下载文档原格式
边缘检测开题报告 边缘检测是处理图像的基本问题，本⽂给⼤家介绍边缘检测开题报告。
边缘检测开题报告： HEFEIUNIVERSITY;毕业设计(开题报告);题⽬基于⼩波变换的图象边缘识别算法的Visual;姓名指导⽼师;完成时间⼆零⼀零年三⽉;合肥学院电⼦电⽓系毕业设计开题报告;附件;⼀、研究背景：;图像中包含了⼈类所需要的感知世界，进⽽认识世界、;边缘像素实质上是指局部图像范围内灰度的急剧变化(;⼆、主要内容：;传统的边缘检测⽅法基于空间运算，借助空域微分 HEFEI UNIVERSITY 毕业设计( 开题报告 ) 题⽬基于⼩波变换的图象边缘识别算法的VisualC++实现系别电⼦信息与电⽓⼯程系专业电⼦信息⼯程班级 姓名指导⽼师 完成时间⼆零⼀零年三⽉ 合肥学院电⼦电⽓系毕业设计开题报告 附件 ⼀、研究背景： 图像中包含了⼈类所需要的感知世界，进⽽认识世界、改造世界的⼤部分信息量。
图像处理就是对图像信息进⾏加⼯处理，以满⾜⼈的视觉⼼理和实际应⽤的要求，理解图像、识别图像中的⽬标是计算机视觉图像处理的中⼼任务。
边缘像素实质上是指局部图像范围内灰度的急剧变化(奇异点)，图像边缘就是⼆维图像中奇异点的集合。
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。
图像边缘是图像中最基本的特征，是分析理解图像的基础。
边缘检测对于物体识别也是很重要的。
因为:(l)⼈眼通过追踪未知物体的轮廓(轮廓是由⼀段段的边缘⽚断组成的)⽽扫视⼀个未知的物体;(2)得到图像的边缘，能使图像分析⼤⼤简化;(3)很多图像并没有具体的物体，对于这些图像的理解取决于它们的纹理性质，⽽提取这些纹理性质与边缘检测有极其密切的关系。
所以边缘检测使数字图像分析处理的前提，检测结果的优劣影响着下⼀步图像压缩、计算机视觉、模式识别的应⽤，所以对它的研究具有现实意义和理论意义。
⼆、主要内容： 传统的边缘检测⽅法基于空间运算，借助空域微分算⼦进⾏，通过将算⼦模板与图像进⾏卷积合成，根据模板的⼤⼩和元素值的不同有不同的微分算⼦，如Robert算⼦、Sobel算⼦、Prewitt算⼦、LOG算⼦、Canny算⼦等，这些算⼦虽然易于实现、具有较好的实时性，但由于边缘检测问题固有的复杂性，使这些⽅法在抗噪性能和边缘定位⽅⾯往往得不到满意的效果，这主要是因为边缘和噪声都是⾼频信号，很难在噪声和边缘中作取舍。
基于边缘信息的图像分割技术研究的开题报告一、研究背景和意义图像分割技术是数字图像处理中的关键技术之一，它将一幅或多幅图像分割成不同区域。
图像分割在计算机视觉、计算机辅助诊断等领域有着广泛的应用。
目前，图像分割技术已经成为科学研究和工业生产中不可或缺的一部分。
基于边缘信息的图像分割技术是近年来发展较快的图像分割技术之一。
边缘是图像中最具有信息的部分，它包含了图像中很多重要的特征信息。
因此，基于边缘信息的图像分割技术可以提高图像分割的准确性和效率。
本文将研究基于边缘信息的图像分割技术，探讨边缘检测方法、边缘保持方法、边缘聚合方法等方面的研究内容，通过实验验证，掌握和分析该技术在图像分割领域中的应用效果。
二、研究内容和研究方法本文将研究基于边缘信息的图像分割技术，并重点探讨以下内容：1. 边缘检测方法对于基于边缘信息的图像分割技术，边缘检测是必不可少的一步。
本文将比较常见的边缘检测方法，如Sobel、Prewitt、Roberts等方法，并结合实验探讨它们的优缺点及适用场景。
2. 边缘保持方法在边缘检测的基础上，本文将研究边缘保持方法，以确保分割结果的准确性。
本文将比较不同的边缘保持方法，并探讨它们的优缺点及适用场景。
3. 边缘聚合方法在分割出边缘后，需要进行聚合才能得到最终的分割结果。
本文将研究边缘聚合方法，比较不同的聚合方法，如基于区域生长、基于图论等的聚合方法，以及它们的优缺点及适用场景。
