欢迎来到天天文库
浏览记录
ID:35106856
大小:7.39 MB
页数:58页
时间:2019-03-18
《改进的微分算子与形态学融合的边缘检测算法》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、理学硕士学位论文改进的微分算子与形态学融合的边缘检测算法陈瑜哈尔滨理工大学2016年3月国内图书分类号:TP391.41理学硕士学位论文改进的微分算子与形态学融合的边缘检测算法硕士研究生:陈瑜导师:邓彩霞教授申请学位级别:理学硕士学科、专业:数学所在单位:应用科学学院答辩日期:2016年3月授予学位单位:哈尔滨理工大学ClassifiedIndex:TP391.41DissertationfortheMasterDegreeinScienceTheImprovedDifferentialOperatorFusewithMorphologyEdgeDete
2、ctionMethodCandidate:ChenYuSupervisor:Prof.DengCaixiaAcademicDegreeAppliedfor:MasterofScienceSpecialty:MathematicsDateofOralExamination:March,2016University:HarbinUniversityofScienceandTechnology哈尔滨理工大学硕i学位论文原创性声明本人郑重声明:此处所提交的硕±学位论文《改进的微分算子与形态学融合的边缘检测算法》是本人在导师指导下,在哈尔滨理工大学攻读硕主
3、学位期间独立进行硏究工作所取得的成果。据本人所知,论义中除己注明部分外不包巧他人已发表或撰写过的研究成果。对本文巧究工作橄出贡献的个人和集体,均B在文中W明确方式挫明。本声明的法律结果将完全山本人承抱。:。作者證名:/:1。期>年巧日f每^/^i哈尔滨理工大学硕±学位论文使用授权书《改进的微分算子与形态学融合的边銭检测算法》系木人巧哈尔滨理工大上学位期间在导师巧导下完成的顿+学位论文。本论义的研究成朱归;学攻读硕i哈尔狼理X大学所有,本论文的研巧内容不巧从巧它中位的名义发表。本人完^全r解哈尔滨理工大学关于保
4、存、使用学位论文的规定,問恵学校化留并向有'关部I」捉交论文和化子版本,允许论文被巧阅和借阅。本人授权哈尔滨理工火学可^以采用影印、缩印或其他复制手段無存论文,可科公布论文的全部或部分内容。本学位论文属于促密□,在年解密后适用授权书。不保密巧。(请在抖上相巧方樞内打V)*居^作者签名:口期:V/年?月吉円。/导帅签名:麵)n則:如占年复月言H改进的微分算子与形态学融合的边缘检测算法摘要边缘包含着图像的大部分信息,是图像的最基础、最本质的特征,并且成为图像分析及分割的重要根据。图像的边缘检测已成为图像分析和识别的首
5、要工作,在图像处理中具有十分重要的应用。但边缘提取的困难是既要去除图像的噪声,又要较好地保留图像完整的边缘。本文针对传统数学形态学和微分算子的缺点,提出改进的算法,然后融合两种改进的算法,取得了良好的效果。具体工作如下:微分算子在提取边缘时,存在不同的缺陷。以Canny算子为例,它存在两个至关重要的缺陷:一是难以克服局部噪声的影响,提取结果不仅会丢失边缘细节,还会存在伪边缘;二是很难设置高斯滤波参数,对不同的图像不具有一定的自适应性。针对传统Canny算子的不足,本文提出一种新的Canny算法。首先给出一种依据阈值的自适应图像分块处理的新方法;其次提出新
6、的基于自适应中值和形态学的混合滤波,采用此滤波滤除图像噪声,并添加两个斜方向上的梯度信息,使梯度信息更加完整;最后通过非极大值抑制并阈值化获得最终的边缘。对于含噪声图像,该算法不但很好的滤除图像大量的噪声,并且获得的边缘连续、光滑、轮廓清晰。在形态学边缘检测中,考虑到不同大小或形状的结构元素在保留图像轮廓信息和滤除噪声的效果不相同,提出了一种具有自适应性的多尺度多结构边缘检测方法。对现有边缘检测方法做出研究与改进,用形态学差分法和提取的边缘图像的信息熵,可以自适应地确定不同形状及不同大小的权值系数,然后对提取的边缘做融合操作,获得最后的边缘信息。对于含噪
7、声图像,该算法不但很好的滤除噪声,而且客观评价和视觉效果均好。最后,由于上述给出的Canny算法在标准差和峰值信噪比等客观评价方面表现比较良好,而改进的形态学算法在平均梯度、扭曲程度和相关系数上表现更佳。为提高边缘提取的精确性和充实图像的轮廓信息,本文融合上述两种改进的算法,得到的边缘图像在客观评价方面(信息熵、扭曲程度和相关系数等)均优于前两种方法,视觉效果也令人满意。关键词图像处理;边缘检测;数学形态学;微分算子;融合-I-TheImprovedDifferentialOperatorFusewithMorphologyEdgeDetectionMe
8、thodAbstractEdgeisthemostbasicfeatureoft
此文档下载收益归作者所有