基于小波分析方法图像边缘检测.docVIP

基于小波分析方法图像边缘检测 　　摘 要： 边缘检测是图像处理的重要组成部分，是图像处理与分析技术的研究热点，首先介绍小波分析方法的发展历史与主要思想，然后分析其中的多尺度分析方法，并将这种方法应用于图像的边缘检测中，从而得出小波变换是一种较好的进行边缘检测的手段。 　　关键词： 小波变换；多尺度分析；数字图像；边缘检测 　　中图分类号：TP391 文献标识码：A 文章编号：1671－7597（2011）0810184－01 　　 　　一幅图像可以被定义为一个二维函数，其中和是空间坐标，在任何坐标点处的振幅称为图像在该点的亮度。当、以及振幅都是有限且离散的量时，则该图像称为数字图像。数字图的基本特征就是边缘，一幅图像的主要信息都存在于图像的边缘中，无论是人类的视觉还是机器的视觉系统，通常情况下通过边缘就可以辨认一幅图像。因此，获取图像的边缘和轮廓，成为图像处理与分析技术中的研究热点。 　　1 小波分析方法 　　小波分析是一种新的时频域分析工具。它具有良好的时频局部化特点和多尺度特性，在图像处理技术中得到广泛应用。 　　1.1 小波分析发展历史 　　小波变换的概念是法国工程师J.Morlet在1974年提出来的，他通过信号处理的实际需要建立了反演公式，但未能得到当时人们的认可；1986年著名数学家Y.Meyer构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的同样方法及其多尺度分析之后，小波分析由此开始蓬勃发展起来；与此同时，比利时女数学家Daubechies构造了具有有限支集的正交小波基；1990年，崔锦泰和王建忠构造了基于样条函数的所谓单正交小波函数，并讨论了具有最好局部化性质的多尺度分析的生成函数及相应的小波函数；同年，Beylkin、Coifman等将小波变换应用于算子理论。此后，又有许多数学家将小波理论阐述与发展，形成了越来越多小波理论，为小波理论的实际应用奠定了良好的基础。 　　1.2 小波的定义 　　小波，顾名思义，就是小区域的波。它是一种特殊的长度有限或快速衰减的波，并且它的平均值为0。小波分析的基本思想是用小波函数系去表示或逼近一个已知函数，此处提到的小波函数系是通过一个基小波函数 　　 经过平移和尺度伸缩构成的。 　　其中a和b分别为伸缩和平移参数，也就是频率参数和时间参数。有以上可以看出，小波变换可以实现频率域与时间域同时受限。 　　小波的逆变换可以看成原信号的重构。 　　上式称为信号的小波重构。 　　由于数字图像为二维信号 ，因此需要将小波变换与逆变换转换为到二维空间，其方法与傅里叶变换的二维变换相似，在此不再赘述。 　　1.3 多尺度分析 　　前面提到，多尺度是小波的重要特性之一，因此多尺度分析在小波变换理论尤其是正交小波变换中占有重要地位。 　　多尺度分析，又称为多分辨率分析，是建立在函数空间概念上的理论，它的基本思想是将一幅图像分成多层进行分析，每一层分为低频部分与高频部分，再将每一层的低频部分分为新的低频部分与高频部分，这样将图像分为多层，逐一进行分析。 　　以三层分辨率分析为例，则图像做如下分解： 　　分解后的图像可以表示为 　　多尺度分析只对低频部分做进一步的分解，经过分解后，得到越来越高的频率分辨率。分解的最终结果是构造一个在频率上高度逼近空间 　　的正交小波基，这些正交小波基分辨率不同，它们也就相似于带宽不同的带通滤波器。 　　2 传统的边缘检测方法 　　传统的边缘检测方法是分析图像的每个像素在某个邻域内灰度的变化情况，若某像素点处于边缘部分，则它的邻近像素的灰度值变化较快，因此可以通过求一阶或二阶导数的方法来寻找边缘，常用的是边缘检测局部算子法。 　　常见的边缘检测算子有梯度算子、方向算子、二阶微分算子、Canny算子等，其中梯度算子还包括Robert梯度算子、Prewitt算子、Sobel算子，二阶微分算子还包括Laplacian算子和马尔算子，这些算子都能够较好地检测出图像的边缘，但是也有其相应的缺点存在。 　　3 基于小波的边缘检测 　　小波变换特有的“时频”局部化分析的优点，为图像边缘提取提供了新的技术途径。 　　3.1 小波函数的选择 　　小波函数不是唯一的，因此需要选择一个合适的小波函数，合理的选取小波函数是非常重要的。选择合适的小波函数，可以使小波变换能够真实地反映出图像的边缘特征。为提高边缘检测质量，可遵循如下准则：边缘检测小波是对直流分量的滤波响应为零，对低频分量的响应抑制的高通（或带通）滤波器；小波基函数的奇偶对称性应与被检测的边缘函数的奇偶对称性一致，其中用来检测边缘的小波为奇函数。 　　3.2 多尺度边缘检测 　　小波分析方法中引入多尺度分析的概念，这较传统的在一个尺度上进行检测的方