基于matlab的图像边缘检测算法设计实现与仿真.docxVIP

1绪论 1.1选题背景与研究意义 　　每天我们都被来自报纸、杂志、书籍和电视的文字、照片、图表、插图等大量的视觉信息所包围着。据统计, 每年人们日常所获得的视觉和物象信息约占总信息的60%，其余接收到的信息，包括例如听觉信息、味觉信息和手部触摸等获得的信息仅占剩下的40%。由此可见图像对于获取视觉信息的重要性，而图像恰恰也正是当前现代信息社会当中人们通过获取图像信息的一个非常重要的途径，其中边缘便是获取图像信息最基本的一个特征。 　　现有的图像边缘检查技术探索最早起源于20世纪60年代，发展到如今已经具备了十分漫长的科学探索时期。并且自上世纪六十年代到目前为止，已经有科学家们研究了许多有用的图像边缘检测算法。基于梯度的边缘检查算法最早由 Roberts在1960年提出[1]，它被认为是有史以来最科学的算法之一。70年代以后，科学家们继续研究并提出了其他的几种算子，其中比较常用的有以下几种：Prewitt算子、Sobel算子和Canny算子[2]等。1980年后，更多的研究人员参与到图像边缘检测技术的研究中，并且提出了基于线性和非线性标量空间理论等许多成效显著的研究，由此可见，图像边缘检测技术长期以来一直是人们关注和研究的焦点。虽然科学家们的长期致力于研究图像边缘检测技术，并且从边缘检测技术的提出至今，也已经有许多方法可以成功检测图像的边缘，但这些检测方法大多是基于对无噪声图像的处理。然而，在真实图像的传输或使用过程中，图像通常都会不时掺杂一些噪声。而且在这种情况下，由于噪声具有随机性，在进行边缘检测过程中提前知道噪声的分布和方差等相关信息的可能性比较小。因此，根据具体的情况要求，设计一种新的算法或对原有算法进行改进，是目前图像边缘检测的重点研究方向之一。　　图像边缘检测技术是图像识别和图像特征提取的关键，是数字图像处理的一个重要组成部分。边缘包含了图像对象有价值的边缘信息，可以用于图像的理解和分析。在最近几十年里，研究人员先后提出了多种适合应用不同情况下的图像边缘检测技术，图像边缘检测技术被广泛应用于现代计算机图像识别、医学影像、航空航天[3]、水下检测、工业控制、地理遥感信息处理等各个行业，使得边缘检测技术的应用越来越广泛。 　　在现实生活中的图像中的往往掺杂着不同程度的噪声，并且由于图像的边缘是各种不同的边缘重叠以及他们被模糊化后的组合，因此良好的边缘检测算法一般被要求满足：1）边缘检测的精度高；2）具有较高的抗噪性能；3）计算简单；4）易于实现。基于以上四个条件，如何解决改善抗噪性能，同时又不影响检测精度。在大量数字图像识别计算中，边缘检测技术作为数字图像处理的第一步，更加深入化、更高层次的图像处理的成败与否极大地取决于边缘检测算子性能的优劣，因此好的边缘检测算子对于图像处理、图像识别具有极重要的意义。 1.2国内外研究现状 1.2.1国外发展现状 　　在过去的几十年里，国内外的学者已经提出了数百种用于数字图像中的边缘检测的方法，并且在实际应用中也取得了理想的效果。 　　早在1959年，[4]就已经提到过关于边缘检测，但此时对它并没有更加系统地探索和研究。最早对于边缘检测技术进行系统性的探索和研究的人是Roberts，从1965年开始，越来越多研究者广泛地提出新的理论和算法。现有的算法大致可以划分为经典的边缘检测算法和新算法，其中以Roberts算法、Sobel算法、Prewitt算法等算法作为其经典算法的代表。 　　其中，国外学者针对改进边缘检测算法提出了许多新的想法。1988年，Jun Huang S和Dong Tseng H 从概率的方向入手，研究图像边缘检测技术。1998年，经过统计学方法分析二阶零交叉边缘，检测到图像中每个像素是图像中图像边缘的概率。2014年，Sun Qiucheng，Hou Yueqian，Tan Qingchang三人提出将灰矩算子与平滑样条算法进行结合的方式，对于图像中的加法噪声和乘法噪声保持不变，在Sobel算子所检测到的边缘区域，利用平滑样条算法得到连续的模糊边缘模型；接着利用模糊边缘模型可以得出一维和二维场景下的灰矩解[5]。该实验结果表明，它相比于白高斯噪声和斑点噪声的鲁棒性更强，适用于在线精确检测。2017年，Bian G P等人提出一种改进的Canny算法[6]，该方法利用复合形态平滑代替高斯滤波，然后利用Otsu方法计算最佳的高低双阈值；最后连接边缘，利用形态对图像检测边缘进行减薄，实验结果证明，改进算法具有良好的抗噪声功能和良好的检测性能。 1.2.2国内的发展现状 　　1988年，国内著名学者濮群和余桂就此问题提出了一种基于线性统计的去噪检测算法[7]，能在各种具有不同程度噪声干扰的图像中有效准确地检出边缘信息。2002年，黄心汉等研究人员通过对带钢缺陷图像的特征灰度