图像边缘特征提取算法研究及应用

论文摘要

图像边缘是分析理解图像的基础,对图像边缘提取算法及应用的深入研究必将推动图像处理、模式识别、计算机视觉等领域的进一步发展。针对目前边缘提取算法大多没能很好地解决从局部高频信号中区分噪声和边缘的问题,提出了一种基于B样条小波的自适应阈值多尺度边缘提取算法,该算法能有效地抑制噪声,并提取到丰富的边缘细节。针对将梯度矢量幅值作为选择标准的边缘提取算法因数据模式和边缘大小的影响具有不确定性的问题,提出了一种结合嵌入可信度的多尺度离散Canny边缘提取算法,该算法具有较强的抗干扰能力。针对多数具有较好抗噪性能的边缘提取算法存在的计算量大,平滑时容易模糊图像边缘的问题,提出了一种多尺度自适应加权形态边缘提取算法,该算法具有较好的实时性和噪声抑制能力。针对车型识别和立体匹配领域要求提取到连续的目标边缘,而实际应用中边缘提取受噪声和干扰较大,存在边缘不连续的问题,提出了一种结合信号配准技术的小波多尺度边缘提取算法,该算法能在提取连续边缘的同时有效地抑制噪声和干扰。针对小波变换图像压缩存在的边缘模糊问题,将图像边缘提取应用于图像压缩编码,提出了一种具有边缘保持特性的嵌入式图像压缩算法,该算法有效地克服了Gibbs效应,提高了恢复图像质量。

论文目录

• 提要
• 第1章 绪论
• 1.1 图像边缘提取的研究现状
• 1.1.1 经典算法
• 1.1.2 新兴算法
• 1.2 论文的主要研究内容
• 1.3 论文的章节安排
• 第2章 样条小波自适应阈值多尺度边缘提取算法研究
• 2.1 引言
• 2.2 小波变换
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 多分辨率分析
• 2.2.4 Mallat 算法
• 2.2.5 数字图像的小波分解
• 2.3 B样条平滑滤波算子设计
• 2.3.1 Canny 边缘提取准则及其性能指标
• 2.3.2 B 样条小波对Canny 算子和Marr-Hildreth 算子的逼近
• 2.3.3 B 样条函数窗算子设计
• 2.4 小波自适应阈值图像边缘提取
• 2.4.1 小波图像边缘提取
• 2.4.2 自适应阈值多尺度边缘提取
• 2.5 多尺度边缘融合
• 2.6 实验结果及分析
• 2.7 本章小结
• 第3章 结合嵌入可信度多尺度离散Canny边缘提取算法
• 3.1 引言
• 3.2 Canny连续准则存在的问题
• 3.3 边缘提取离散准则及平滑滤波窗算子设计
• 3.3.1 边缘提取离散准则
• 3.3.2 平滑滤波窗算子设计
• 3.4 结合嵌入可信度的边缘提取算法
• 3.4.1 算法原理
• 3.4.2 算法实现
• 3.5 多尺度边缘融合
• 3.6 实验结果及分析
• 3.7 本章小结
• 第4章 多尺度形态学边缘提取算法研究
• 4.1 引言
• 4.2 数学形态学基本理论
• 4.2.1 数学形态学概述
• 4.2.2 二值数学形态学
• 4.2.3 灰值数学形态学
• 4.3 形态边缘提取算法
• 4.3.1 一般形态边缘提取算子
• 4.3.2 抗噪型形态边缘提取算子
• 4.3.3 改进形态边缘提取算子
• 4.4 多尺度自适应加权形态边缘提取算法
• 4.5 实验结果及分析
• 4.6 本章小结
• 第5章 结合信号配准技术的小波多尺度边缘提取算法
• 5.1 引言
• 5.2 边缘提取
• 5.3 边缘连接
• 5.3.1 信号配准
• 5.3.2 根据配准参数进行边缘连接
• 5.4 SRWM算法在车型识别中的应用
• 5.5 SRWM算法在立体匹配中的应用
• 5.5.1 问题提出
• 5.5.2 SRWM 算法应用
• 5.6 本章小结
• 第6章 多尺度图像边缘提取技术在图像编码中的应用
• 6.1 引言
• 6.2 基于小波变换的静止图像编码
• 6.2.1 EZW 算法
• 6.2.2 SPIHT 算法
• 6.2.3 LZC 算法
• 6.2.4 零树算法的分析
• 6.3 具有边缘保持特性的嵌入式图像编码算法
• 6.3.1 边缘特征提取
• 6.3.2 改进的SPIHT 编码算法
• 6.3.3 EPEIC 算法实现
• 6.4 实验结果及分析
• 6.5 EPEIC算法在三维重建中的应用
• 6.6 本章小结
• 第7章 总结与展望
• 7.1 全文总结
• 7.2 不足与展望
• 参考文献
• 攻读博士期间发表的学术论文
• 致谢
• 摘要
• Abstract