图像类论文范本,与基于多尺度数学形态学光纤环边缘检测技术相关毕业论文怎么写

本论文是一篇图像类毕业论文怎么写,关于基于多尺度数学形态学光纤环边缘检测技术相关开题报告范文。免费优秀的关于图像及算子及形态学方面论文范文资料,适合图像论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

【摘 要】现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法.通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求.

【关 键 词】多尺度；数学形态学；边缘检测

1.引言

边缘检测是一种在实际中较长使用的图像预处理过程.图像边缘检测在工程实践中占据着重要的地位[1],是否能准确提取图像边缘坐标将直接影响着整个系统的检测精度.在视觉检测系统中,摄像机采集到的图像往往会产生失真,产生这一现象的原因有两方面,一是机器自身原因,如机器噪音干扰、镜头畸变,另一方面是外界环境的影响.所以在选择边缘检测算子时,一定要充分考虑图像边缘的特点,选择合适的边缘检测算子.否则将会影响系统的测量精度.本文的主要研究目的就是分析现有技术的优缺点,并且最终提出基于多尺寸数学形态学的边缘特征点检测方法.

2.传统边缘检测算法

现行的边缘检测算法通常运用梯度极大值或二阶导数过零点值来检测边缘,如Sobel,Prewitt,Robert等微分算子,这种方法的优点是运算比较简单,但缺点更加突出,如抗干扰性差,检出边缘宽,受阀值影响大等.LOG算子,在定位精度、单边缘响应以及边缘的连通性都较理想,但对LOG模板的选择要求更高,选择不适则会引起较大的噪音干扰,从而导致精度不高.Laplacian算子,虽然定位精度高,但是很容易受到噪音的影响,边缘检测结果中有很多假边缘,在实践中无法单独使用.Canny算子,检测边缘过程中高斯滤波参数和连接边缘时的高低阈值,都需要人为确定,在实践中运用比较多,但计算量较大[2].

而基于数学形态学的边缘信息提取处理,它是基于微分运算的边缘提取算法,在实验过程中对噪声不是很敏感而且提取的边缘也比较光滑[3].因此,在边缘检测上既能够体现图像集合特征,又能满足实时性要求,并且可以在边缘检测的基础上,通过改变形态尺度克服噪声影响.所以是一个比较不错的选择.

3.多尺度形态学边缘检测算法

改变形态运算自身的性质可以提高数学形态学边缘检测的性噪比.数学形态学图像处理中结构元素的选择可按照图像处理的具体要求,在实际操作时根据图像的特征来选择和调整,小尺度的结构元素有利于保持景物中的微小细节,虽然去噪声能力弱,但检测的边缘细节较好；而大尺度的结构元素有利于去除噪声和图像中景物轮廓的定位,但检测的边缘较粗糙[4].根据双方各自的特点想到在形态学边缘检测算子的构造中利用多结构元素的指导思想.形态学图像处理中已有的多尺度思想就是选择一个较小的结构元素,然后对它进行膨胀,得到一列从小到大的结构元素,然后再使用每个结构元素对图像进行边缘检测.最后,综合不同结构元素的计算结果得到最终的边缘检测结果[5].

当灰度膨胀运算在结构元素的值为正时,输出图像趋向比输入图像亮,同时暗细节被削减或去除；当灰度腐蚀运算在结构元素的值为正时,输出图像趋向比输入图像暗,同时亮细节被削弱或去除.因此,基于膨胀运算的边缘检测往往使图像边缘变得模糊,而基于腐蚀运算的边缘检测则又使输出图像边缘丢失了一些细节.为了减小图像边缘的模糊性并保留更多的边缘细节,从而得到理想的图像边缘,对单结构元素的抗噪