基于小波变换的图像边缘检测_毕设论文.doc

 PAGE 45 第一章 绪 论 1．1研究背景及意义 视觉，是人类取得信息的最主要来源。统计数据显示，在人类大脑获取的信息之中，大约60%为视觉信息，20%为听觉信息，其他的例如味觉信息、触觉信息等加起来约占20%。由此可见，视觉信息对人们的重要性。然而在所有获取视觉信息的途径中，图像无疑是最主要的方式。我们每天都是在报纸、杂志、书籍、电视等大量的图像信息中度过来的。可以说，图像是用各种观测系统以不同的形式和手段观测客观世界而获得的，可以直接或者间接作用于人眼并进而产生视知觉的实体。 边缘【1】，是图像的最重要的特征，它是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。Poggio在参考文献【1】中提到“物体（的边界）或许并没有对应着图像中物体（的边界），但是边缘具有十分令人满意的性质，它能大大减少所要处理的信息但是又保留了图像中物体的形状信息。”他还定义了边缘检测为“主要是（图像的）灰度变化的度量、检测和定位”。 边缘检测通常有三种方式。第一种为屋顶型边缘，它的灰度是先慢慢上升到一定的程度然后再慢慢的下降。第二种为阶跃型边缘，它的灰度变化是从一个值到比它高很多的另一个值。最后一种是线性边缘，它的灰度值是从一个级别跳到另一个级别之后，再跳回来。不同的边缘有不同的特征，但在大部分情况下，我们都是把图像的边缘全部看成是阶梯型边缘，求得检测这种边缘的最优滤波器，然后用于实践中。 实践证明，边缘检测对于图像的识别意义重大，理由如下： 第一，人眼通过追踪未知物体的轮廓（它是由一系列的边缘组成的）而扫视一个未知的物体。 第二，凭经验我们知道，只要能成功的得到图像的边缘，图像的分析就会大大简化，识别也会容易得多。 第三，很多图像并没有具体的物体，对这些图像的理解取决于他们的纹理性质而提取这些纹理性质与边缘检测有着密切的联系。 随着计算机技术的飞速发展，利用计算机对图像信息进行加工的数字信号处理技术更是日新月异。由于边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间且对于图像视觉特征的提取非常重要，所以边缘检测在基于计算机的边界检测、图像分割、模式识别、机器视觉等都有非常重要的作用。例如美国波音公司开发的雷达自成像识别系统就广泛应用于美国空军战机之间的敌我识别；日本CANNON公司将其开发的最新的边缘检测技术应用于最新产品DIGIC4图像处理器，大大提高了拍摄的清晰度 。 随着算法的不断更新和计算机等各种设备的不断进步，边缘检测在图像信息获取等各领域的应用将会更加广泛。可以预见，在不久的将来，基于边缘检测的各种产品会伴随着我们的日常生活，与我们息息相关。 1．2图像的边缘检测综述 所谓边缘检测，主要是指图像灰度变化的度量、检测和定位【2】。现阶段，边缘检测的方法主要有以下几种： （1）检测梯度的最大值。因为边缘通常发生在灰度值变化较大的地方，对应的就是函数梯度较大的地方，所以一种比较理想的方法就是寻找好的求导算子。现在常用的算子有Roberts【3】算子、Prewitt算子和Sobel【4】算子等。 （2）检测二阶导数的零交叉点。因为边缘处梯度的绝对值取得最大值，也就是灰度图像的拐点是边缘。 （3）统计型方法。例如D.H.Marimont在文献【2】中通过假设检验来检测边缘，利用对二阶零交叉点的统计分析得到了图像中像素是边缘的概率。 （4）小波多尺度边缘检测。20世纪末，随着小波分析的迅速发展，小波开始用于边缘检测。作为研究非平稳信号的利器，小波在边缘检测方面具有得天独厚的优势。 除此之外，还有一些其他的方法，比如说模糊数学的方法、最近提出来的利用边缘流【5】的检测法、Hueckel算法、Frei和Chen算法、Marr和Hildreth零交叉点算子、统计变点算法、边缘检测的Green函数方法、数学形态学方法等等。本文在分析传统边缘检测方法的同时，着重探讨小波变换在边缘检测的应用。 1．3基于图像边缘检测的掌纹识别综述 1．3．1掌纹识别简介 基于图像处理的各种应用近年来得到了飞速的发展，而基于图像的掌纹识别【6】技术便是其应用的一个方面。掌纹是指手腕与手指之间的手掌表面的上的各种纹线。掌纹的形态由遗传基因控制，因为每个人的基因不相同，所以没有两个人的掌纹纹线会完全相同，即使是孪生同胞，纹线也只是相近，不可能完全一样。掌纹体现在图像上的特征主要包括纹线特征、点特征和纹理特征。 （1）掌纹中最重要的特征是纹线特征，这些纹线中最清晰的几条在人的一生中基本上不会发生变化，并且在低分辨率和低质量的图像中仍能够清晰的辨认。 （2）点特征主要是指手掌的皮肤表面特征如掌纹突纹在局部形成的奇异点及纹形。由于其须在高质量和高分辨率的图像中提取，所以对图像的质量要求较高。 （3）纹理特征，是指比纹线更短、更细的一些纹线，并且是毫