小波变换及应用(多尺度边缘检测)要点解析.pptVIP

小波变换及应用（多尺度边缘检测） 边缘检测是图像处理、计算机视觉中最基础和最重要的内容之一，也是至今仍没有得到圆满解决而又不能回避的一个问题。 边缘检测实际上是一个多尺度问题 多尺度边缘检测就是有效组合利用多个不同尺度的边缘检测算子，同时正确地检测一幅图像内发生在各个尺度上的边缘。 小波多尺度边缘检测 多尺度边缘检测算子的选择； 如何自适应地确定边缘检测时的最佳滤波尺度。 边缘检测算子的选择与比较 样条函数与Gaussian函数平滑性能比较 无噪情况下的定位精度 单边定位精度 对于单边缘，无论平滑算子窗口多大，都不会引起边缘移位，即边缘定位准确。 双边定位精度 当W2D时，可以准确定位边缘。而当W2D时，边缘发生移位，并且移位误差 ，而与边缘强度无关。 有噪情况下的定位精度 Canny边缘检测准则比较边缘检测算子 三种算子的综合性能 小波多尺度边缘检测的有效尺度范围 最小尺度的确定 由于实际的图像中可能包含各种边缘，由上面的分析，可得出结论：利用B样条小波进行小波变换，可以检测出边缘的最小尺度参数 。因此只要确定了d，就可以确定。一般我们通过线性拟合的方式获得d 最大尺度的确定 尺度越大，抑制噪声能力越强，但考虑到计算时间的要求，取能有效抑制噪声的尺度中的最小者为最佳的最大尺度。经由实验分析得到，一般取24。 变差函数 图像的变差函数反映了图像数据的随机性和结构性，变差函数的变程描述了图像数据的空间影响范围，显然图像噪声数据随机性较强，数据的空间影响范围较小；而图像边缘数据结构性较强，数据的空间影响范围较大。所以我们可以用变差函数的变程确定滤波尺度大小，从而可以自适应调整滤波尺度参数，获得多尺度检测结果。 * 设平滑函数满足： 令： 则： 令： 则： 因此 和 可用作小波母函数 三次B样条函数及其一阶导数和二阶导数波形 f(x)及其与 、 和 卷积后的波形 x1 x3 x2 多尺度边缘检测存在的问题 平滑函数角度 平滑准则： 逼近准则 ： 可以证明同一个平滑函数，其平滑性好和逼近性优的两 个要求是相互矛盾的。 由于样条函数比Gaussian函数有较强的平滑性能，所以在满足一定噪声抑制性能的条件下，可以采用较小的窗口的平滑算子，从而使边缘定位比较准确。 定义定位偏差函数： 反映了有噪声干扰时，边缘检测算子的定位精度，包括漏检和产生假的边缘所产生的偏差。 以阶跃边缘为例： 平滑函数为三次B样条函数的边缘检测算子的定位精度和抗噪综合能力比平滑函数为Gaussian函数的边缘检测算子优越。 从Canny定义的信噪比准则我们证实了三次B样条的平滑性能优于Gaussian函数。 Canny算子的定位精度优于二次样条小波算子和LOG算子。 可见，无论是从平滑函数角度还是从Canny定义的准则角度我们都可以证明二次B样条小波算子相对于Canny算子和LOG算子其综合性能最优。 (a)理想阶跃边缘 (c)零交叉图 (b)小波变换波形 阶跃边缘检测有效尺度范围的确定 阶跃边缘在任何尺度下都可以准确定位 (a)理想斜坡边缘 (c)零交叉图 (b)小波变换波形 斜坡边缘检测有效尺度范围的确定 斜坡边缘准确定位的有效尺度范围为： 三角型屋脊边缘在任何尺度下都可以准确定位 (a)理想三角型屋脊边缘 (c)零交叉图 (b)小波变换波形 三角型屋脊边缘检测有效尺度范围的确定 (a)理想方波型屋脊边缘 (c)零交叉图 (b)小波变换波形 方波型屋脊边缘检测有效尺度范围的确定 方波型屋脊边缘准确定位的有效尺度范围为： 结论 *