度下,聚焦信号的整体轮廓,小尺度下聚焦于信号的精细结构,因而在图像的边缘检测中取得了很好的效果。本文所做的主要工作具体如下:(1)首先详细介绍了小波分析理论基础、基于提升方案的小波变换以及图像边缘检测的理论基础。对传统的边缘检测方法(包括微分法和小波模极大值法)进行了实验分析比较。(2)在基于小波系数尺度间点相关性提取边缘算法分析基础上,针对点相关性的不足,提出了基于区间相关和区域相关的边缘提取算法,有效地弱化了在小波变换过程中产生的偏移的影响。实验表明,该方法更好地检测了图像边缘。(3)从理论上分析比较了二代小波和一代小波的优缺点,利用二代小波的优点给出了双正交小波滤波器的提升过程,并将其运用到图像的边缘检测过程中。实验表明,基于提升小波的边缘检测方法与其他传统方法有一样的效果,但是提升小波具有计算量小、计算速度快和要求存储空间小等诸多优势。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 前言
• 1.2 小波分析与提升小波
• 1.3 多尺度图像边缘检测方法现状分析
• 1.4 本文的主要工作
• 第二章 小波分析与图像边缘检测基础
• 2.1 小波分析理论
• 2.1.1 小波变换
• 2.1.2 二进小波变换
• 2.1.3 离散小波变换
• 2.1.4 多分辨分析理论及其Mallat算法
• 2.2 基于提升方案的小波变换
• 2.2.1 提升方法的实现步骤
• 2.2.2 小波提升的分解和重构过程
• 2.3 图像边缘检测
• 2.3.1 微分法图像边缘检测
• 2.3.2 小波模极大值边缘检测原理
• 2.3.3 多尺度边缘检测方法的主要步骤
• 2.4 小结
• 第三章 基于尺度相关性的边缘检测方法研究
• 3.1 基于小波系数相关的图像边缘检测算法
• 3.1.1 小波尺度相关的定义
• 3.1.2 基于小波系数点相关性的边缘检测算法
• 3.2 基于小波系数区间相关性的边缘检测算法
• 3.3 基于小波系数区域相关性的边缘检测算法
• 3.4 实验结果
• 3.5 小结
• 第四章 提升小波理论及其在边缘检测中的应用
• 4.1 基于提升方案的小波变换
• 4.1.1 基于小波滤波器的提升理论与方法
• 4.1.2 提升小波与第一代小波比较
• 4.1.3 双正交小波滤波器的提升
• 4.2 基于提升小波的图像边缘检测及其实验
• 4.2.1 基于提升小波的图像边缘检测方法
• 4.2.2 实验结果
• 4.3 小结
• 第五章 结论
• 参考文献
• 致谢
• 攻读硕士学位期间主要研究成果