基于灰色关联度的图像边缘检测的理论研究

《基于灰色关联度的图像边缘检测的理论研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、！變：謂琴霄叢纖叫静４襄Ｖ￣￣＾—二黎１；’．单位代码１０４７５、：‘．谓店績．ｆ方学号１０４７５３１３０７６６讀＼一―：一＇－；‘声献畔１分类号ＴＰ７５１．１Ｉ皆南乂聲硕ｉ学位论文基于灰色关联度酌图像边缘梭测的理论研究学科、专业：计算机应用技术研究方向：数字图像处理申请学位类别：理学硕±申请人；郭克冰指导教师：谢谦副教授－一．立，ｒ－一Ｌ．一？＾＇．Ｕｃ＾＾二〇—六年六月咕．＇．一—一－．

2、－－－．尸．■＇：．Ｖ一．＇川一’．：Ｖ；ResearchonImageEdgeDetectionBasedonGreyCorrelationDegreeADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceByGuoKebingSupervisor:Prof.XieQianJune，2016、

3、．关于学位论文独创声明和学术诚信承浩本人向河南大学提出巧去学位申请。本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除义中特别加Ｗ说明、标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果也不包括其他人为获得任何教育、科研机拘的学位或证书而使用过的，材料一。与我同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为文责自。，负学位申请人（学位论文

4、作者）签名：一２０１占年＾月文曰各关于学位论文著作权使用授权书本人经河南大学审核批准授予硕壬学位。作为学位论文的作者，本人完全了解并同意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家困书馆、科研信忠机构、数据收集机构和本校图书馆等提供学位论义（纸质文本和电子文本）Ｗ供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可Ｗ采取影印、缩印、担描和巧贝等复制手段保存、汇编学位论文（纸质文本和右子文本）。（涉及保密内容的学位论文在解密后适用本授

5、权书）学位获得者（学位论文作者）签名：聲２０１＾曰月２年＾少学位论文指导教师鉴名；２０１年月曰《３＾摘要图像边缘检测是数字图像处理的一个重要研究领域，它属于特征提取的范畴，是计算机视觉的重要基础。图像边缘含有一幅图像的主要信息，在现实应用中，具有十分重要的意义，但同时图像边缘检测也是数字图像处理中的一个难题，如何获取理想的边缘，是边缘检测算法需要解决的首要问题。经典边缘检测算法的原理是运用空域微分算子通过卷积来完成的。图像边缘有一个重要的特性，就是灰度突变，而这些灰度突变构成了边缘，经

6、典算子正是利用导数算子结合灰度变化来检测边缘，随着技术的发展，又出现了一些新的理论，如基于分形几何的边缘检测算法、基于小波变换和小波包的边缘检测算法、基于形态学的边缘检测算法等，但它们也都存在着各自的局限性。灰色系统是一种信息不完全确定的模型，灰色关联分析是用数学理论来分析灰色系统，它的特点是“少数据，贫信息”，通过已知信息作为参考，定量得到未知信息的发展趋势。本文将灰色系统理论和改进的传统边缘算子，以及MLP神经网络相结合，主要研究工作如下：（1）针对经典边缘检测算子对于边缘信息较为丰富的图像以及弱边缘图像检测

7、效果不理想问题，将传统的Sobel算子模板由0度和90度扩展为0度，22.5度，45度，67.5度，90度，112.5度，135度，157.5度，180度，202.5度，225度，247.5度，270度，292.5度，315度，337.5度，增加方向信息，和灰色关联理论相结合。把扩展后的模板作为灰色关联分析理论中的参考数列，求出每个方向上的绝对关联度，进而得到最大的绝对关联度，设置合适的阈值，判断图像的边缘。（2）针对多方向Sobel算子和灰色关联度相结合检测边缘时，存在计算量大，时间稍长的问题，本文采用多方向S

8、obel算子和灰色关联度相结合的算法检测得到的图像，作为MLP神经网络的训练集样本进行训练，通过大量的训练，设置合适的神经网络的各个匹配参数，用训练后的神经网络去检测图像，减少了检测的时间，取得了较好的效果。关键词：灰色关联度，多方向Sobel算子，MLP神经网络，边缘检测IABSTRACTImageedgedetectionwhichbelongstothecatego