边缘检测技术综述
摘要
图像是人们从客观世界获取信息的重要来源，而图像边缘是图像最基本的特征之一，往往携带着一幅图像的大部分信息。边缘是图象最基本的特征。边缘检测在计算机视觉、图象分析等应用中起着重要的作用,是图象分析与识别的重要环节,这是因为图象的边缘包含了用于识别的有用信息。所以边缘检测是图像分析和模式识别的主要特征提取手段。我们对一幅图像检测并提取出它的边缘就需要研究和解决如何构造出具有良好性质及好的效果的边缘检测算子的问题。
边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,灰度或结构等信息的突变处成为边缘。经典的边界提取技术大都基于微分运算。首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取边界。这些算法尽管实时性较好，但抗干扰性差，不能有效克服噪声影响。
各个边缘检测算子的检测效果各有优缺点，这和它们各自采用的算法原理是一致的。为了正确地得到图像的边缘信息，现代边缘检测技术还从小波、数学形态学、遗传算法、基于视觉机制等多种方法进行了研究，寻求算法较为简单、能较好地解决检测精度与抗噪声性能协调问题的边缘检测算法是当前图像处理与分析领域中的一个研究热点。
文中首先介绍了几种经典的边缘检测方法，并对其性能进行比较分析；然后，综述了近几年来出现的一些新的边缘检测方法；最后，对边缘检测技术的发展趋势进行了展望。
关键词：边缘；边缘检测算子；边缘检测技术；综述
1引言
图像是人们从客观世界获取信息的重要来源 [1]。图像信息最主要来自其边缘和轮廓。所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，它是图像分割所依赖的最重要的依据。边缘检测 [2]是图像处理和计算机视觉中的基本问题，图像边缘检测是图像处理中的一个重要内容和步骤，是图像分割、目标识别等众多图像处理的必要基础。因此，研究图像边缘检测算法具有极其重要的意义。
图像边缘检测自从五十年代提出和应用以来，迄今已出现了大量方法，要对边缘检测的发展历史做一个清晰的划分是很难的。总体说来，边缘检测可以分为两大类，即传统的边缘检测算法和新兴的边缘检测算法。传统的边缘检测算法主要是建立在梯度运算的基础上；近年来，随着数学理论和人工智能的发展，又出现了一些新的边缘检测的算法，如基于数学形态学的边缘检测[3]、基于视觉机制[4]、小波变换和小波包变换的边缘检测法[5]、基于模糊理论的边缘检法[6]、基于神经网络的边缘检测法[7]、基于遗传算法的边缘检测法[8] 、多尺度边缘检测技术[9]等。
就传统的经典图像边缘提取算法，虽然效果不一定最好，但因其算法简单、成熟，计算量小，在经过一些改进之后，仍然有相当大的应用潜力。而小波变换、数学形态学理论等都属于近些年发展起来的高新信号处理技术，而且已经成功地运用到了数据压缩等方面，如何最有效地应用这些技术进行图像的边缘提取，仍然是目前研究的一个热点。
1 经典的边缘检测算法
1.1 边缘检测的发展与现状
最早的边缘检测算子可以追溯到上世纪六十年代，Roberts提出了基于梯度的边缘检测，这种利用对角方向相邻两像素之差计算梯度进行边缘检测的方法至今仍然适用的一种算法，也是最简单的一种算子，但该算子对噪声比较敏感，时常会出现孤立点；七十年代又出现了Prewitt算子、Sobel算子，这两种算子是目前在实践中计算数字梯度时最常用的方法，它们在计算梯度前，先计算邻域平均或者加权平均，再进行微分，这样便可以抑制噪声，但这几种算子比较容易出现边缘模糊；后来出现的Kirsch算子可以检测到多个方向上的边缘，减少了因取平均而丢失的细节，但却增加了计算量；以上这些传统的边缘检测算子，大部分为局域窗口梯度算子，它们对噪声非常敏感，随着噪声的增加，会检测出大量的伪边缘和噪声点，有时甚至无法检测出边缘；但对于图像来说噪声是无处不在的，所以这些算子对实际图像的处理效果并不令人满意，检测结果也不可靠。后来，先对图像做平滑，再利用平滑过程中的零交叉点来定位边缘位
置的算子，如Marr提出的LOG算子，是微分法中应用最为广泛的检测算子，该算子虽然克服了抗噪能力比较差的缺点，但它对参数的依赖性较大，参数不同，会出现不同程度的虚假边缘或丢失边缘的现象。很多学者提出了多种方法避免噪声对算子的影响，解决准确定位，虚假边缘等问题，如基于小波的边缘检测算法，基于神经网络及数学形态学的边缘检测算法，其中1986年Canny提出的最佳边缘检测算子是检测阶跃型边缘效果最好的算子之一[10]，去噪能力强，同时该算子因处理被高斯白噪声污染的图像取得了的良好效果，而成为其它边缘检测算子性能评价的标准，但它同时也具有不可避免的缺点。
图像的复杂性和多样性使得人们在不断的研究更为有效的边缘检测算子，从研究的趋势看来，在该领域的研究中有明显的几个趋势：首先，在不断的改进原有的算法；其次，研究者不断的将新方法和新概念引入，同时更注重对多种方法综合运用；再次，对一些特殊的图像的边缘检测技术的研究得到了越来越多的重视，根据任务的特定要求，通过对现有的方法进行改进或者设计一种新的边缘检测方法，以得到特定任务满意的检测结果仍然是图像处理的研究热点之一。
1.2 经典边缘检测算子
微分算子主要是根据灰度边缘处的一阶导数有极值、二阶导数过零点的原理来检测边缘。以一阶导数为基础的边缘检测算子，通过计算图像的梯度值来检测图像边用于检测图像中边的存在。比如：Roberts 算子、 Sobel 算子、 Prewitt算子，Canny 算子；以二阶导数为基础的边缘检测算子，过寻求二阶导数中的过零点来检测边缘。根据二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边；根据零交叉，确定边的准确位置。比如拉普拉斯算子（Laplacian）、 LOG 算子。LoG算子又称为拉普拉斯高斯算法，它用 Gaussian 函数先对图像进行平滑处理，然后采用拉普拉斯算子根据二阶导数过零点来检测边缘。
Canny 算子的实质是利用高斯函数的一阶微分，并用非极大抑制和双阈值法来定位导数最大值。它是一种比较实用的边缘检测算子，能在噪声抑制和边缘检测之间取得较好的平衡，具有很好的边缘检测性能 [10]。而且许多文献提出了对经典算子的各种改进方法。
