基于提升小波和形态学的图像边缘检测研究

论文摘要

随着图像通信技术和计算机处理技术的迅猛发展和进步，对图像的重要特征图像边缘的分析和研究已经成为信号与信息处理领域中的迫切需要。然而传统的边缘检测方法一般是通过计算梯度和设置阈值来实现，已经无法满足现代化的图像通信与计算机处理技术的要求。就目前的研究情况来说，很多都是利用小波分析的方法来实现对图像的边缘检测，还有数学形态学、神经网络、模糊数学、分形理论等。但是它们一般都是用一种方法来实现，无法达到满意的检测效果。本文融合了提升小波分析的方法和数学形态学的方法，主要运用提升小波对图像进行分解和重构，运用数学形态学对图像进行灰度腐蚀和膨胀，利用他们各自的优点分别对图像做处理，从而达到更好的检测目标图像的目的。本文首先通过对图像边缘检测的研究，对这些传统的方法进行深入分析和系统的总结，评价了它们的优缺点。然后对目前很多人采用的小波分析的方法进行分析和研究，分析了小波变换的基本理论，采用三阶B样条小波函数通过小波变换来检测图像，对检测出的图像边缘进行评价。本文介绍了提升小波变换和形态学的基本理论，分析了提升小波变换和数学形态学相结合的优势，对这两种方法进行融合，通过仿真及对检测结果分析和对比，该算法具有满意的效果。最后把本文提升小波和形态学相结合的边缘检测算法应用于实际车牌定位技术中，提出了基于本文边缘检测算法的车牌定位算法，该算法准确的定位出车牌区域，实验结果表明，本文算法在实际中具有有效性和实用性，通过与目前广泛采用的小波分析的方法相比，本文算法的优势在于它充分利用了两种方法的优点，比单独运用一种方法有更好的检测性能，它在车牌定位技术中应用的结果表明其实用性，通过对各种不同边缘检测方法之间的融合进而产生新的检测方法，也是图像边缘检测领域发展的趋势。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景及意义
• 1.2 边缘检测的研究现状
• 1.3 论文主要研究内容
• 1.4 论文研究的难点和创新点
• 1.5 论文的主要结构
• 第2章 传统边缘检测方法
• 2.1 Roberts 算子边缘检测
• 2.2 Sobel 算子边缘检测
• 2.3 Prewitt 算子边缘检测
• 2.4 LoG（Laplacian of Gaussian）算子边缘检测
• 2.5 Canny 算子边缘检测
• 2.6 各种算法仿真结果比较分析
• 第3章 小波变换基本理论及小波边缘检测
• 3.1 小波变换的产生
• 3.2 小波变换
• 3.2.1 连续小波变换
• 3.2.2 离散小波变换
• 3.2.3 二维小波变换
• 3.3 多分辨率分析和 Mallat 算法
• 3.3.1 多分辨率分析
• 3.3.2 Mallat 算法
• 3.4 B 样条小波
• 3.5 三阶 B 样条小波边缘检测
• 3.5.1 基本思想
• 3.5.2 实现步骤
• 3.5.3 算法流程图
• 3.5.4 仿真结果与分析
• 第4章 提升小波和形态学相结合的边缘检测
• 4.1 提升小波理论
• 4.1.1 提升小波概述
• 4.1.2 提升小波变换
• 4.2 形态学理论
• 4.2.1 形态学概述
• 4.2.2 二值形态学
• 4.2.3 灰度形态学
• 4.3 改进的基于提升小波和形态学的边缘检测算法
• 4.3.1 基本思想
• 4.3.2 实现步骤
• 4.3.3 算法流程图
• 4.3.4 仿真结果与分析
• 4.3.5 本算法与小波边缘检测算法仿真结果比较
• 第5章 本文算法在实际车牌定位技术中的应用
• 5.1 车牌定位技术应用概述
• 5.2 车牌定位算法
• 5.2.1 算法基本思路
• 5.2.2 算法步骤
• 5.2.3 算法流程图
• 5.3 灰度图像的二值化处理
• 5.4 图像的形态学运算
• 5.5 车牌轮廓特征定位
• 5.6 车牌定位结果
• 第6章 总结与展望
• 6.1 论文工作总结
• 6.2 未来工作展望
• 参考文献
• 附录
• 在学期间发表的学术成果及获奖情况
• 致谢