彩色图像边缘检测方法的研究

论文摘要

在彩色图像边缘检测的众多方法中,采用主成份分析(PCA)方法提取目标图像主成分信息,辅以灰度边缘检测方法进行处理,能够有效地检测彩色图像边缘。但是这种方法仍然会丢失图像信息,从而破坏图像边缘的完整性。文章针对这一问题进行了研究,对PCA彩色图像转换方法和边缘检测的处理手段做了改进和扩展,设计了能够提高图像边缘检测结果完整性的彩色图像边缘检测方法。通过对彩色图像边缘检测方法的分析,发现想要保持图像信息的完整性,就要使得在图像处理中,每个步骤尽可能少丢失图像信息。而彩色图像边缘检测大体可分为两个阶段：彩色图像的转换和边缘检测处理。首先是对于传统的PCA彩色图像转换方法的改进。在以往使用PCA对彩色图像进行转换处理时,通常只使用第一主成分来近似彩色图像,容易丢失图像信息。即使是更进一步的使用累计贡献率的方法仍然存在这一问题。文章中对PCA的处理结果进行了分析,发现每个主成分分量中都包含了一定的边缘信息,分别对其进行处理和综合,能够最大程度的保持图像信息的完整性。其次是对于边缘检测方法的研究。在这一部分主要对基于小波分析的边缘检测方法和灰度形态学方法进行了改进,提高了这两种方法检测图像中较弱边缘的能力,在阈值划分边缘的阶段能够保持更多的边缘信息。并且结合形态学原理和图像的梯度特性形成了一种边缘细化的方法。最后对文章中的方法进行了综合分析,讨论了PCA方法的适用范围,小波分析方法和灰度形态学方法的优缺点。对于彩色图像的综合处理进行了仿真研究,对于如何将改进的PCA图像转换方法和改进的边缘检测方法联合使用做了说明。此外,还有一些方案没有进行分析且文中方法尚存在一些不足,这些都有待进一步的实践研究和改进。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景和意义
• 1.2 边缘检测国内外发展现状及趋势
• 1.2.1 边缘检测的重要性
• 1.2.2 国内外发展历程及趋势
• 1.2.3 彩色图像边缘检测的基本理论
• 1.3 边缘检测基本方法
• 1.4 论文主要内容安排
• 第2章 小波分析方法和数学形态学方法的介绍
• 2.1 基于小波分析的图像边缘检测方法
• 2.1.1 小波分析方法的数学基础
• 2.1.2 小波分析常用基函数的概述
• 2.1.3 小波分析方法在图像边缘检测中的应用
• 2.2 基于数学形态学的边缘检测方法
• 2.2.1 数学形态学方法的数学基础
• 2.2.2 数学形态学方法在图像边缘检测中的应用
• 2.3 本章小结
• 第3章 改进的PCA彩色图像处理方法
• 3.1 彩色图像的处理方法
• 3.1.1 颜色空间和向量方法的选择
• 3.1.2 PCA彩色图像处理方法
• 3.1.3 改进的PCA方法
• 3.2 本章小结
• 第4章 改进灰度图像边缘检测方法
• 4.1 梯度边缘检测算子分析
• 4.2 小波分析边缘检测的改进方法
• 4.2.1 图像的相异性增强处理
• 4.2.2 改进的小波边缘检测方法
• 4.3 数学形态学图像边缘检测的改进方法
• 4.3.1 基于灰度级的数学形态学边缘检测
• 4.3.2 相异性增强和数学形态学的联合应用
• 4.3.3 图像边缘细化的方法
• 4.4 本章小结
• 第5章 仿真结果分析
• 5.1 改进的PCA彩色图像处理方法效果分析
• 5.2 小波分析方法和形态学方法的比较
• 5.2.1 小波改进方法的适用性分析
• 5.2.2 数学形态学改进方法的适用性分析
• 5.3 PCA与改进方法的综合分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