圖像處理文獻(xiàn)綜述

1、文獻(xiàn)綜述1.1理論背景數(shù)字圖像中的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域的重要基礎(chǔ)，圖像處理和分析的第一步往往就是邊緣檢測(cè)。物體的邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，也就是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時(shí)物體的邊緣也是不同區(qū)域的分界處。圖像邊緣有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變化劇烈。根據(jù)灰度變化的特點(diǎn)，圖像邊緣可分為階躍型、房頂型和凸緣型。1.2、圖像邊緣檢測(cè)技術(shù)研究的目的和意義數(shù)字圖像邊緣檢測(cè)是伴隨著計(jì)算機(jī)發(fā)展起來(lái)的一門(mén)新興學(xué)科，隨著計(jì)算機(jī)硬件、軟件的高度發(fā)展，數(shù)字

2、圖像邊緣檢測(cè)也在生活中的各個(gè)領(lǐng)域得到了廣泛的應(yīng)用。邊緣檢測(cè)技術(shù)是圖像邊緣檢測(cè)和計(jì)算機(jī)視覺(jué)等領(lǐng)域最基本的技術(shù)，如何快速、精確的提取圖像邊緣信息一直是國(guó)內(nèi)外研究的熱點(diǎn)，然而邊緣檢測(cè)也是圖像處理中的一個(gè)難題。首先要研究圖像邊緣檢測(cè)，就要先研究圖像去噪和圖像銳化。前者是為了得到飛更真實(shí)的圖像，排除外界的干擾，后者則是為我們的邊緣檢測(cè)提供圖像特征更加明顯的圖片，即加大圖像特征。兩者雖然在圖像邊緣檢測(cè)中都有重要地位，但本次研究主要是針對(duì)圖像邊緣檢測(cè)的研究，我們最終所要達(dá)到的目的是為了處理速度更快，圖像特征識(shí)別更準(zhǔn)確。早期的經(jīng)典算法有邊緣算子法、曲面擬合法、模版匹配法、門(mén)限化法等。早在1959年Julez就

3、曾提及邊緣檢測(cè)技術(shù)，Roberts則于1965年開(kāi)始了最早期的系統(tǒng)研究，從此有關(guān)邊緣檢測(cè)的理論方法不斷涌現(xiàn)并推陳出新。邊緣檢測(cè)最開(kāi)始都是使用一些經(jīng)驗(yàn)性的方法，如利用梯度等微分算子或特征模板對(duì)圖像進(jìn)行卷積運(yùn)算，然而由于這些方法普遍存在一些明顯的缺陷，導(dǎo)致其檢測(cè)結(jié)果并不盡如人意。20世紀(jì)80年代，Marr和Canny相繼提出了一些更為系統(tǒng)的理論和方法，逐漸使人們認(rèn)識(shí)到邊緣檢測(cè)的重要研究意義。隨著研究的深入，人們開(kāi)始注意到邊緣具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情況下，小尺度檢測(cè)能得到更多的邊緣細(xì)節(jié)，但對(duì)噪聲更為敏感，而大尺度檢測(cè)則與之相反。1983年Witkin首次提出尺

4、度空間的思想，為邊緣檢測(cè)開(kāi)辟了更為寬廣的空間，繁衍出了很多可貴的成果。隨著小波理論的發(fā)展，它在邊緣檢測(cè)技術(shù)中也開(kāi)始得到重要的應(yīng)用。MALLAT造性地將多尺度思想與小波理論相結(jié)合，并與LoG,Canny算子相統(tǒng)一，有效地應(yīng)用在圖像分解與重構(gòu)等許多領(lǐng)域中。這些算子現(xiàn)在依然應(yīng)用于計(jì)算幾何各個(gè)現(xiàn)實(shí)領(lǐng)域中，如遙感技術(shù)、生物醫(yī)學(xué)工程、機(jī)器人與生產(chǎn)自動(dòng)化中的視覺(jué)檢驗(yàn)、零部件選取及過(guò)程控制等流程、軍事及通信等。在圖像邊緣檢測(cè)的過(guò)程中老算法也出現(xiàn)了許多的問(wèn)題。經(jīng)過(guò)多年的發(fā)展，現(xiàn)在已經(jīng)出現(xiàn)了一批新的圖像邊緣檢測(cè)算法。如小波變換和小波包的邊緣檢測(cè)、基于形態(tài)學(xué)、模糊理論和神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)等，這些算法擴(kuò)展了圖像邊緣檢

5、測(cè)技術(shù)在原有領(lǐng)域中的運(yùn)用空間，同時(shí)也使它能夠適應(yīng)更多的運(yùn)用需要。1.3國(guó)內(nèi)外研究現(xiàn)狀分析數(shù)字圖像邊緣檢測(cè)技術(shù)在二十世紀(jì)六十年代因客觀需要而興起，到二十一世紀(jì)初期，它已經(jīng)處于發(fā)展的全盛時(shí)期。圖像邊緣檢測(cè)技術(shù)進(jìn)一步發(fā)展的另一個(gè)原因是計(jì)算機(jī)硬件的開(kāi)發(fā)與軟件系統(tǒng)的進(jìn)一步完善，導(dǎo)致數(shù)字圖像技術(shù)的精度更高成本更低、速度更快及靈活性更好。由于數(shù)字圖像邊緣檢測(cè)包括很多方面，所以該文主要針對(duì)圖像邊緣檢測(cè)進(jìn)行研究和分析。圖像的邊緣檢測(cè)是圖像最基本的特征，精度的提取出圖像邊緣可以對(duì)圖像進(jìn)行更多方面的研究。早期的經(jīng)典算法有邊緣算子法、曲面擬合法、模版匹配法、門(mén)限化法等。經(jīng)典的邊緣檢測(cè)算法是對(duì)原始圖像中像素的某小領(lǐng)域來(lái)

