一种基于surfacelet变换的边缘检测算法

论文摘要

边缘是图像的基本特征之一,它包含了图像包括用于识别在内的许多相关信息,是人们用于描述或者识别一个目标或者对图像进行解释分析的一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉等领域中最经典的研究内容之一,是模式识别和图像信息提取的基本手段。目前在图像边缘检测领域已经有了很多方法,但是至今提出的相关理论和方法仍然有其不足之处,因此图像边缘检测领域的检测方法依然有提升和改进的空间。因此,对原有方法进行改进,引入新领域的知识设计边缘检测算法,这些都是现在研究的主流方向。多尺度几何分析在图像边缘检测领域近几年取得了非常显著的成就和突破。多分辨率变换后寻找边缘能使边缘定位更准确,越来越多这个领域的学者将目光投向多尺度工具,将多尺度变换引入图像边缘检测的方法中去。Surfacelet变换由Yue Lu和M.N.Do在2007年提出,是目前性能相当优秀的多尺度分析工具,拥有其他一些多尺度分析工具所不具备的低冗余,多方向性等特点。本文首先分析研究了图像边缘检测的经典算法。然后在研究了多抽样率系统,方向滤波器组以及NDFB和surfacelet变换理论的基础后,提出了一种基于surfacelet的边缘检测算法,该算法具有较好的视觉效果,在抗噪声方面无论是在PNSR值还是在视觉效果上,均优于传统算法,同时定位准确。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 课题的研究历史和发展趋势
• 1.3 本文的研究内容和结构安排
• 第2章 经典边缘检测算法
• 2.1 基于梯度的边缘检测算子
• 2.1.1 Roberts 算子
• 2.1.2 Prewitt 算子
• 2.1.3 Sobel 算子
• 2.1.4 Kirsch 算子
• 2.2 LAPLACIAN 算子
• 2.3 LOG 算子
• 2.4 CANNY 算子
• 2.6 曲面拟合法
• 2.7 几种经典边缘检测算子的检测结果
• 2.5.1 Lena 图像的边缘检测结果
• 2.5.2 Lena 加噪图像的边缘检测结果
• 2.5.3 结果比较分析
• 第3章 NDFB 和SURFACELET 变换
• 3.1 多抽样率系统
• 3.2 多抽样率滤波器组的基本原理
• 3.3 二维多抽样率系统
• 3.3.1 抽样矩阵与抽样晶格
• 3.3.2 二维滤波器组
• 3.4 多维多抽样系统
• 3.5 NDFB 核心思想
• 3.6 第一层分解：HOURGLASS滤波器组
• 3.7 后续层的分解
• 3.8 IRC 滤波器组的构造和性质
• 3.9 滤波器设计和实现方式
• 3.9.1 Hourglass 滤波器组的设计
• 3.9.2 Checkerboard 滤波器组的设计
• 3.9.3 运算复杂度
• 3.10 SURFACELET 变换
• 3.10.1 Surfacelet 变换的结构
• 3.10.2 Surfacelet 变换的性质
• 第4章 一种基于SURFACELET的边缘检测方法
• 4.1 多尺度边缘检测理论
• 4.1.1 基于wavelet 检测边缘的基本理论
• 4.1.2 Wavelet 变换模极大值边缘检测
• 4.2 基于SURFACELET 的边缘检测算法
• 4.2.1 surfacelet 系数与边缘的关系
• 4.2.2 基于surfacelet 的边缘检测算法
• 4.2.2.1 高频边缘系数的提取
• 4.2.2.2 低频边缘系数的提取
• 4.2.2.3 边缘的连接与细化
• 4.3 性能以及結果分析
• 4.4 进一步应用
• 第5章 总结与未来展望
• 参考文献
• 致谢
• 个人简历