2 经典边缘检测算子性能分析
传统的边缘检测算法是利用梯度最大值或二阶导数过零点值来获取图像边缘的。这些算法尽管实时性较好，但抗干扰性差，不能有效克服噪声影响，定位方面欠佳。在提取图像边缘时，通常会遇到两个问题：一是图像降噪后边缘变得模糊，二是无法在多尺度下对图像边缘进行提取。这两个问题严重影响图像的提取。目前，边缘检测仍然是经典技术难题之一，是计算机视觉中的一个瓶颈问题。[11]
2.1各种边缘检测的特点
1.Robert算子采用对角线方向相邻的两像素之差近似梯度幅值进行边缘检测。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。
2.Sobel算子根据像素点上下、左右相邻灰度加权差在边缘处达到极值这一现象进行边缘检测。对噪声具有平滑作用，提供较为精确的边缘信息，边缘定位精度不够高。当对精度要求不是很高时他是一只种比较
常用的边缘检测算法。
3.Prewitt算子利用像素点的上下、左右相邻点灰度差在边缘达到极值这一现象检测边缘。对噪声具有平滑作用，精度不够高。
https://www.doczj.com/doc/d814212034.html,place算子是二阶微分算子，利用二阶导数在边缘点出现零交叉检测边缘，对灰度突变敏感，定位精度高，对噪声敏感，不能获得边缘方向等信息。
5.LOG算子也是一种二阶微分算子，是在Laplace算子基础上的改进。由于先对图像进行了高斯滤波运算，所以比Laplace算子取得更好的边缘检测效果。
6.Canny边缘检测算子对小区域目标有较好的检测效果，边缘间断的情况很少发生。但它同时将目标中的一些小区域也进行了边缘放大，就连背景上的一些不明显的边界也得到了加强。
3 边缘检测技术新发展
3.1 基于数学形态学的边缘检测
基于数学形态学的图形图像算法研究相对于其他一些基于空间域和频率域的图形分析算法具有突出的优势。如利用数学形态学算法中基本结构元素的先验特征信息可以有效的滤去噪声，并且很好的保留了原始图像中的各种有用信息，很好的恢复原始图像。此外，数学形态学是一种易于硬件实现的算法，能够满足并行实时的处理需求。数学形态学在边缘提取领域的应用超越了很多基于微分处理的边缘提取方法，因为它对噪声的敏感度不如微分处理，故能保持边缘信息的平滑稳定。从最终的处理效果也可以看出，基于数学形态学的边缘提取算法的处理效果在边缘连通性等方面有着显著的效果，断点极少，骨架非常清晰，便于后续信息的处理和应用。
将形态学应用在边缘检测领域是一个科学的、并基于众多实验证明的过程。由于形态学在图形图像处理领域的优势，使得它可以充分的应用在边界提取、像素连通、骨架区域确定，同时形态学还可以应用在与这些操作相关预处理和后期处理领域，如：图像填充、边缘细化、粗化以及边缘剪切。边界提取与区域填充是两个对立的处理过程。当采用形态学知识进行边界提取时，由于形态学的结构元素的先验性可以很好的“挖空”封闭图像内部，同时只保留边缘像素点。不同的结构元素可以从原始数字图像中提取出不同的前景边缘，这也是形态学算法个性化的呈现。然而，正是由于结构元素个性化使得结构元素的确定就显得尤为重要，如果选择不慎将会造成非理想的检测效果。然而，这是一个缺陷与优势共存并矛盾的局面。区域填充的必要性也是不容我们忽视的一个操作。在图像边缘检测的过程中，如果我们只需要得到前景图像的边缘像素，然而前景图像却存在一些“镂空”，这会造成内部镂空边缘或者边缘干扰，对后续的图像处理很不利。所以在进行前景边缘提取前进行区域填充非常必要。其具体操作也跟结构元素相关，当结构元素大于内部“镂空”时，形态学算法即可以将其填充。不同的结构元素的区域填充效果也是不一样的，这同样需要算法提出者在图形图像处理前进行严谨细致的分析，同时也确保了边缘检测算法的高精准性。骨架区域是一个前景图像的整体边缘呈现，骨架区域的划分精准度除了与结构元素相关外，还需要形态学
算法的智能化剪切，使得最后的骨架能够隔离清晰，边缘后续分析。上述的三个基于形态学在边缘检测领域的应用充分的发挥了形态学的优势，并结合形态学集合论的膨胀、腐蚀操作以及两者组合形成的开、闭运算等，使得最后能够取得完整、清晰的边缘像素。
目前，比较成熟的基于数学形态学的边缘检测法 [12] 有：基于多尺度形态学的边缘检测，基于数学形态学多极平均的图像边缘检测，基于偏微分方程的形态学的边缘检测，基于均衡化和数学形态学的组合边缘检测，基于坐标逻辑的多结构元图像边缘检测方法等。
3.2 基于小波和小波包变换的边缘检测算法
小波分析是当前应用数学和工程中的一个迅速发展的领域。小波分析是多分辨率分析和时间尺度分析技术的结合,它同傅里叶变换相比,无论在时域上,还是在频域上都有很好的局部化特征。它能够对信号进行多尺度细化,能对低频部分进行频率细分,高频部分进行时间细分,克服了傅里叶变换的缺点[13]。所以，小波变换更适合复杂图像的边缘检测。作为多尺度分析工具,小波变换为在不同尺度上信号的分析和研究提供了一个精确和统一的框架，从图像处理的角度看,小波变换存在以下几个优点:
(1)它有完善的重构能力,在小波分解的过程中无冗余信息和信息丢失,小波分解能够覆盖整个频域；
(2)小波变换通过选取合适的滤波器,可以极大地减少或去除所提取的不同特征之间的相关性；
(3)小波变换后,能够提取原始图像的任何信息,包括细节信息和结构信息；
(4)小波变换具有“变焦”特征；
(5)小波变换在实现上有快速算法,它的作用相当于快速傅里叶变换在傅里叶变换中的作用,这为小波变换应用提供了必要的手段；
(6)二维小波分析为图像提供了与人类视觉系统方向相吻合的方向选择性。
小波包的边缘检测原理 [14]利用了小波函数对图像的分解作用。小波包变换不仅对图像的低频子带进行分解，还对图像的高频子带进行分解，选择的小波包尺度越大，小波系数对应的空间分辨率就越低。因此，小波包分解是一种更为精细的分解方法，可以在不同分辨率下对局部细节进行边缘提取工作，尤其对于含噪图像，在提取图像边缘时对噪声的抑制效果更好[15] 。
3.3基于视觉机制的边缘检测
从边缘检测的发展与现状，我们可知，研究者一直在致力于寻找一种能克服现有检测算子的缺点的算子，同时该算子能满足特定的需求，比如实现基于目标形状的任务，在各类边缘中，轮廓可以定义目标的形状，它对于基于目标形状这一类任务具有重要作用，但在自然图像中，包含主体信息的轮廓通常受大量的噪声和复杂的背景的干扰，很难被有效和完整地提取出来，我们知道传统的检测方法大多对噪声敏感，同时又没有很好的区分轮廓和非轮廓的边缘成分，因此寻找一种更为有效的算子来解决这一难题。
