論文查重服務(wù)12年
211、985指定查重網(wǎng)
-
全國咨詢電話：0571-28284626
在了解完梯度的概念之后呢，下面我們先介紹一下幾種基本邊緣檢測(cè)濾波器: Sobel、Prewitt、Roberts算子 我們以Sobel為例，其中 分別表示對(duì)于X軸、Y軸的邊緣檢測(cè)算子，從 算子結(jié)構(gòu)可以很清楚發(fā)現(xiàn)，這個(gè)濾波器是計(jì)算當(dāng)前像素點(diǎn)右邊與左邊8連通像素灰度值的差值，我們先通過一維的概念來理解一下：
第一類是經(jīng)典的邊緣檢測(cè)方法,如微分算子法、最優(yōu)算子法和擬合法等。 題進(jìn)行分析,給出一維值代價(jià)函數(shù)作為最優(yōu)提取依據(jù),從全局最優(yōu)的觀點(diǎn)提取邊緣,如松馳法。 第三類是以小波變換、數(shù)學(xué)形態(tài)學(xué)、模糊數(shù)學(xué)、分形理論等近年來發(fā)展起來的高新技術(shù)為基礎(chǔ)的圖像邊緣提取方法,尤其是基于多尺度特性的小波變換提取圖像邊緣的方法是目前研究較多的課題。 其中,以上每一類都包含各種不同的邊緣檢測(cè)算法。 [1] 此外，還誕生了一些如基于神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)等近年來新興起的方式。 在這里，由于本人并沒有深入、系統(tǒng)地學(xué)習(xí)過圖像處理，能力所限，主要介紹一下經(jīng)典的邊緣檢測(cè)算法里的算子的方法，以及在傳統(tǒng)的圖像識(shí)別里的sift特征里同樣提到的尺度空間概念。
現(xiàn)有邊緣檢測(cè)技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面 基于matlab 的圖像邊緣檢測(cè)算法研究 自適應(yīng)能力很差，有待進(jìn)一步改進(jìn)和提高。 （1）多譜圖像是圖像配準(zhǔn)技術(shù)中的一個(gè)難點(diǎn)，傳統(tǒng)的圖像配準(zhǔn)技術(shù)只適用于同源圖像，由于紅外圖像和可見光遙感圖像的成像波段不 同，對(duì)于同一場(chǎng)景，所采集到的圖像的差異很大。
圖像邊緣檢測(cè)的結(jié)果直接影響物體檢測(cè)和識(shí)別的效果。 [3] 圖像中的邊緣檢測(cè)一直是機(jī)器視覺領(lǐng)域中的研究熱點(diǎn),從年代至今,人們已經(jīng)從不同的角度、不同的應(yīng)用背景提出了很多方法,歸納起來分為三大類。 第一類是經(jīng)典的邊緣檢測(cè)方法,如微分算子法、最優(yōu)算子法和擬合法等。
