基于图像区域特征的边缘检测方法研究与实现

基于图像区域特征的边缘检测方法研究与实现

论文摘要

在实际图像处理问题中,边缘是图像的最基本特征。边缘检测是图像的压缩、图像的增强、图像的分割以及图像的识别等领域的基础,有着广泛的应用,一直是数字图像处理领域研究的焦点问题和热点问题。目前在边缘的检测和追踪领域已经提出了许多方法,鉴于所分析的图像特点的差异,不同边缘检测追踪算法的性能具有很大的互异性。尤其,实际处理的图像一般都有噪声点的存在、不封闭曲线和目标对象有公共点,如何保证边缘定位的准确性成为边缘检测需要解决的一个重要问题。因此,需要根据具体应用设计新的边缘检测方法,或者对现有的方法进行改进以得到满意的边缘检测结果。而基于图像区域特征的边缘检测追踪方法逐渐被应用到实际的图像处理中,并且显示出它优于传统方法的特点,针对在相干切片和TO图的断层多边形自动提取交互系统的研发课题,系统需要在具有复杂断层分布和强噪声的相干切片或TO上准确、快速地提取断层多边形轮廓,并且对锯齿较大的多边形进行自动平滑处理,并保存边界参数序列,本文设计了基于图像区域特征的边缘检测算法和系统实施方案,并得到了较好的检测效果。本文首先研究了经典的图像边缘检测方法,线性滤波技术及其在图像边缘检测中的应用,并通过理论分析以及仿真计算,比较了各种算法在图像边缘检测中的优缺点。其次,研究与图像边缘检测相关的阈值分割二值化图像预处理算法、对传统的边界追踪算法进行分析,与图像区域特征相结合提出一种改进型的八邻域边界跟踪算法;对得到的边缘轮廓进行平滑,对传统的平滑算法的补充和改进,使断层多边形平滑处理达到不失真、高效率。最后,在此基础上,针对项目需求设计了复杂二值图像边界跟踪与提取算法,并将改进的各种算法应用到项目中,设计实现了断层多边形自动提取交互系统。通过实践验证:该系统检测出的断层多边形定位准确、连续、光滑、边缘细节丰富、边界呈单像素宽。该系统在油田地震勘探解释应用中取得良好检测效果,并提高了断层检测的精度和效率。

论文目录

  • 摘要
  • ABSTRACT
  • 创新点摘要
  • 目录
  • 第一章 绪论
  • 1.1 引言
  • 1.1.1 数字图像处理的发展及应用
  • 1.1.2 图像特征的意义
  • 1.2 边缘检测的基本概念
  • 1.3 边缘检测目前国内外研究概况
  • 1.4 主要研究内容
  • 1.5 论文的内容安排
  • 第二章 图像特征及提取方法
  • 2.1 图像特征及其分类
  • 2.2 区域分割及其方法
  • 2.3 图像特征的表达与提取
  • 2.4 小结
  • 第三章 边缘检测的一般方法
  • 3.1 图像边缘检测的基本流程
  • 3.2 经典边缘检测方法
  • 3.3 边缘检测方法分析
  • 3.4 传统的图像边缘追踪算法
  • 3.5 小结
  • 第四章 基于图像特征的边缘追踪方法
  • 4.1 图像的基本单元
  • 4.2 图像灰度特征的二值化
  • 4.2.1 直方图方法
  • 4.2.2 迭代阈值法
  • 4.3 对传统的图像边缘追踪算法的改进
  • 4.3.1 传统的图像边缘追踪算法的分析
  • 4.3.2 图像边缘追踪算法的改进
  • 4.4 小结
  • 第五章 断层多边形平滑方法
  • 5.1 传统的多边形平滑方法
  • 5.2 基于图像方向特征的多边形平滑方法
  • 5.3 断层多边形平滑方法
  • 5.3.1 断层多边形平滑前的预处理
  • 5.3.2 断层多边形平滑
  • 5.4 小结
  • 第六章 断层多边形自动提取交互系统的设计与实现
  • 6.1 断层多边形自动提取交互系统方案
  • 6.2 基于相干切片的断层多边形自动提取
  • 6.2.1 原始相干切片数据转换为灰度图像
  • 6.2.2 系统流程图
  • 6.2.3 图像的预处理
  • 6.2.4 基于相干切片的断层多边形边缘追踪和提取
  • 6.3 基于TO图的断层多边形自动提取
  • 6.3.1 基于TO图的断层多边形边缘追踪和提取
  • 6.3.2 基于TO图的断层多边形平滑
  • 6.4 断层多边形交互处理技术
  • 6.5 断层多边形编码输出
  • 6.6 小结
  • 结论
  • 参考文献
  • 发表文章目录
  • 论文摘要
  • 相关论文文献