在视觉信息处理的研究引起了越来越多的研究者的关注，特别是边缘检测这一领域的研究者的关注，如何将人类视觉系统的特性应用到其中以解决轮廓检测的难题已经成为一研究热点。神经生理学研究表
明：对视野中特定区域的刺激，视皮层的V1区神经元会产生响应，神经元响应的区域被称为经典感受野，通过不同形式的感受野进行逐级地抽取，是人类视觉系统在处理图像信息时采用的一种基本方式；后来的研究发现：在经典感受野外由一个区域，这个区域对视觉刺激不发生反应，但是它会调制，即抑制或者易化经典感受野的作用。研究者发现，对感受野特性的模拟可以解决多种问题。因此，经典感受野的特性得到了广泛的应用，Rodieck[16]于1965年提出了同心圆型感受野的数学模型用于描述视网膜和侧膝体上的感受野，对这一模型进行改进和应用在多方面得到了很好的效果，目前大多数经典感受野模型则采用的是Gabor函数模型，Gabor函数由匈牙利科学家Gabor于1946年提出，Daugman[17]于1980年把Marcelja 提出的一维的Gabor函数推广到二维，用它来刻画视皮层简单细胞感受野。Grigorescu等人利用非经典感受野对经典感受野的抑制特性展开了相关研究，他们模拟非经典感受野的抑制作用，并将其分别于canny 算子和经典感受野的作用进行组合，通过比较，在对具有复杂背景的自然图像进行检测时，新的算子比传统算子表现出更好的效果，特别是针对有特定任务的要求，减少了环境纹理的影响，更能有效的区分背景和轮廓；后来，Grigorescu等人为保持轮廓的完整性，减小共线抑制，将圆环形的非经典感受野模型改进为双扇区形的模型，又加入贝叶斯去噪和多尺度定位，使得这一新的模型对轮廓定位准确同时又能保证轮廓的完整性，也得到了不同精细度的图像轮廓，模型的发展也更加符合生理原理。桑农等人针对Grigorescu 等人工作中的缺陷，对模型进行了改进，他们先将圆环模型和半圆环模型改进为蝶型模型[18]，减少了共线抑制的作用，后又根据非经典感受野对经典感受野的易化作用，加入了端区易化，两种模型中均采用迭代算法，这些新的模型均克服了Grigorescu等人所建立的模型的不足，更为符合视觉机制，也增强了边缘检测算子针对特地目标的有效性。
人类视觉机制的研究在不断进步，同时这些机制也被越来越多的应用到边缘检测中实现轮廓提取，所介绍的这些领域的研究成果，为边缘检测中实现轮廓提取提供了很多思路和启发。
3.4 基于模糊理论的边缘检测算法
基于人类知识（如：知识库系统）应用的边缘检测算法显示了它的灵活性。由于一些人类知识可以用语言规则来表示，所以用模糊逻辑来表示很适合。基于模糊理论的方法是把模糊逻辑应用于专家系统的思想，其中用 If … then 规则来表示人类知识。这种使用模糊理论的模糊边缘检测方法是一种十分有前途的领域。
模糊理论由美国柏克莱加州大学电气工程系教授zadeh在模糊焦合理论的基础上提出的 [19]，其特点是不对事物进行简单的肯定和否定，而是用隶属度来反映某一事物属于某一范畴的程度。其中较有代表性的为 Pal 和 King 提出的模糊边缘检测算法。
利用模糊理论进行边缘检测时，首先把一幅图像看作一个模糊集，集内的每一个元素均具有相对于某个特定灰度级的隶属函数，从而将待处理的图像映射为一个模糊特征矩阵，这样待处理图像就映射成了模糊隶属度矩阵。接着，Pal 和 King 又在模糊空间中对图像进行模糊增强处理。模糊增强 [20]的过程是
降低图像的模糊性，经过模糊增强后，图像的各区域之间层次比较清楚，而且边缘两侧的灰度对比增强，其提取的边缘信息也会更加精细。最后，利用 G-1 变换将增强后的图像重新变回数据空间，用“min”或“max”算子提取边缘。
3.5 基于神经网络的边缘检测算法
神经网络所具有的自组织性、自学习性以及自适应性决定了神经网络用于边缘检测的可行性。但由于神经网络是通过样本进行学习的,样本选择的合理与否极大程度地决定了神经网络性能的好坏.近年来采用神经网络进行边缘提取又成为一新的研究方向。神经网络的主要问题[21]是输入与输出层的设计问题、网络数据的准备问题、网络权值的准备及确定问题、隐层数及结点的问题、网络的训练问题。
图像边缘检测神经网络的训练样本可以分为两种:边缘模式和非边缘模式。非边缘模式不包含边界信息却作为样本训练,使神经网络的训练非常耗时。针对这个问题并参考图像锐化的基本原理,一种基于邻域灰度变化极值和神经网络的图像边缘检测方法。该方法首先基于邻域灰度极值提取边界候选图像；然后，以边界候选象素及其邻域象素的二值模式作为样本集，输入边缘检测神经网络进行训练。边缘检测神经网络采用BP网络，为加快网络的训练速度，采用了滚动训练和权值随机扰动的方法。实验表明：该方法提高了神经网络的学习效率，获得的边缘图像封闭性好，边缘描述真实。
3.6 基于遗传算法的边缘检测方法
1975 年，J. Holland 受生物进化论的启发提出了遗传算法（GA）。GA 是基于“适者生存”的一种高度并行、随机和自适应优化算法，它将问题的解用染色体进行描述，通过染色体模拟自然界的进化，最终找到合适的染色体，从而求得问题的最优解或近似最优解。GA 的提出在一定程度上解决了传统的基于符号处理机制的人工智能方法在知识表示、信息处理和解决组合爆炸等方面所遇到的困难，其自组织、自适应、自学习和群体进化能力使其适合于大规模复杂的优化问题。
随着技术的不断进步与发展，遗传算法的研究也在不断深入，无论在理论研究方面，还是在实际应用方面都有了长足的进展。遗传算法GAs 是一类基于自然选择和遗传学原理的有效搜索方法。遗传算法采用二阶的边缘检测算子处理后要进行过零点检测，其计算量很大，而且硬件实时资源占用空间大且速度慢，所以，提出了一种二次搜索寻优的阈值选取策略。通过遗传算法进行边缘提取阈值的自动选取，能够显著地提高阈值选取的速度，可以对视觉系统所产生的边缘图像进行阈值的实时自动选取，增强了整个视觉系统的实时性。
将遗传算法应用于图像处理领域是一个新的研究方向，人们还在不断地探索如何将图像处理与遗传算法有机的联系起来，使得遗传算法在图像处理领域发挥更大的效力，遗传算法在图像边缘检测中的应用就是其中的一个较新的研究方向。