6、構(gòu)造邊緣檢測(cè)算子，常用的邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子Kirsch算子、Laplacian算子、LOG算子、Canny算子等。雖然這些算法已經(jīng)提出并應(yīng)用了很多年，不過(guò)任然有其發(fā)展空間。近年來(lái)隨著數(shù)學(xué)理論以及人工智能的發(fā)展，又涌現(xiàn)出了許多新的邊緣檢測(cè)的方法，如小波變換和小波包的邊緣檢測(cè)、基于數(shù)學(xué)形態(tài)學(xué)、模糊理論和神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)法。小波變換和小波包的邊緣檢測(cè)方法：在數(shù)字圖像邊緣檢測(cè)中，需要分析的圖像往往結(jié)構(gòu)復(fù)雜、形態(tài)各異，提取的圖像邊緣不僅要反應(yīng)目標(biāo)的整體輪廓，目標(biāo)的局部細(xì)節(jié)也不能忽視，這就需要更多尺度的邊緣檢測(cè)，而小波變換具有天然的多尺度特征，通過(guò)伸縮平

7、移運(yùn)算對(duì)信號(hào)進(jìn)行細(xì)化分析，達(dá)到高頻處時(shí)間細(xì)分，低頻出頻率細(xì)分。所以，小波變換非常適合復(fù)雜圖像的邊緣檢測(cè)。在Coifman、MeyerWickhauser引入小波理論后，小波包分解則更是為精細(xì)的一種圖像分解方法，可以滿足不同分辨率下對(duì)局部細(xì)節(jié)進(jìn)行邊緣檢測(cè)提取的需要，尤其是含噪圖像，提取圖像邊緣對(duì)抑制圖像噪聲更好?；跀?shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法：數(shù)學(xué)形態(tài)學(xué)是圖像邊緣檢測(cè)和模式識(shí)別領(lǐng)域中一門(mén)新興的學(xué)科，具有嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)，現(xiàn)已在圖像工程中得到廣泛的運(yùn)用?；舅枷胧怯镁哂幸欢ㄐ螒B(tài)學(xué)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀已達(dá)到對(duì)圖像分析和識(shí)別的目的。獲得的圖像結(jié)構(gòu)信息與結(jié)構(gòu)元素的尺寸和形狀都有關(guān)系，構(gòu)

8、造不同的結(jié)構(gòu)元素，便可完成不同的圖像分析。數(shù)學(xué)形態(tài)學(xué)包括二值形態(tài)學(xué)、灰度形態(tài)學(xué)和彩色形態(tài)學(xué)，基本變換包括膨脹、腐蝕、開(kāi)啟、閉合四種運(yùn)算，并由這四種運(yùn)算演化出開(kāi)、閉、薄化、厚化等，從而完成復(fù)雜的形態(tài)變換。目前隨著二值形態(tài)學(xué)的運(yùn)用越來(lái)越成熟，灰度和彩色形態(tài)學(xué)在邊緣檢測(cè)中的運(yùn)用也越來(lái)越引起人們的關(guān)注并逐漸走向成熟。由于邊緣本身檢測(cè)本身所具有的難度，使研究沒(méi)有多大的突破性的進(jìn)展。仍然存在的問(wèn)題主要有兩個(gè):其一是沒(méi)有一種普遍使用的檢測(cè)算法；其二沒(méi)有一個(gè)好的通用的檢測(cè)評(píng)價(jià)標(biāo)準(zhǔn)。從邊緣檢測(cè)研究的歷史來(lái)看，可以看到對(duì)邊緣檢測(cè)的研究有幾個(gè)明顯對(duì)策趨勢(shì)：一是對(duì)原有算法的不斷改進(jìn)；二是新方法、新概念的引入和多種方法的有效綜合利用。人們逐漸認(rèn)識(shí)到現(xiàn)有的任何一種單獨(dú)的邊緣檢測(cè)算法都難以從一般圖像中檢測(cè)到令人滿意的邊緣圖像，因而很多人在把新方法和新概念不斷的引入邊緣檢測(cè)領(lǐng)域的同時(shí)也更加重視把各種方法總和起來(lái)運(yùn)用。在新出現(xiàn)的邊緣檢測(cè)算法中，基于小波變換的邊緣檢測(cè)算法是一種很好的方法。三是交互式檢測(cè)研究的深入。由于很多場(chǎng)合需要對(duì)目標(biāo)圖像進(jìn)行邊緣檢測(cè)分析，例如對(duì)醫(yī)學(xué)圖像的分析，因此需要進(jìn)行交互式檢測(cè)研究。事實(shí)證明交互式檢測(cè)技術(shù)有著廣泛的應(yīng)用。四是對(duì)特殊圖像邊緣檢測(cè)的研究越來(lái)越得到重視。目前有很多針對(duì)立體圖像、彩色圖像、多光譜圖像以及多視場(chǎng)圖像分割的研究，也有對(duì)運(yùn)動(dòng)圖像及視頻圖像中目標(biāo)