本文主要研究方法包括文献调研、理论分析和实验验证。
首先，对基于边缘信息的图像分割技术进行深入的文献调研，收集和整理相关文献资料。
然后，对边缘检测、边缘保持和边缘聚合方法进行理论分析，评估各种方法的优缺点及适用场景。
最后，进行实验验证，验证各种方法的有效性和可行性。
三、研究预期结果和创新点通过研究和实验验证，本文将产生以下预期结果：1. 对基于边缘信息的图像分割技术进行深入探究，了解各种方法的基本原理和应用场景。
重庆邮电大学毕业设计（论文）任务书学生姓名_A_学院_计算机学院_专业_地理信息系统_年级班别_1 _指导教师 —b__职 称—副教授—下达任务日期_2009_年_ 1_月_ 10_日研究内容 1•收集相关的相关学术报告，对其进行深入的学习了解及分析，了 解各种处理图像的过程和方法，了解常用的边缘检测算法，如图像的数 字化和离散图像的数学描述；数学形态学与二值图像的数学形态学运算; 图像分割和特征提取中的分割技术；边缘提取的经典方法；图像特征提 2.对经典边缘检测算法进行学习、分析和比较，如 Roberts 算子、 Sobel 算子、Prewitt 算子、Laplacian 算子、Marr 算子、Canny 算子等；3.用VC++实现这些算法，对边缘检测算法进行理解和加深，并通 过比较找出每种算法的优缺点和各自适用的范围；4.对上述算法融合自己的想法，并初步提出改进，让算法更实用。
研究方法和要求一个好的边缘检测算子应该具有三个指标: 1•低失误率，既要少将真正的边缘丢失也要少将非边缘判为边缘;2•高位置精度，检测出的边缘应在真正的边界上； 3.对每个边缘有唯一的响应，得到的边界为单像素宽；要做好边缘检测，首先，清楚待检测的图像特性变化的形式，从而使用适应这类变化的检测方法。
其次，要知道特性变化总是发生在一定 的空间范围内，不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。
当需要提取多空间范围内的变化特性时，要多考虑算子的综合应用。
第三，要考虑噪声的影响，其中的一个办法就是滤除噪设计（论文）题目 ____图象边缘检测算法研究与实现主要研究内容取等;方法和要求声，但这有一定的局限性。
第四，可以考虑各种方法的组合；第五，在正确检测边缘的基础上，要考虑精确定位的问题。
进度计划4月 2号-4月19号：4月on C R -7 县.20号5月7号:5月Q县8号5月23号.5月 24号一—5月31号:查阅相关资料，写出开题报告,熟悉VC++开发工具,并用VC++实现一些经典的算法测试，编写文档，完成毕业设计论文初稿对毕业设计论文进行修改，并最终完成毕业设计论文主要参考文献[1][2][3][4][7][8][9]谢凤英等.VC++数字图像处理[M].电子工业出版社,2008. 9.K. R. Castlemen, 朱志刚等(译).数字图象处理[M].北京.电子工业出版社.1998. 387-422.张凯丽，刘辉.边缘检测技术的发展研究[J].昆明理工大学学报，2000, 25(5): 36-39章毓晋.图象分割[M].北京：科学出版社，2001. 116-119. 何斌，马天予等编著.Visual C++数字图像处理[M], 2001.4.刘曙光，刘明远等.基于Canny准则的基数B样条小波边缘检测[J].信号处理，2001,17(5):418-423.赵志刚，管聪慧.基于多尺度边缘检测的自适应阈值小波图像降噪[J+].仪器仪表学报,2007,(2): 288-292田岩岩，齐国清.基于小波变换模极大值的边缘检测方法[J].大连海事大学学报：自然科学版,2007, (1): 102-106Mallat Stephane, Zhong Sifen. Characterization of Signals fromMultiscale EdgesJ]. IEEE Trans. on Pattern Analysis and MachineIn tellige nee, 1992, 14(7): 710-733[10]王文庆，支华.基于统计的边缘阈值检验方法[J].测绘科学，2007(2):71-72.指导教师签字教学部主任签字备注：此任务书由指导教师填写，并于毕业设计（论文）开始前下达给学生。