3.7 多尺度边缘检测技术
通过检测二维小波变换的模极大值可以确定图像的边缘点。由于小波变换在各尺度上都提供了图像的
边缘信息，所以称为多尺度边缘检测。沿着边界方向将任意尺度下的边缘连接起来，可形成该尺度下沿着边界的模极大值。小波变换能够把图像分解成多种尺度成分，并对大小不同的尺度成分采用相应的时域或空域取样步长，从而能够不断地聚焦到对象的任意微小细节。小波变换具有的多尺度特性，正好可以用于图像的边缘检测。
Contourlet变换是用类似于轮廓段的基结构来逼近图像。在算法中，Contourlet 变换具有多分辨率、局部定位性、多方向、各向异性的特点。在基于Contourlet变换的带噪图像自适应阈值去噪的方法能够更有效地在去除噪声的基础上 [22]，保留图像的细节和纹理，具有更好的视觉效果和较优的 SNR。
基于拉普拉斯金字塔(LP)分解的多尺度边缘检测方法[23]，是一种无方向的边缘检测算法。该方法利用改进的拉普拉斯金字塔分解捕获各个尺度下边缘的奇异性，获得多尺度带通图像，由分析得出此分解方法得到的带通图像在阶跃边缘点处表现为零交叉点，边缘定位因此更加准确。通过构造统计量提取零交叉点，能去除虚假边缘。再根据任务需要选择合适的尺度，经过多尺度边缘融合算法，得到的图像边缘在有效抑制噪声的同时，能够保留更多的图像细节。
4 总结
图像处理技术已日趋成熟，在很多领域的应用取得了成功和经济效益。边缘检测是图像处理中的最基本却又困难的一个问题，尽管目前有许多检测方法，但它们都不具有绝对优势。一个好的边缘检测方法一方面要求能够检测出有效的边缘，另一方面要求其抗噪能力强，而且期望其计算量要尽可能小。如何调节边缘检测中遇到的各种矛盾是图像处理与分析中研究的主要问题，也是今后进一步要做的工作。
参考文献
[1]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[J].光学技术, 2005, 31(3): 415?419.
[2]Marr D, Hildreth E C. Theory of edge detection[J]. Proceeding of Royal Soc,1980, 207: 187?217.
[3]张伟伟,刘学锋. 基于数学形态学的图像边缘检测研究[J]. 计算机与数字工程, 2006(9): 59?60.
[4]蔡超王梦. 基于视觉感知机制的轮廓检测方法 .华中科技大学图像识别与人工智能研究所，湖北武汉430074
[5]陈武凡.小波分析及其在图像处理中的应用[M]. 北京: 科学出版社, 2002.
[6]孙伟,夏良正,潘泓.一种基于模糊划分的边缘检测算法[J].中国图像图形学报, 2004, 9(1): 18?22.
[7]冯会真,夏哲雷,林志一.基于神经网络的图像边缘检测方法[J].中国计量学院学
报,2006,17(4):289?291.
[8] 贾东立. 基于遗传算法的图像边缘检测研究[D]. 成都: 西南交通大学, 2005.
[9]王植多尺度自适应边缘检测方法研究武汉大学
[10] J. Canny.A computational approach to edge detection.Readings in computer vision: issues,problems, principles, and paradigms, 1987, vol. 184: 87-116
[11]Awad A S, Man H. High performance detection filter for impulse noi se removal in
im ages[J]. IEEE Electronic Letter, 2008, 44(3): 192?194.
[12] 陶洪久,柳健,田金文. 基于小波变换和数学形态学的遥感图像边缘检测[J]. 红外与激光工程, 2002, 31(2), 154?157.
[13] 蒋定定,孙所义,李开端. 基于小波变换的红外图像边缘提取研究[J].红外技术,2003,25(6):31?33.
[14]谭毅华,田金文,柳健.基于小波局部统计特性的图像去噪方法[J].信号处理,2005, 21(3):296?311.
[15]李宏贵,李兴国,罗正发.基于小波变换的红外图像多尺度边缘检测[J].红外技术,1998,20(6):36?41.
[16] R. Rodieck and J. Stone.Analysis of receptive fields of cat retinal ganglion cells.Journal of Neurophysiology, 1965, vol. 28(5): 832
[17] J. G. Daugman.Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters.Optical Society of America, Journal, A:Optics and Image Science, 1985, vol. 2: 1160-1169
[18] Q. Tang, et al.Contour detection based on contextual influences.Image and Vision Computing,2007, vol.
25(8): 1282-1290
[19] 王建勇, 周晓光, 廖启征. 一种基于中值模糊技术的混合噪声滤波器[J]. 电子与信息学报, 2006, 28(5): 901?904.
[20] 饶娟. 基于模糊增强的图像边缘检测的研究[J]. 甘肃联合大学学报: 自然科学版, 2006, 20(3): 29?31.
[21]Spreevwers L J. A neural network edge detector[J]. Nonlinear Image Processin g II, 1991, 45: 204?215.
[22]董鸿燕.基于Contourlet变换的自适应图像去噪方法[J].红外技术, 2006, 28(9): 552?556.
[23]董鸿燕.基于拉普拉斯金字塔分解的多尺度边缘检测[J].光电工程, 2007, 34(7): 135?140.
