基于突变理论的图像边缘检测技术研究(可复制论文).pdf

摘要边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是图像分析的基础。目前在边缘检测领域已经提出了许多方法,但是至今提出的相关理论和方法尚存在不足之处,在某些具体情况下仍然无法很好的检测出目标物体的边缘,难以找到一种普遍适应性的边缘检测方法。因此,根据具体的应用要求设计新的边缘检测方法,或者对现有的方法进行改进以得到满意的边缘检测结果,仍是目貉芯康闹髁鞣较颉变理论的特性研究图像边缘的突变特性,结合实际问题的需要,找出突变模型描述系统状态变化的规律,通过尖点突变理论建立边缘模型实现了图像边缘检测。实验结果表明,本文提出的边缘检测方法克服了经典微分边缘检测算法边缘检测不完整及现代边缘检测算法运算复杂的缺点,能够准确检测到连续的图像边缘且具有较好的实时性和准确性。本文首次将控制领域的突变控制理论引入到图像边缘检测领域,利用突关键词:边缘检测;突变理论;尖点模型;
知识水坝***@pologoogle为您整理
瓻;哈尔滨檀笱妒Ш温畚;,‘—.篍籆
知识水坝***@pologoogle为您整理
哈尔滨工程大学学位论文原创性声明期:功凹年弓/本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献等的引用已在文中指出,并与参考文献相对应。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者┳:日
第滦髀课题的研究目的及意义边缘是图像的最基本特征,它包含了用于识别的有用信息,为人们描述或识别目标以及解释图像提供了一个重要的特征参数。物体的边缘是以图像局部特性的不连续性为形式出现的。从本质上说,边缘常常意味着一个区域的终结和另一个区域的开始,它普遍存在于目标与背景、目标与目标、区域与区域、基元与基元之间,是图像分割所依赖的重要特征,也是纹理特征的重要信息源和形状特征的基础。有了图像边缘,我们就可以确定物体的几何尺寸并进一步对其测量,确定物体在空间中的几何位置,确定物体的形状特征并对物体进行识别。图像的边缘信息在图像分析和计算机视觉中都是十分重要的,是图像识别中提取图像特征的一个重要属性。尽管边缘在数字图像处理中的作用非常重要,但是到目前为止还没有关于边缘的精确且被广泛承认的数学定义。这里将边缘定义为图像局部特性的不连续性,如灰度的突变、颜色的突变、纹理结构的突变等。对于灰度图像,边缘是指灰度的突变,是图像中灰度变化较剧烈的地方,也即我们通常所说的信号发生奇异变化的地方。通常沿边缘走向的像素变化平缓,而垂直于边缘走向的像素变化剧烈。图像的边缘有方向和幅度两个特性。边缘检测就是要检测出图像中这种灰度的不连续性,同时确定它们在图像中的精确位置,是在局部区域上针对“点”的一种运算,表现为一种典型的信号处理问题。在图像处理中,边缘检测具有极其重要的意义。在大量的视觉模块计算中,边缘检测通常是视觉计算的第一步,高层次计算机视觉处理的成功与否极大地依赖于边缘检测算子的优越性能。对边缘检测算法的研究已经有几十年的历史,这期间公开发表了大量的优秀论文,边缘检测算法逐渐走向成熟,但仍不能满足人们对图像分析的需哈尔滨工程大学硕士学位论文
要,依旧被列为图像处理中的经典技术难题之一。这是因为传统的研究方法基本上都是基于梯度微分算子的,导致这些算法存在很大的缺陷,即边缘定位精度和边缘检测尺度是一对矛盾问题;另外传统的边缘检测算法还需要设定一个闭值,以区别哪些是边缘点哪些是噪声点,但如何自适应的设定最佳阈值是人们研究的一个热点;再者,在不同的应用中,人们要实现的目标不同,因此对边缘的定义也不同,目标边缘、图像纹理甚至噪声都可能成为有意义的边缘,因此很难找到一种普适性的边缘检测算法。因此,根据具体应用要求,设计新的边缘检测方法或对现有的算法进行改进,以得到满意的边缘检测结果依然是研究的主要方向。针对以上问题和新兴技术的发展,近年如应用神经网络、遗传算法、小波信号处理、数学形态学等技术进行边缘提取,取得了不错的应用效果,本文主要集中于探讨如何利用突变理论进行图像边缘检测及图像轮廓定位问题。突变理论是世纪年代初期由法国数学家雷内·托姆创立的新兴数学分支。该理论自问世以来,经过年的发展,已在一些领域得到了应用,并获得了较好的效果。突变理论就是针对具有突变特征非线性系统而提出的,也可以说是一个全新的角度对某些非线性控制系统解决方案的一种探索。事物的特征一般是它的稳定状态表现出来的性质,事物的质变对应它从一个稳定状态向另一个稳定状态的转变,这种变化连续发生时,就称为渐变;变化突然出现时,就称为突变。在许多系统中,突变发生的时刻难以精确预料,其