论文摘要
图像边缘包含了一幅图像的绝大部分主要信息,边缘的提取在图像处理和机器视觉中占据着非常重要的作用。在图像的获取、传输和存储过程中往往会因各种原因引入噪声,因此,如何改进这些图像的质量,就成为数字图像处理中的一个重要任务。小波分析是一种有效的分析工具,近年来随着小波理论的不断发展完善,小波理论己经被应用到图像处理的几乎所有的分支,如:图像降噪、边缘检测、图像压缩、图像分割等。本文主要研究其在图像边缘检测和降噪领域的应用。本文对小波变换理论进行了系统的学习、研究与总结,介绍了连续小波变换、离散小波变换、多分辨分析、小波基构造和二进小波变换,并给出离散二进小波变换的快速分解与重构算法(Mallat算法)等。本文介绍了传统的边缘检测算法并分析其优缺点;重点研究了基于Mallat算法和多孔算法下的小波边缘检测,在此基础上针对多孔算法边缘检测提出改进方案,大大降低了算法复杂度;本文还研究了数字形态学在边缘检测中应用,分别针对边缘检测算子和采取的结构元提出改进方案。最后,本文提出了一种新的小波与形态学相结合的边缘检测算法,实验证明该方法得到的边缘细节丰富,且抗噪性能较好。针对传统的图像降噪方法,在去除噪声的同时往往会造成边缘的模糊的问题,本文提出基于边缘检测的图像降噪法,在检测出图像边缘之后,将图像分为“边缘区”和“噪声区”,针对它们的特点分别采用不同的方法进行处理,最后将两种小波系数相结合的方法,达到既保护了图像边缘又有效去除噪声的目的。
论文目录
摘要ABSTRACT第一章 绪论1.1 小波发展史1.2 小波的特点1.3 小波的应用1.4 本文主要工作第二章 小波基本理论2.1 连续小波变换2.2 离散小波变换2.3 小波的多分辨分析与分解重构2.4 双尺度方程和正交小波基的构造2.5 Mallat算法2.6 二维图像小波变换的分解与重构2.7 本章小结第三章 小波与形态学相结合的图像边缘检测3.1 经典的边缘检测算法3.1.1 Roberts边缘检测算法3.1.2 Sobel边缘检测算法3.1.3 Prewitt边缘检测算法3.1.4 零交叉边缘检测算法3.1.5 差分边缘检测算法3.1.6 Canny边缘检测算法3.1.7 实验结果及讨论3.2 小波模极大值边缘检测算法3.2.1 小波系数模极大值边缘检测3.2.2 李氏指数3.2.3 小波系数模极大值和李氏指数之间的关系3.2.4 小波模极大值边缘检测算法及改进3.2.5 实验结果3.3 数字形态学边缘检测算法3.3.1 灰度形态学运算3.3.2 形态学边缘检测算子3.3.3 结构元的选取3.3.5 实验结果3.4 小波变换和形态学相结合的边缘检测3.4.1 小波变换和形态学相结合算法3.4.2 实验结果3.5 本章小结第四章 基于边缘检测的小波图像降噪4.1 小波图像降噪法简介4.1.1 小波降噪发展史4.1.2 小波降噪方法分类与比较4.2 基于边缘检测的小波图像降噪4.2.1 与边缘相关的小波系数的降噪处理4.2.2 与噪声相关的小波系数降噪处理4.2.3 基于边缘检测的小波图像降噪算法4.2.4 实验结果与比较4.3 本章小结第五章 总结与展望5.1 总结5.2 展望参考文献致谢
相关论文文献
标签:小波论文; 边缘检测论文; 降噪论文; 数字形态学论文;