作业一红外热像检测技术综述 院（系）名称机械工程及自动化学院科目现代无损检测技术 学生姓名X X 学号XXXXXXXX 2016 年1X 月1X 日
红外热像检测技术综述 XXXX XXXX 目录 1 红外热像检测技术的原理介绍 (1) 2 红外热像检测技术的应用 (2) 2.1材料的内部制造缺陷的红外热像检测 (2) 2.3结构内部损伤及材料强度的检测 (3) 2.4在建筑节能检测中的应用 (3) 2.5建筑外外墙面饰面层粘贴质的检测 (4) 2.6在建筑物渗漏检测中的应用[13] (4) 3 红外热像检测技术国内外发展现状 (5) 3.1红外热像检测技术国外发展现状 (5) 3.2红外热像检测技术国内发展现状 (7) 4 参考文献 (10) I
1 红外热像检测技术的原理介绍 红外热成像检测技术采用主动式控制加热激发被检物内部缺陷，通过快速热图像采集和基于热波理论图像处理技术实现缺陷检测。它通过光学机械扫描系统，将物体发出的红外线辐射汇聚在红外探测器上，形成红外热图像，由此来分辨被测物体的表面温度。该技术具有检测速度快、非接触、范围广、精度高、易于实现自动化和实时观测等诸多优点，适合于裂缝、分层、积水、冲击损伤等问题的诊断。 红外线和可见光及无线电波一样是一种电磁波，红外线的波长比可见光长，比无线波短，为0.78~1000m μ，可分为近红外、中红外和远红外。任何物体只要不是绝对零度，都会因为分子的东{转和振动而发出“辐射能量”，红外辐射是其中一种。如果把物体看成是黑体，吸收所有的人射能量，则根据斯蒂芬—玻尔兹曼定律，在全波长范围内积分可得到黑体的总辐射度为: ()40 ,M M T d T λλσ∞==? (1.1) 式中:()()152121,exp 1c M T c W m m T λλμλ---??????=-???? ?????? ??? 为黑体的光谱辐射度;1c ，2c 为辐射常数，8241 3.741810c W m m μ-=???，42=1.438810c m K μ??，σ为斯蒂芬—玻尔兹曼常数，8245.6710W m K σ---=???，实际的大部分人工或天然材料都是灰体而不是黑体材料，与黑体不同，灰体材料的发射率1ε≠，灰体表面能反射一部分入射的长波()>3m λμ辐射，因此灰体表面的辐射由自身发射的和环境反射的两部分组成，用红外探测器可直接测量灰体发射和反射的总和ap M ，但无法确定各自的份额。通常假设物体表面为黑体，将ap M 称为表观辐 射度，为便于理解，一般将其转换为人们较熟悉的温度单位，称为表观温度ap T ，即: ()()()()04,,ap t l ap ap M M T M T d T λελλρλλλσ=+=? (1.2) 上述的表观温度ap T ，即为红外探测器测量所得温度。在无损检测中测量距离一般较近，可以忽瞬大气的影响，故被测物体的表面发射率。的取值是否准确是影响测量精度的关键因素。
微生物检测技术在食品检测中的应用研究进展 摘要：食品问题关系国计民生，食品的安全越来越受到人们关注。在食品工业迅速发展的今天，建立食品微生物快速检测方法，对食品质量进行检测、监控尤为重要。近几年各国的许多机构和学者都很重视食品微生物检测技术和方法的研究，本文对此进行了详细的介绍。 关键词：检测技术微生物食品安全 Progress of the research on the application of Microbial Detection Technology in food testing Abstract:Food is the people's livelihood. Food safety has received more and more attention. At present, the food industry is developing rapidly. Therefore, developing an rapid testing method of Microorganism in the food is especially important in detection and monitoring of food quality. In recente years, many institutes and researchers from different country attach great importance to the research of food microbiological testing techniques and methods. This article will give a detailed introduction to this below. Key words:the testing techniques Microorganism food safety 1前言 随着时代的不断发展，人们生活水平不断提高，食品安全问题也越来越受到人们的关注，近几年来，三聚氰氨、苏丹红、漂白剂等等一系列的食品安全问题使人们对食品产生了强烈的不信任感，因此，食品微生物检测技术的应用也越来越广泛，同时，食源性微生物的检测技术也趋向迅捷、准确、大通量的方向发展。以往的食品微生物检测技术已经无法应对现代的食品安全问题，检测速度缓慢、检测精度不精确，因此，应当采取新的食品微生物检测技术，现代的检测技术包括色谱法与荧光分析法、阻抗法、放射测量法、ELISA法和生物传感器法，结合我国实际情况，在建立标准的食源性微生物检测方法，推广标准化、检测技术的应用等方面还要很多工作要做[1]。 2 食品微生物检验的内容和特点 2.1 食品的污染程度指示菌的检验 （1）细菌总数：又称菌落数，是判断食物和应用水污染的主要指标。这是一种可以为卫生学检验评价提供依据的方法。 （2）大肠杆菌：这种细菌主要是来自人们本身的粪便，所以对大肠杆菌的数量来检验食物或饮
文献综述 理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显着的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测
数字图像处理实验报告 题目：图像的阈值分割及边缘检测技术 班级： 姓名： 学号：
图像的阈值分割及边缘检测技术 一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。 二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。 三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图 像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。 这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。
四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于 阈值，则将该像素改为0； 实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈 值，则将像素改为255，若小于阈值， 则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end
