基于小波去噪预处理的图像模糊边缘检测研究

论文摘要

在图像处理应用中,边缘提取是一个重要的方面,许多相关的算法被相继提出。本论文主要工作是小波变换图像去噪预处理与模糊边缘提取的研究。一般来说,现实中的图像都是带有噪声的,而图像中的噪声对图像分析、图像压缩等有很大的影响,所以为了后续边缘提取的处理,有必要对图像进行去噪预处理。本文利用小波变换的多分辨率特性,提出一种改进的小波阈值去噪方法,利用小波变换后的细节图像小波系数的区域相关性和方向性,估计信号系数的方差,根据信号系数方差和噪声方差的关系来对系数进行自适应处理,在去噪的同时较好的保持了边缘,取得了很好的效果。由于人的视觉特性和数字图像本身所具有的模糊性,使得模糊技术适用于图像处理,特别是边缘检测和图像分割等方面。遗传算法采用同时处理群体中多个个体的方法,并对搜索空间中的多个解进行评估,使遗传算法有较好的全局搜索性能。因此本文将模糊理论与遗传算法引入到图像的边缘提取中,提出了一种新的基于遗传算法优化的图像模糊边缘检测方法。该算法首先根据图像确定模糊隶属度函数的窗口宽度,然后用方向模板求出图像的梯度,根据梯度图像直方图采用遗传算进行模糊阈值优化,从而得到边缘图像。对于含噪图像,处理前首先进行小波去噪预处理。结果表明,本文方法取得较好效果,并显著提高了运算速度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 概述
• 1.2 本论文研究背景与意义
• 1.3 图像去噪及边缘提取的研究现状
• 1.3.1 图像去噪研究现状与小波变换
• 1.3.2 边缘检测与模糊理论研究现状
• 1.4 本论文的主要工作和内容安排
• 第2章 模糊理论及其在图像中的应用
• 2.1 模糊数学概述
• 2.2 模糊理论的数学基础
• 2.3 模糊隶属度函数的确定
• 2.3.1 确定隶属函数的原则
• 2.3.2 确定隶属函数的方法
• 2.3.3 常用的隶属函数
• 2.4 模糊理论在图像处理中的应用
• 2.4.1 模糊理论在图像增强中的应用
• 2.4.2 模糊理论在图像分割中的应用
• 2.4.3 模糊理论在边缘检测中应用
• 第3章 小波变换与去噪预处理算法
• 3.1 小波变换理论
• 3.1.1 傅立叶变换
• 3.1.2 连续小波变换
• 3.1.3 离散小波变换
• 3.2 多分辨分析与Mallat算法
• 3.3 小波变换在图像去噪中的应用
• 3.3.1 小波去噪的研究方向
• 3.3.2 小波阈值去噪方法研究
• 3.4 改进的图像小波阈值去噪算法
• 3.4.1 算法设计
• 3.4.2 算法实现及处理步骤
• 3.4.3 仿真实验
• 3.4.4 实验结论
• 第4章 基于模糊理论的图像边缘检测
• 4.1 常用的边缘检测算法
• 4.1.1 基于梯度的边缘检测
• 4.1.2 基于小波变换边缘检测
• 4.1.3 基于遗传算法的边缘检测
• 4.2 一种遗传算法优化的图像模糊边缘检测方法
• 4.2.1 遗传算法流程
• 4.2.2 模糊隶属度函数及参数确定
• 4.2.3 算法的设计
• 4.2.4 算法实现步骤与流程
• 4.2.5 结果分析
• 4.3 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文