    • [1].图像区域边界抽出及漫游的实现[J]. 科学家 2017(01)
    • [2].基于多特征融合的图像区域几何标记[J]. 东北大学学报(自然科学版) 2017(07)
    • [3].图像区域选择方法与技巧[J]. 印刷杂志 2009(12)
    • [4].海水漏油图像区域面积计算方法研究[J]. 计算机仿真 2012(08)
    • [5].模糊的图像[J]. 散文百家(理论) 2020(08)
    • [6].尼康相机新功能——“图像区域” 你用还是不用?[J]. 照相机 2014(12)
    • [7].基于灰度共生矩的图像区域复制篡改检测[J]. 计算机应用 2011(06)
    • [8].一种度量图像区域相似性的粒计算方法[J]. 科技信息 2012(26)
    • [9].图像区域粗糙分割情况下的区域物体分类[J]. 计算机辅助设计与图形学学报 2010(07)
    • [10].基于多重分形的病害虫图像区域快速分割算法[J]. 内蒙古民族大学学报(自然科学版) 2019(06)
    • [11].针对图像区域连续化问题的立体匹配算法[J]. 南京师范大学学报(工程技术版) 2011(04)
    • [12].列车车轮踏面缺陷的图像区域提取[J]. 光学精密工程 2009(04)
    • [13].基于图像区域相关的景象匹配概率与精度研究[J]. 宇航学报 2009(03)
    • [14].基于Logistic回归的零件图像区域提取[J]. 计算机应用研究 2017(04)
    • [15].加权特征自动图像标注方法[J]. 北京邮电大学学报 2011(05)
    • [16].一种结合先验知识和半监督学习的显著性检测方法[J]. 现代计算机(专业版) 2017(11)
    • [17].基于LBP的图像区域复制篡改检测[J]. 计算机工程 2012(16)
    • [18].图像区域复制篡改快速鲁棒取证[J]. 自动化学报 2009(12)
    • [19].航拍图像区域多特征紧耦合多级分类算法[J]. 微电子学与计算机 2014(10)
    • [20].基于局部不变特征及离群检测的图像区域克隆认证算法[J]. 计算机科学 2014(12)
    • [21].基于特征提取和多示例学习的图像区域标注[J]. 电子测量与仪器学报 2014(08)
    • [22].基于颜色距离的分水岭改进算法[J]. 软件导刊 2012(05)
    • [23].印刷设备与技术专利大观(三)[J]. 今日印刷 2008(09)
    • [24].图像区域增长程序的蜕变测试框架[J]. 计算机技术与发展 2019(04)
    • [25].基于zernike矩图像区域复制篡改认证[J]. 四川大学学报(自然科学版) 2009(01)
    • [26].基于图像区域特征的自适应边缘检测[J]. 计算机应用研究 2012(06)
    • [27].给老照片添加新颜色[J]. 数码摄影 2010(12)
    • [28].基于图像区域Lyapunov指数的海面舰船目标检测[J]. 物理学报 2009(02)
    • [29].基于区域模糊本体的公路景观图像区域语义标注方法[J]. 黑龙江工程学院学报(自然科学版) 2009(02)
    • [30].融合双层信息的显著性检测[J]. 中国图象图形学报 2015(03)

    标签:;  ;  ;  ;  ;  

    基于图像区域特征的边缘检测方法研究与实现
    下载Doc文档

    猜你喜欢