入侵检测技术综述 胡征兵1Shirochin V.P.2 乌克兰国立科技大学 摘要 Internet蓬勃发展到今天，计算机系统已经从独立的主机发展到复杂、互连的开放式系统，这给人们在信息利用和资源共享上带来了很大的便利。由Internet来传递和处理各种生活信息，早已成为人们重要的沟通方式之一，随之而来的各种攻击事件与入侵手法更是层出不穷，引发了一系列安全问题。本文介绍现今热门的网络安全技术-入侵检测技术，本文先讲述入侵检测的概念、模型及分类，并分析了其检测方法和不足之处，最后说描述了它的发展趋势及主要的IDS公司和产品。 关键词入侵检测入侵检测系统网络安全防火墙 1 引言 随着个人、企业和政府机构日益依赖于Internet进行通讯，协作及销售。对安全解决方案的需求急剧增长。这些安全解决方案应该能够阻止入侵者同时又能保证客户及合作伙伴的安全访问。虽然防火墙及强大的身份验证能够保护系统不受未经授权访问的侵扰，但是它们对专业黑客或恶意的经授权用户却无能为力。企业经常在防火墙系统上投入大量的资金，在Internet入口处部署防火墙系统来保证安全，依赖防火墙建立网络的组织往往是“外紧内松”，无法阻止内部人员所做的攻击,对信息流的控制缺乏灵活性，从外面看似非常安全，但内部缺乏必要的安全措施。据统计，全球80%以上的入侵来自于内部。由于性能的限制，防火墙通常不能提供实时的入侵检测能力，对于企业内部人员所做的攻击，防火墙形同虚设。 入侵检测是对防火墙及其有益的补充，入侵检测系统能使在入侵攻击对系统发生危害前，检测到入侵攻击，并利用报警与防护系统驱逐入侵攻击。在入侵攻击过程中，能减少入侵攻击所造成的损失。在被入侵攻击后，收集入侵攻击的相关信息，作为防范系统的知识，添加入知识库内，增强系统的防范能力，避免系统再次受到入侵。入侵检测被认为是防火墙之后的第二道安全闸门，在不影响网络性能的情况下能对网络进行监听，从而提供对内部攻击、外部攻击和误操作的实时保护,大大提高了网络的安全性[1]。 2 入侵检测的概念、模型 入侵检测（Intrusion Detection，ID）, 顾名思义，是对入侵行为的检测。它通过收集和分析计算机网络或计算机系统中若干关键点的信息，检查网络或系统中是否存在违反安全策略的行为和被攻击的迹象。进行入侵检测的软件与硬件的组合便是入侵检测系统（Intrusion Detection System,IDS）。 入侵检测的研究最早可以追溯到詹姆斯·安德森[1]在1980年为美国空军做的题为《计算机安全威胁监控与监视》的技术报告，第一次详细阐述了入侵检测的概念。他提出了一种对计算机系统风险和威胁的分类方法，并将威胁分为外部渗透、内部渗透和不法行为三种，还提出了利用审计跟踪数据监视入侵活动的思想。他的理论成为入侵检测系统设计及开发的基础 , 他的工作成为基于主机的入侵检测系统和其它入侵检测系统的出发点。 Denning[2]在1987年所发表的论文中，首先对入侵检测系统模式做出定义：一般而言，入侵检测通过网络封包或信息的收集，检测可能的入侵行为，并且能在入侵行为造成危害前及时发出报警通知系统管理员并进行相关的处理措施。为了达成这个目的，入侵检测系统应包含3个必要功能的组件：信息来源、分析引擎和响应组件。 ●信息来源（Information Source）：为检测可能的恶意攻击，IDS所检测的网络或系统必须能提供足够的信息给IDS，资料来源收集模组的任务就是要收集这些信息作为IDS分析引擎的资料输入。 ●分析引擎（Analysis Engine）：利用统计或规则的方式找出可能的入侵行为并将事件提供给响应组件。 ●响应模组（Response Component）：能够根据分析引擎的输出来采取应有的行动。通常具有自动化机制，如主动通知系统管理员、中断入侵者的连接和收集入侵信息等。 3 入侵检测系统的分类 入侵检测系统依照信息来源收集方式的不同，可以分为基于主机（Host-Based IDS）的和基于网络（Network-Based IDS）；另外按其分析方法可分为异常检测（Anomaly Detection,AD）和误用检测（Misuse Detection,MD），其分类架构如图1所示： 图 1. 入侵检测系统分类架构图
精品文档 . 第1章入侵检测概述 思考题： （1）分布式入侵检测系统（DIDS）是如何把基于主机的入侵检测方法和基于网络的入侵检测方法集成在一起的？ 答：分布式入侵检测系统是将主机入侵检测和网络入侵检测的能力集成的第一次尝试，以便于一个集中式的安全管理小组能够跟踪安全侵犯和网络间的入侵。DIDS的最初概念是采用集中式控制技术，向DIDS中心控制器发报告。 DIDS解决了这样几个问题。在大型网络互联中的一个棘手问题是在网络环境下跟踪网络用户和文件。DIDS允许用户在该环境中通过自动跨越被监视的网络跟踪和得到用户身份的相关信息来处理这个问题。DIDS是第一个具有这个能力的入侵检测系统。 DIDS解决的另一个问题是如何从发生在系统不同的抽象层次的事件中发现相关数据或事件。这类信息要求要理解它们对整个网络的影响，DIDS用一个6层入侵检测模型提取数据相关性，每层代表了对数据的一次变换结果。 （2）入侵检测作用体现在哪些方面？ 答：一般来说，入侵检测系统的作用体现在以下几个方面： ●监控、分析用户和系统的活动； ●审计系统的配置和弱点； ●评估关键系统和数据文件的完整性； ●识别攻击的活动模式； ●对异常活动进行统计分析； ●对操作系统进行审计跟踪管理，识别违反政策的用户活动。 （3）为什么说研究入侵检测非常必要？ 答：计算机网络安全应提供保密性、完整性以及抵抗拒绝服务的能力，但是由于连网用户的增加，网上电子商务开辟的广阔前景，越来越多的系统受到入侵者的攻击。为了对付这些攻击企图，可以要求所有的用户确认并验证自己的身份，并使用严格的访问控制机制，还可以用各种密码学方法对数据提供保护，但是这并不完全可行。另一种对付破坏系统企图的理想方法是建立一个完全安全的系统。但这样的话，就要求所有的用户能识别和认证自己，还要采用各种各样的加密技术和强访问控制策略来保护数据。而从实际上看，这根本是不可能的。 因此，一个实用的方法是建立比较容易实现的安全系统，同时按照一定的安全策略建立相应的安全辅助系统。入侵检测系统就是这样一类系统，现在安全软件的开发方式基本上就是按照这个思路进行的。就目前系统安全状况而言，系统存在被攻击的可能性。如果系统遭到攻击，只要尽可能地检测到，甚至是实时地检测到，然后采取适当的处理
第31卷第3期2005年5月 光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay 2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述 段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京 100084) 摘 要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。 关键词:图像处理;边缘检测;梯度算法;差分边缘检测 中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing 100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1 引 言 早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。 机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2 图像边缘定义 图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.doczj.com/doc/d814212034.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。
课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)
1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速
入侵检测技术毕业论文 Last updated on the afternoon of January 3, 2021
毕业设计 开题报告 学生姓名徐盼 学号 专业计算机网络技术 班级网络201401班 指导教师刘烨 开题时间2016年10月20日 黄冈职业技术学院电子信息学院
电子信息学院毕业设计开题报告
学业作品题目入侵检测技术应用 学生姓名徐盼 学号 专业计算机网络技术 班级网络201401班 指导教师刘烨 完成日期2016年11月20日 目录
