一种基于小波变换和数据融合降噪的图像边缘检测方法

摘要

本文提出了一种基于小波变换和数据融合降噪的边缘检测方法。该方法在边缘检测前先进行去噪处理，为避免去噪不完全、微分算子对噪声敏感、在边缘检测的同时增强了噪声，而把微分算子检测得到的边缘幅值图像融合与去噪相结合。在图像小波分解的高频部分，对小波系数进行阈值处理后，根据“多数原则”选择重要小波系数，再采用按边缘信息量的比例来计算权值的加权融合规则；低频部分则采用基于边缘的融合规则。最后，对融合后的图像进行灰度阈值处理和细化，得到边缘二值图像。实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘。

目录

文摘

英文文摘

第一章绪论

1.1边缘检测的背景及应用

1.2图像边缘的定义

1.3噪声与图像的平滑滤波

1.4本论文的章节结构和主要研究工作

第二章边缘检测方法简介

2.1微分法

2.1.1梯度边缘检测方法

2.1.2 Roberts边缘检测算子

2.1.3 Sobel边缘检测算子和Prewitt边缘检测算子

2.1.4 Kirsch边缘检测算子

2.1.5 Laplacian边缘检测算子

2.2先滤波后检测边缘的算法

2.2.1 LOG算子

2.2.2 Canny算子

2.3曲面拟合法

2.4现代边缘检测方法

2.4.1基于形态学的边缘检测方法

2.4.2模糊边缘检测法

2.4.3基于小波的边缘检测方法

2.4.4其他方法

第三章基于小波变换的图像融合方法

3.1图像信息融合的基本概念

3.2基于小波变换的图像信息融合

3.2.1与小波变换相关的融合方法

3.2.2基于小波变换的图像融合方法

第四章一种基于小波变换和数据融合降噪的图像边缘检测方法

4.1参加融合的简单算子的性能分析

4.2基于小波变换和数据融合技术的图像降噪方法

4.3算法描述

4.3.1步骤1.原始图像预处理

4.3.2步骤2.初始检测

4.3.3步骤3.基于小波变换和数据融合的图像降噪方法

4.3.4步骤4.灰度阈值处理及细化

第五章仿真实验及分析

5.1 blood图像的仿真实验及结果分析

5.1.1无噪声情况下的blood图像仿真实验及结果分析

5.1.2噪声情况下的blood图像仿真实验及结果分析

5.2 Lena图像的仿真实验及结果分析

5.2.1无噪声情况下的Lena图像仿真实验及结果分析

5.2.2噪声情况下的Lena图像仿真实验及结果分析

5.3总结与展望

5.3.1论文工作总结

5.3.2今后的工作展望

参考文献

致谢

声明