另外其相对简单的算法使得 整个过程可以在较短的时间内实现。 实验结果也表明,Canny 算子在处理受加性高斯白 噪声污染的图像方面获得了良好的效果 1.2数字图像边缘检测算法的意义 数字图像处理是控制领域的重要课题,数字图像边缘检测是图像分割、目标区域识 别和区域形状提取等图像分析领域十分重要的基础,是图像识别中提取图像特征的一个 重要方法。 边缘中包含图像物体有价值的边界信息,这些信息可以用于图像理解和分析, 并且通过边缘检测可以极大地降低后续图像分析和处理的数据量。
2013 届毕业设计(论文) 传统边缘检测方法及理论基础2.1 数字图像边缘检测的现状与发展 在数字图像处理中,边缘特征是图像的重要特征之一,是图像处理、模式识别和计 算机视觉的重要组成部分之一,图像边缘检测的结果直接影响进一步图像处理、模式识 别的效果。 近几十年来,图像边缘检测技术成为数字图像处理技术重要研究课题之一,随着科 学技术的发展,研究人员提出了很多图像边缘检测方法及边缘检测效果的评价方法,并 且将这些边缘检测技术应用于计算机视觉和模式识别工程领域,使得边缘检测技术的应 用范围越来越广,图像的边缘一般是图像的灰度或者颜色发生剧烈变化的地方,而这些 变化往往是由物体的结构和纹理,外界的光照和物体的表面对光的反射造成的。
图像的 边缘反映了物体的外观轮廓特征,是图像分析和模式识别的重要特征,数字图像处理技 术是一门交叉学科,数学理论、人工智能、视觉生理学和心理学等各种理论为边缘检测 技术研究注入新的活力,涌现出很多边缘检测理论和方法。 根据边缘检测所处理的图像 类型,可分为两大类:灰度图像边缘检测方法和彩色图像边缘检测方法。
现有边缘检测技术在抑制噪声方面有一定的局限性,在阈值参数选取方面 基于matlab 的图像边缘检测算法研究 自适应能力很差,有待进一步改进和提高。 (1)多谱图像是图像配准技术中的一个难点,传统的图像配准技术只适用于同源图像,由于红外图像和可见光遥感图像的成像波段不 同,对于同一场景,所采集到的图像的差异很大。