图像边缘检测方法研究与预测.docVIP

图像边缘检测方法研究与预测 　　摘 要：随着计算机的不断普及一个新的名词---图像边缘检测进入人们的视线，这是一种新型的有关图像的处理的方式，而且他的应用现在也十分的广泛，本文将重点介绍图像边缘检测方法的应用以及相关的研究。 　　关键词：图像边缘检测；方法；应用；研究 　　中图分类号：TP391.41 　　图像的边缘检测在图像的处理与识别的过程中发挥着巨大的作用，首先我们应该认识到何为边缘，所谓边缘就是我们的图像与背景的分界线。只有将边缘良好的区分我们的图像才能完整。以下我们将展开详细介绍。 　　1 现在条件下的边缘检测的方法 　　1.1 在小波的基础上进行的边缘检测方法 　　小波的边缘检测的方法是在Fourier的基础之上发展来的。众所周知，图像是一种不稳定的信号，所以在处理的时候会存在一定的困难。但是，在小波的基础上进行的边缘检测就解决了这方面的缺陷??并且小波的边缘检测还具有自身的特性，例如在高频的条件之下，能够有效地辨析时间，在低频的条件之下，能够有效地辨析频率。我们通过对于频率的分析可以发现，这是一种变焦的特点，这也是在传统的边缘图像处理的基础之上的得到的进步。在小波的基础上进行的边缘检测在现代的应用中十分的广泛，这主要得益于他本身的优点。所谓的小波变换就是能够捕捉到很小的图像边缘的变化，因为在边缘处的图像变化是很大的，小波的边缘处理正好符合这个特性，当图像的尺度越小他的边缘尺度变化的越快，这样对于精度的要求就越高，而且在这样的条件下噪音对于图像就会有比较大的影响力。相反的一幅图像的尺度比较大的时候，它的边缘的变化是很平缓的，所以与小尺度的相比对于噪声的影响也就不那么明显。由此可见对于小波的边缘处理什么尺度的图像边缘我们都能够很好的处理。我们在进行图像边缘检测利用的思想是逐渐变化的思想，利用不同的标准进行检测，然后找到最大值的变化的情况，并通过对于数据的应用，根据标准的不同合理分析，得到最后的我们需要的图像，可以较好的解决噪声和定位精度之间的矛盾。 　　1.2 在形态学的基础之上进行的边缘检测方法 　　我们所介绍的形态学是一种数学形态的应用。他在现在科学的基础之上得到了比较广泛的应用。所谓的形态学是利用整体与部分之间的关系。准确的检测边缘与整个图像之间的关系，这样，可以减少很多外在的影响，直间探测到我们需要的边缘。而且这种在形态学的基础之上进行的检测对于噪声的影响的抵抗能力是比较强的。因为我们的形态边缘检测是在数学的基础之上进行的所以这就意味着他也具有很多数学方面的特征。因为数学是一门数字的学科，这就意味着这种检测方式具有严谨的特性，所以他在边缘的数字检测方面得到了长足的发展。当然在现在的基础之上数学的检测方法因为发展的不完善也存在一定的不足之处。因为数学应用的是总体与部分之间的特性。所以当结构比较简单的时候，结构的确定就会比较困难，而且结构简单的时候噪声也会对于整个边缘的检测造成比较大的影响。所以，我们总结得出，基于数学的基础之上的图像的边缘检测对于图像是有选择性的。只有整体的元素比较复杂的时候才能应用这种形态边缘检测方式。尽管发展存在的一定的不足之处，因为他独特的严谨性的特性也得到了广泛的发展。 　　1.3 在模糊学的基础之上进行的边缘检测方法 　　所谓的模糊学就是用一些比较模糊的知识来描述一件事情。就如同美术中的印象派，它是一种不清晰的东西。模糊学的提出是根据人类的视觉特性来进行的。在模糊识别的过程中分成很多的层次，并且我们的模糊的边缘检测在各个层次应用的都是有关模糊学的知识。如在特征层，可将输入模式表达成隶属度值的矩阵： 在分类层，可表模糊模式的多类隶属度值，并提供损失信息的估计。模糊学的产生是有一定的条件的，在很多的情况下，我们对于一些事物不能做出明确的解释，但是我们对于这个事物又具有一定程度的了解，这就产生了模糊学。而在本文讨论当中，将模糊学引入图像的边缘检测，可以比较好的区分边缘与背景，这样在检测边缘的时候，整个过程就会变得更加简单。这种算法应用到相应的矩阵的知识，首先将相关的图像映射成相关的模糊的矩阵，然后进行相应的变换，然后在最大值与最小值的基础之上进行边缘的检测。当然，这种模糊学的算法不可避免的存在一定的不足之处。因为整个过程就是不完善的，而且整个过程比较慢，是需要改进的。 　　1.4 在人工智能的基础上进行的边缘检测方法 　　人脑是世界上最机密的仪器，他可以进行多方面的计算与数据的处理，所谓的人工智能就是在模拟人脑的基础之上进行的边缘检测。他检测的特性是可以将很多不是线性的图像进行处理，并将其应用在计算机当中。在人工智能的基础之上进行的边缘检测是比较符合日常中的应用的，因为他需要的基础数据比较少。随着人工智能在人们生活中更加广泛的应用，他在计算机的领域中涵盖了更多的领