基于小波变换图像边缘检测文献翻译

《基于小波变换图像边缘检测文献翻译》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、基于Canny算法的改进的路面边缘检测赵利辉同济大学秦国峰同济大学王星建同济大学摘要在本文中，我们将介绍改进的Canny边缘检测算法和滤波过程中的边缘保存在路面边缘检测中的应用。随机选择路面数据来检测这一算法。在Canny算法中存在诸如下列一些问题，比如，不能检测到弱边缘，无法区分变化很小的灰度，边缘检测不连续。基于这些缺陷，本文主要使用Mallat的小波变换，以加强弱边缘的输入图像，用二次优化的遗传算法根据自适应标准在Canny算法步骤中获得合适的阈值。在Canny算子的基础及改进上，本文构建了一个新的模型，它可以

2、满足实时路面边缘检测的需要。计算机模拟表明，改进后的算法可以弥Canny算法的缺点，能有效的检测路面的边缘图像，并且此过程耗时更少。特别地，它已被证明，该算法可以不仅有效地消除噪声，并且还可以保护不清楚的边缘关键字：路面边缘检测Mallat小波变换Canny算子遗传算法的二次优化一、绪论图像边缘检测是一种有效的图像处理工具它可以提供必要的图像边缘信息和特点。此信息被用于广泛的领域，如图像分割，图像分类，图像配准，图像可视化，模式识别。这些应用其输出可能会有所不同，但他们都共同需要精确的边缘信息，来成功的实施完成他们的

3、任务。一个边沿检测器可以被定义为一个数学运算符响应的空间变化，一个灰度（亮度）的像素组中的不连续性图像[1]。道路的长度在中国的发展速度非常快，自动边缘检测[2]是最近的热点之间的研究。对实现这一目标，路面裂缝检测成为需要完成的主要任务。检测技术主要是处理图像或视频收集路面信息，动态的获取道路信息和定量地分析道路损坏情况，诸如裂纹等。美国利用许多先进的技术，已经在道路图像处理技术和应用快速道路检测系统方面取得了很大的进展。该系统不仅收集路面数据，并且还及时地建立了数据库，这样可以非常方便的查询和获取任何部分道路的数据

4、和动态影像。此外，这个系统还增加了独立性和处理图像的速率。然而，中国在这个方面的研究还很少，一些部门还仅仅在几年前开始做这项工程。在目前的时间，这项工作在中国进行的大多是用简单的测量工具目测进行手动操作。其结果是粗糙的和并且非常不准确，除此之外，效率也非常低，且人员安全的也会受到危害。此外，由于处理数据非常困难并且容易使工作人人员感到非常疲惫导致产生错误的判断，所以这种数据的获得非常的不方便。随着快速发展之路长，公路养护和管理工作重得多，为交通和道路的服务质量要高得多因此，现有的常规的检测和维修技术无法满足需求，迫切

5、需要技术突破并且发展快速和可靠的道路自动检测系统。为了找到道路裂缝检测的精确方法，它需要比较几种算法，如Sobel算子，Robert算子，Prewitt算子，拉普拉斯算子，LOG算子，Canny算子等。Sobel算子和Prewitt用做差和滤波器来检测图像的边缘，在平滑部分采取不同权重和检测厚的边缘以增加的小量附近的窗口。Robert不进行平滑处理直接计算不同的图像，导致对噪声敏感。拉普拉斯是一个第二差分算法，并且加强了噪声对图像的影响[4]。LOG首先使用高斯函数对原始图像进行平滑处理，然后，采用无方向性的。拉普拉

6、斯算子，为了得到零交叉点作为边缘，即使该算法是简单和容易实现的，但该算法检测到虚假的边缘灰度阶变化不大，并且对噪声敏感也不抗干扰。与此相反，Canny算子[5]操作符是一个高信号噪声和精确检测的优化算法，并且得到了广泛的应用。因为它首先建立优化边缘检测算子理论原则，建议的边缘检测的三个标准沿用至今。然而，在进行道路边缘检测的时候必须将环境因素和应用需要紧密考虑在内。二、Canny算法的改进1.Canny算子Canny算法已经建议标准[6]，用以评估边缘检测的质量：（1）信噪比（SNR）的标准，它用高概率检测真实的边缘

7、点，用低概率检测边缘点，以使尽可能的产生不同的SNR。（2）定位精度的标准，它是保证检测的边缘点尽可能接近真正的边缘（3）Monolateral响应标准，它是用低概率对单个边缘产生几个不同的响应，并且能够尽可能大的抑制不真实边缘地响应。Canny算子被建议只是基于以上三个标准，其中的基本思想首先采用高斯函数平滑图像然后，通过第一个最大的差值确定边缘点。第二差分的零交叉点不仅匹配第一差分的最大值同时也匹配其最小值这意味着，大的变化的灰度（强边缘）和小灰度变化（弱边缘）都匹配的第二差分的零交叉点。为了通过两个阈值检测强边

8、缘和弱边缘，只有当强和弱的边缘连结在一起，弱边缘才可以包含在输出之中。因此，Canny算子不容易被噪音干扰。下面将具体地分析Canny算子的标准：（1）信噪比（SNR）标准它既不丢失真实的边缘，也不检测虚假的边缘点，使SNR足够大。SNR越大，边缘检测的质量越高。SNR的定义如下：在公式中(1),G(x)表示输入图像,h(x)代表宽度为w的滤波