摘要 近年来随着计算机网络的迅速发展，网络安全问题越来越受到人们的重视。从网络安全角度来看，防火墙等防护技术只是被动安全防御技术，只是尽量阻止攻击或延缓攻击，只会依照特定的规则，允许或是限制传输的数据通过。在网络环境下不但攻击手段层出不穷，而且操作系统、安全系统也可能存在诸多未知的漏洞，这就需要引入主动防御技术对系统安全加以补充，目前主动防御技术主要就是入侵检测技术。 本文从入侵检测技术的发展入手，研究、分析了入侵检测技术和入侵检测系统的原理、应用、信息收集和分析、数据的处理及其优缺点和未来的发展方向。 关键词：网络安全，网络入侵，入侵检测技术，入侵检测系统 第一章绪论 入侵检测技术的提出 随着Internet高速发展，个人、企业以及政府部门越来越多地依靠网络传递信息,然而网络的开放性与共享性容易使它受到外界的攻击与破坏,信息的安全保密性受到严重影响。网络安全问题已成为世界各国政府、企业及广大网络用户最关心的问题之一。 在计算机上处理业务已由基于单机的数学运算、文件处理，基于简单连结的内部网络的内部业务处理、办公自动化等发展到基于企业复杂的内部网、企业外部网、全球互联网的企业级计算机处理系统和世界范围内的信息共享和业务处理。在信息处理能力提高的同时，系统的连结能力也在不断的提高。但在连结信息能力、流通能力提高的同时，基于网络连接的安全问题也日益突出，黑客攻击日益猖獗，防范问题日趋严峻：具WarroonResearch的调查，1997年世界排名前一千的公司几乎都曾被黑客闯入；
课程综述 08自动化（2）班 0805070124 随着大三分专业被分到自动化这个专业后，首先接触的课程就是自动化检测技术。作为一门动手能力要求比较高的课程，这门课也配套了相应的实验课程。回味这学期的自动检测技术这门课的学习，按照自己的学习计划学习起来还是比较从容的。自动检测技术是自动化科学技术的一个重要分支科学，是在仪器仪表的使用、研制、生产、的基础上发展起来的一门综合性技术。自动检测就是在测量和检验过程中完全不需要或仅需要很少的人工干预而自动进行并完成的。实现自动检测可以提高自动化水平和程度，减少人为干扰因素和人为差错，可以提高生产过程或设备的可靠性及运行效率。 对于自动检测技术这门课，我觉得很重要的就是学习计划，不管做什么事都应该有一个计划，大到自己的学习生涯规划，小到自己的一天什么时刻该做什么，这样你才能做到有的放矢。作为一门自动化专业重要的课程，学好这门课是必须的。关于学习计划，我觉得每天课后的复习工作是很重要，这有助于我们对新知识的理解和吸收。大学里要充分利用各种资源，比如说图书馆、学术论坛、网络资源等。网络这种全新的学习形式具有开放性、互动性、网络性、虚拟性的特点,为我们的自主学习，教师的教学提供了许多便利条件。目前，互联网上学习资源中，管理方面的资源极为丰富；收费、互助、免费应有尽有。当然如何有效利用这些资源，是我们必须重视的问题，不适当的选择，会浪费精力，浪费时间，我们要选择适合自己的资源进行学习，这样才能做到事半功倍。还有就是一个老师每次布置的小设计论文，每次的设计论文感觉都是对自己所学到的知识的一些升华，在原有知识的基础上进行设计，利用课本知识缩学到的东西应用到实际的设计当中去。这是一项很好的作业，让我们在学到基础知识的前提下，能够活用。 自动检测的任务：自动检测的任务主要有两种，一是将被测参数直接测量并显示出来，以告诉人们或其他系统有关被测对象的变化情况，即通常而言的自动检测或自动测试；二是用作自动控制系统的前端系统，以便根据参数的变化情况做出相应的控制决策，实施自动控制。自动检测技术主要的研究内容：自动检测技术的主要研究内容包括测量原理、测量方法、测量系统、及数据处理。测量系统：确定了被测量的测量原理和测量方法后，就要设计或选用装置组成测量系统。目前的测量系统从信息的传输形式看，主要有模拟式和数字式两种。模拟式测量系统：模拟量测试系统是由传感器，信号调理器，显示、记录装置和（或）输出装置组成。数字式测量系统：数字式测量系统目前主要是带微机的测量系统，是由传感器、信号调理器、输入接口、中央处理器组件、输出接口和显示记录等外围设备组成。检测技术的特点：实时性强、精确度高、可靠性高、通道多、功能强。 关于自动化专业而言，自动化检测技术对学生动手能力要求比较高，所以有关和自动检测技术的实验课也是尤为重要的一项。实验课的课前准备工作必须充
机器视觉技术发展现状 人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做 测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，如面积、 数量、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程：
第 42 卷增刊 1 中南大学学报(自然科学版) V ol.42 Suppl. 1 2011 年 9 月 Journal of Central South University (Science and Technology) Sep. 2011 图像边缘检测技术综述 王敏杰 1 ，杨唐文 1, 3 ，韩建达 2 ，秦勇 3 (1. 北京交通大学 信息科学研究所，北京，100044； 2. 中国科学院沈阳自动化研究所 机器人学国家重点实验室，辽宁 沈阳，110016； 3. 北京交通大学 轨道交通控制与安全国家重点实验室，北京，100044) 摘要：边缘检测是图像处理与分析中最基础的内容之一。首先介绍了几种经典的边缘检测方法，并对其性能进行 比较分析；然后，综述了近几年来出现的一些新的边缘检测方法；最后，对边缘检测技术的发展趋势进行了展望。 关键词：数字图像；边缘检测；综述 中图分类号：TP391.4 文献标志码：A 文章编号：1672?7207(2011)S1?0811?06 Review on image edge detection technologies W ANG Min-jie 1 , Y ANG Tang-wen 1,3 , HAN Jian-da 2 ,QIN Y ong 3 (1.Institute of Information Science，Beijing Jiaotong University, Beijing 100044, China? 2.State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academic of Science,Shenyang 110016, China? 3.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China) Abstract: Edge detection is one of the most fundamental topics in the research area of image processing and analysis. First, several classical edge detection methods were introduced, and the performance of these methods was compared? then, several edge detection methods developed in the latest years were reviewed? finally, the trend of the research of the image edge detection in the future was discussed. Key words:digital image?edge detection?review 图像是人们从客观世界获取信息的重要来源 [1?2] 。 图像信息最主要来自其边缘和轮廓。所谓边缘是指其 周围像素灰度急剧变化的那些象素的集合，它是图像 最基本的特征。