学位论文 > 优秀研究生学位论文题录展示

基于数学形态学的彩色噪声图像边缘检测算法的研究

作　者: 康蕴
导　师: 石跃祥
学　校: 湘潭大学
专　业: 信号与信息处理
关键词: 边缘检测数学形态学彩色噪声图像多尺度多结构非下采样Contourlet变换
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

图像边缘检测技术作为一种重要的图像处理技术，它能提取出包含图像重要特征信息的边缘，为图像分割、融合与特征识别等后续处理奠定基础。边缘检测对象大多是灰度图像，而随着时代的进步，数字化技术的发展，以及图像采集技术的提高，人们接触到的更多是彩色图像。彩色图像中所包含或传递的信息要比灰度图像丰富，所以针对彩色图像进行相关研究也就更有实际意义。数学形态学理论作为一种图像处理和分析工具，已被广泛的应用于物体形状识别、纹理分析、噪声抑制以及图像边缘检测和分割等各个领域的研究。从数学形态学理论的角度对图像边缘检测算法进行了较深入的研究，并将形态学的集合思想和非线性方法应用到彩色噪声图像的边缘检测中。主要工作如下：1）通过深入的分析和讨论基本的灰度形态学边缘检测算子，提出了两种针对无噪和有噪两种情况的改进的灰度边缘检测方法，实验证明这两种方法的边缘提取效果有明显的提升。2）在研究灰度图像边缘检测的基础上，深入到彩色图像中，并对H、S、I三个分量采用双通道的去噪方式来有效的去除噪声后，采用提出的多结构多尺度的结构元素矩阵模型来全方位、有效的提取不同几何类型的边缘，这种方法得到的边缘去噪效果比较好，定位准确，轮廓完整、光滑、清晰。3）综合利用数学形态学多尺度多结构元的思想和非下采样Contourlet变换的多尺度、多方向、平移不变性在边缘提取应用中的优点，提出了一种基于数学形态学和NSCT（非下采样Contourlet变换）相结合的彩色图像边缘检测方法，对检测到的边缘通过自适应优化处理后，再用NSCT逆变换重构各系数，最后采用EBO优化方法处理边缘后再融合。实验表明，本文提出的方法能获得更多的边缘细节。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-14
  1.1 引言  8
  1.2 研究背景和意义  8-11
  1.3 彩色图像边缘检测  11-12
  1.4 基于数学形态学理论的图像边缘检测研究现状  12
  1.5 论文的研究内容和章节安排  12-14
第2章数学形态学的基本理论  14-28
  2.1 二值形态学  14-18
    2.1.1 二值腐蚀与膨胀  14-16
    2.1.2 开启与闭合  16-17
    2.1.3 二值形态学四种运算的特性  17-18
  2.2 灰度形态学基本运算  18-23
    2.2.1 灰度形态学膨胀和腐蚀  18-20
    2.2.2 灰度形态学的开启和闭合  20
    2.2.3 灰度形态学四种运算的特性  20-21
    2.2.4 灰度膨胀、腐蚀、开启、闭合运算的实例  21-23
  2.3 形态学滤波器  23-27
  2.4 本章小结  27-28
第3章基于数学形态学理论的边缘检测  28-43
  3.1 形态学边缘的定义  28
  3.2 形态学边缘检测  28-32
    3.2.1 灰度形态学边缘检测算子  29
    3.2.2 实验仿真结果分析  29-32
  3.3 结构元素的选取  32-33
  3.4 多结构类与多尺度类的形态学边缘检测算法  33-38
    3.4.1 多结构类形态学边缘检测算法  33-34
    3.4.2 多尺度类的形态学边缘检测算法  34-35
    3.4.3 组合类形态学边缘检测算子  35-36
    3.4.4 实验结果分析  36-38
  3.5 改进的形态学边缘检测算子  38-42
    3.5.1 无噪情况下的边缘检测算子  38
    3.5.2 实验结果分析  38-39
    3.5.3 有噪情况下的边缘检测算子  39-41
    3.5.4 实验结果分析  41-42
  3.6 本章小结  42-43
第4章基于 HSI 色彩空间的彩色噪声图像边缘检测  43-55
  4.1 引言  43
  4.2 HSI 色彩空间  43-44
  4.3 HSI 色彩空间形态学变换  44-46
  4.4 改进的基于彩色形态学的彩色噪声图像边缘检测方法  46-50
    4.4.1 滤波方式  46-48
    4.4.2 彩色噪声图像边缘检测  48-50
  4.5 实验结果与分析  50-53
  4.6 本章小结  53-55
第5章基于数学形态学和 NSCT 的彩色图像边缘检测方法  55-65
  5.1 引言  55-56
  5.2 非下采样 Contourlet 变换（NSCT）基本理论  56-59
    5.2.1 非下采样金字塔分解  56-57
    5.2.2 非下采样方向分解  57-59
  5.3 基于形态学和 NSCT 变换的彩色图像边缘检测算法  59-62
    5.3.1 基于 NSCT 变换的边缘提取  59-60
    5.3.2 自适应阈值优化处理(AEO)  60-61
    5.3.3 图像边缘分块优化处理（EBO）以及融合  61-62
  5.4 实验结果分析  62-64
  5.5 本章小结  64-65
第6章结论与展望  65-68
  6.1 结论  65-66
  6.2 展望  66-68
参考文献  68-73
致谢  73-74
附录A 攻读硕士学位期间录用的论文  74

基于数学形态学的彩色噪声图像边缘检测算法的研究

内容摘要

全文目录

相似论文