图像边缘检测算法研究

图像边缘检测算法研究

论文摘要

图像边缘检测与提取在图像处理中占有非常重要的地位,具有很高的实际应用价值。如何提高边缘检测算法的准确性一直是边缘检测的难点,也是众多学者研究的重点。在第一章中,本文介绍了数字图像处理技术与边缘检测技术的研究背景和意义,分析了现阶段边缘检测技术中存在的问题。第二章介绍了灰度图像边缘检测的相关理论和一些基本算法,通过对相关实验结果的分析和讨论,总结了上述算法的优缺点。第三章针对Kirsch边缘检测算子的局限性,提出一种多阈值选取与边缘连接结合的方法。该方法首先用高斯滤波器对原始图像去噪,使用传统Kirsch算子计算梯度,然后设定低阈值和自适应阈值来保护图像弱边缘和提取真正边缘,最后通过改进的边缘连接算法连接边缘;实验结果表明,本文的方法具有保持弱边缘、连接性好的边缘检测效果。第四章首先介绍了两种基本的色彩空间和两类基本的彩色图像边缘检测方法;基于CIELab色彩空间,本文定义了彩色图像的颜色值,将改进的边缘连接算法与第三章提出的多阈值选取方法相结合对彩色图像进行检测,取得了较好的边缘检测结果。

论文目录

  • 摘要
  • Abstract
  • 致谢
  • 第一章 绪论
  • 1.1 数字图像处理简介
  • 1.1.1 数字图像处理技术的发展及意义
  • 1.1.2 数字图像处理技术的主要内容
  • 1.2 数字图像边缘检测简介
  • 1.2.1 研究背景及意义
  • 1.2.2 国内外研究现状及发展趋势
  • 1.2.3 边缘检测技术存在的问题
  • 1.3 论文的主要工作和内容安排
  • 第二章 灰度图像边缘检测
  • 2.1 边缘检测的基本理论
  • 2.2 传统的边缘检测算法
  • 2.2.1 空间滤波器
  • 2.2.2 图像锐化处理
  • 2.2.3 Roberts 算子
  • 2.2.4 Sobel 算子
  • 2.2.5 Prewitt 算子
  • 2.2.6 Laplacian 算子
  • 2.2.7 LOG 算子
  • 2.2.8 Kirsch 算子
  • 2.2.9 Canny 算子
  • 2.3 各种算法边缘检测实验结果
  • 2.4 实验结果分析
  • 第三章 多阈值选取与边缘连接的边缘检测算法
  • 3.1 引言
  • 3.2 多阈值选取与边缘连接的边缘检测算法概述
  • 3.3 算法具体步骤
  • 3.4 算法的实现和结果比较
  • 3.5 结论
  • 第四章 彩色图像边缘检测
  • 4.1 色彩空间
  • 4.1.1 RGB 色彩空间
  • 4.1.2 CIELab 色彩空间
  • 4.2 彩色图像边缘检测
  • 4.2.1 三通道合成方法
  • 4.2.2 向量方法
  • 4.2.3 基于 CIELab 色彩空间的彩色图像边缘检测
  • 4.3 彩色图像边缘检测实现结果与分析
  • 第五章 结论和展望
  • 参考文献
  • 攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].2007图像处理国际研讨会[J]. 国际学术动态 2008(03)
    • [2].探讨图像处理软件在平面设计中的应用[J]. 科学技术创新 2019(34)
    • [3].图像处理技术的车牌识别系统研究[J]. 电子测试 2020(03)
    • [4].图像处理技术及其应用研究[J]. 无线互联科技 2020(01)
    • [5].基于图像处理技术的小麦识别技术研究[J]. 中外企业家 2020(04)
    • [6].图像处理技术及应用分析[J]. 造纸装备及材料 2020(01)
    • [7].图像处理技术在平面设计中的应用研究[J]. 计算机产品与流通 2020(03)
    • [8].图像处理与识别技术的发展及应用[J]. 无线互联科技 2020(10)
    • [9].应用型本科课程考核模式改革研究——以光电图像处理为例[J]. 科技风 2020(21)
    • [10].深度学习的图像处理在农业领域的应用实践[J]. 内江科技 2020(09)
    • [11].基于期望与方差的拓展在图像处理中的快速算法的研究[J]. 科技风 2020(30)
    • [12].大数据图像处理技术在无人船运行自动监测中的应用[J]. 舰船科学技术 2020(18)
    • [13].关于图像处理技术现状及发展的分析[J]. 科技资讯 2018(25)
    • [14].探究图像处理的关键技术[J]. 计算机产品与流通 2018(11)
    • [15].图像处理中颜色模式的探究[J]. 电脑编程技巧与维护 2019(01)
    • [16].计算机图像处理技术的特点与应用研究[J]. 信息记录材料 2019(03)
    • [17].基于云服务器图像处理的物体辨别系统[J]. 计算机产品与流通 2019(09)
    • [18].计算机图形图像处理技术在文物保护领域的应用分析[J]. 计算机产品与流通 2019(12)
    • [19].图像处理技术在信息农业中的应用现状及发展趋势[J]. 江苏农业科学 2017(22)
    • [20].基于形态学图像检测的机械手移栽穴苗识别技术[J]. 农机化研究 2018(05)
    • [21].计算机技术在图像处理中的应用分析[J]. 才智 2018(16)
    • [22].计算机图像处理技术的发展趋势[J]. 信息与电脑(理论版) 2016(18)
    • [23].以应用为引导的教学在光电图像处理中的应用[J]. 实验室科学 2016(06)
    • [24].微课在“图像处理基础”教学中的应用研究[J]. 计算机时代 2017(02)
    • [25].探究数字多媒体图像处理技术[J]. 信息与电脑(理论版) 2016(20)
    • [26].浅析图像处理软件入门案例[J]. 广东印刷 2017(01)
    • [27].图像处理智能化的发展方向[J]. 电子技术与软件工程 2017(09)
    • [28].智能交通中图像处理技术应用综述[J]. 科技风 2017(11)
    • [29].基于网络平台应用的图像处理技术探讨[J]. 农村经济与科技 2017(14)
    • [30].图像处理技术在网页制作中的应用分析[J]. 无线互联科技 2017(19)

    标签:;  ;  ;  ;  ;  

    图像边缘检测算法研究
    下载Doc文档

    猜你喜欢