边缘存在于目标、背景和区域之 间 [3?4] ，它是图像分割所依赖的最重要的依据。边缘检 测 [5?8] 是图像处理和计算机视觉中的基本问题， 图像边 缘检测是图像处理中的一个重要内容和步骤，是图像 分割、目标识别等众多图像处理的必要基础 [9?10] 。因 此，研究图像边缘检测算法具有极其重要的意义。 边缘检测是计算机视觉和图像处理领域的一项基 本内容。准确、高效地提取出边缘信息一直是该领域 研究的重点内容 [11] 。最初的经典算法可分为边缘算子 法、曲面拟合法、模板匹配法、门限化法等。近年来， 随着数学理论和人工智能的发展，又出现了一些新的 边缘检测的算法 [12?13] ，如基于数学形态学的边缘检 测 [14] 、小波变换和小波包变换的边缘检测法 [15] 、基于 模糊理论的边缘检测法 [16?17] 、基于神经网络的边缘检 测法 [18] 、基于分形几何的边缘检测算法 [19] 、基于遗传 算法的边缘检测法 [20?21] 、漫射边缘的检测方法 [22] 、多 尺度边缘检测技术 [23] 、亚像素边缘的定位技术 [24] 、 收稿日期：2011?04?15；修回日期：2011?06?15 基金项目：轨道交通控制与安全国家重点实验室开放基金资助项目(RCS2010K02)；机器人学国家重点实验室开放基金资助项目(RLO200801)；北 京交通大学基本科研业务费资助项目(2011JBM019) 通信作者：王敏杰(1988－)， 女， 黑龙江五常人， 硕士研究生， 从事图像处理和计算机视觉研究； 电话： 010-51468132； E-mail: wangminjie1118@https://www.doczj.com/doc/d814212034.html,
基于matlab的图像边缘检测算法研究和仿真 目录 第1章绪论 1 1.1 序言 1 1.2 数字图像边缘检测算法的意义 1 第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 2 2.2 MATLAB和图像处理工具箱的背景知识 3 2.3 数字图像边缘检测关于边缘的定义 4 2.4 基于一阶微分的边缘检测算子 4 2.5 基于二阶微分的边缘检测算子 7 第3章编程和调试 10 3.1 edge函数 10 3.2 边缘检测的编程实现 11 第4章总结 13 第5章图像边缘检测应用领域 13 附录参考文献 15
第1章绪论 §1.1 序言 理解图像和识别图像中的目标是计算机视觉研究的中心任务，物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。图像边缘是分析理解图像的基础，它是图像中最基本的特征。在Marr的计算机视觉系统中，图像边缘提取占据着非常重要位置，它位于系统的最底层，为其它模块所依赖。图像边缘提取作为计算机视觉领域最经典的研究课题，长期受到人们的重视。 图像边缘主要划分为阶跃状和屋脊状两种类型。阶跃状边缘两侧的灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。 Canny于1986年提出基于最优化算法的边缘检测算子，得到了广泛的应用，并成了与其它实验结果作比较的标准。其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。另外其相对简单的算法使得整个过程可以在较短的时间实现。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]。 §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降低后续图像分析和处理的数据量。图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。 图像的边缘检测技术是数字图像处理技术的基础研究容，是物体识别的重要基础。边缘特征广泛应用于图像分割、运动检测与跟踪、工业检测、目标识别、双目立体视觉等领域。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自适
河南理工大学 课程论文 （2014-2015第二学年） 论文题目：入侵检测技术综述 学院： 专业班级： 学号： 姓名： 指导老师： 日期：2015.7.3
1引言 1 2入侵行为的概念、分类和演化 1 3入侵检测技术的发展 3 3．1以Denning模型为代表的IDS早期技术 3 3．2中期：统计学理论和专家系统相结合 4 3．3基于网络的NIDS是目前的主流技术 4 4结语 5 参考文献 6
摘要：自从计算机问世以来，安全问题就一直存在着，使用者也一直未给予足够的重视，结果大量连接到Internet上的计算机暴露在愈来愈频繁的攻击中。本文先介绍入侵行为的概念和演化，然后按时间顺序，沿着技术发展的脉络，回顾了入侵检测技术从20世纪70年代初到今天的发展历程。文章以历史和实践的观点，透视入侵和入侵检测技术相互制约，相互促进的演进过程。 关键词：计算机安全；入侵检测；入侵检测系统；入侵检测系统的历史 1引言 自从计算机问世以来，安全问题就一直存在。特别是随着Internet的迅速扩张和电子商务的兴起，人们发现保护资源和数据的安全，让他免受来自恶意入侵者的威胁是件相当困难的事。提到网络安全，很多人首先想到的是防火墙，防火墙作为一种静态的访问控制类安全产品通常使用包过滤的技术来实现网络的隔离。适当配置的防火墙虽然可以将非预期的访问请求屏蔽在外，但不能检查出经过他的合法流量中是否包含着恶意的入侵代码。在这种需求背景下，入侵检测系统（IDS）应运而生。 入侵检测系统（IDS）是将电子数据处理、安全审计、模式匹配及统计技术等有机地融合在一起，通过分析被检测系统的审计数据或直接从网络捕获数据，发现违背安全策略或危及系统安全的行为和活动。本文主要讨论入侵和入侵检测技术从20世纪70年代初到今天的发展历程。这个概念出自James P．Anderson在1972年的一项报告，随后的30多年中，概念本身几乎没有改变。 2入侵行为的概念、分类和演化 从最早期的计算机安全开始，人们就密切关注恶意使用者破坏保护机制的可能性。早期系统多为多用户批处理系统。这个时期，主要的威胁来自系统的合法使用者，他们企图得到未经授权的材料。到了20世纪70年代，分时系统和其他的多用户系统已成气候，Willis H Ware 主持的计算机安全防御科学特别工作 小组提供了一项报告，为处理多级数据的计算机系统的发展奠定了基础。但这篇报告并没有受到应有的重视，直到70年代中期，人们才开始进行构建多级安全体系的系统研究。 1980年4月，詹姆斯·安德森（James P．Anderson）为美国空军做的题为《Computer Security Threat Monitoring and Surveillance》（计算机安全威胁监控与监视）的技术报告，第一次详细阐述了入侵检测的概念，并首先为入侵和入侵检测提出了一个统一的架构，这是该领域的开山之作。他在论文中给出了入侵和入侵检测技术方面的概念： 威胁（Threat）可能存在有预谋的、未经认可的尝试： ①存取数据； ②操控数据； ③使系统不可靠或无法使用。 危险（Risk）意外的和不可预知的数据暴露，或者，由于硬件故障、软件设计的不完整和不正确所造成的违反操作完整性的问题。 脆弱性（Vulnerability）已知的或可疑的硬件或软件设计中的缺陷；使系统暴露的操作；意外暴露自己信息的操作。攻击（Attack）实施威胁的明确的表达或行为。 渗透／入侵（Penetration）一个成功的攻击；（未经认可的）获得对文件和程序的使用，或对计算机系统的控制。 威胁概念中的③包括DOS（Denial Of Service）“拒绝服务攻击”。盗用计算资源也属于这个类别之内。 一般来说，外部入侵者的首要工作是进入系统。所外人，也可能是合法用户，但违规使用了未经授权的资源。另一方面，除了拒绝服务攻击外，多数攻击都需要入侵者取得用户身份。20世纪80年代中后期，网络计算已经相当普遍，渗透和入侵也更广泛。但许多厂商和系