基于边缘和颜色特征的图像检索技术研究的开题报告一、研究背景及意义随着数字化技术的快速发展，图像信息日益增加，对于大规模图像数据如何进行高效的检索成为研究的重点之一。
近年来，基于内容的图像检索系统应运而生，其通过对图像的内容进行特征提取和匹配，实现对大规模图像数据的有效检索。
在基于内容的图像检索系统中，图像特征的提取是其中一个至关重要的环节。
本研究主要基于边缘和颜色特征对图像进行特征提取，并通过对特征进行融合，实现对图像的高效检索。
二、国内外研究综述目前，常用的图像特征提取技术包括颜色特征、纹理特征、边缘特征等。
颜色特征是图像中最为直观的特征之一，由于其对于人类视觉的敏感性，因此已经成为图像检索中不可或缺的一部分。
纹理特征能够更好地描述图像中的纹理信息，但由于其计算的复杂性较大，因此在某些特定场景下应用受到了一定的限制。
边缘特征是指将图像中的边缘信息提取出来，使检索系统能够更好地理解图像中的结构。
边缘特征在图像检索中具有较高的实用性和研究价值。
三、研究内容和方法本研究主要基于边缘和颜色特征，提出一个基于内容的图像检索系统。
具体来说，本研究将图像先进行边缘检测，再对检测结果进行特征提取，同时提取颜色特征，并通过对两者进行融合，得到最终的图像特征表示。
在特征提取过程中，采用了较为成熟的技术，如Canny边缘检测算法、HSV颜色空间等。
在特征融合过程中，采用了多种融合方法进行比较，选择最优方案作为最终的图像特征表示。
四、预期成果和意义本次研究的预期成果是建立一个基于边缘和颜色特征的图像检索系统，并通过实验证明其在图像检索中的有效性和优越性。
本研究的意义在于提高图像检索的准确性和效率，为后续相关研究提供参考和借鉴。
同时，本研究的方法也可以应用于其他涉及到图像特征的领域，如图像分割、图像分类等。
五、研究计划和进度安排本次研究的计划分为以下几个阶段进行：1. 研究不同的特征提取方法，包括边缘检测和颜色特征提取方法。
彩色图像分割技术的研究——图像边缘检测技术的研究应用的开题报告一、选题背景彩色图像分割是图像处理领域的研究热点，其应用广泛，在计算机视觉、图像识别、医学影像诊断、机器人等领域具有重要的应用价值。
图像边缘检测是彩色图像分割的重要前置技术，能够有效提取图像特征，为后续分割处理提供有力的支持。
本研究旨在对彩色图像分割技术中的图像边缘检测技术进行深入研究，并将其应用于彩色图像分割中，以达到提高图像分割质量和准确度的目的。
二、研究内容本研究主要包括以下两个方面的内容：1. 图像边缘检测技术的研究图像边缘检测是图像处理中的重要问题之一，其主要作用是在图像中提取出物体的轮廓，为后续的图像分割处理提供有力的支持。
在本研究中，我们将分析常用的图像边缘检测算法，包括基于梯度算子的Sobel、Prewitt、Roberts等算法、基于二阶导数算子的Laplacian、LoG、DoG等算法以及Canny算子等算法，并对各种算法的优缺点进行评估和比较，最终确定合理的算法。
2. 彩色图像分割技术的研究应用在图像边缘检测技术的基础上，我们将进一步研究彩色图像分割技术，并探索图像边缘检测技术在彩色图像分割中的应用。
我们将结合实际应用需求，通过比较不同的分割方法，包括阈值分割、区域分割、边界分割等方法，选择最优的彩色图像分割方法，并对分割结果进行评估和分析。
三、研究意义本研究将对彩色图像分割技术的研究做出贡献，对于提高图像分割的质量和准确度具有重要意义。
通过对图像边缘检测技术的研究，能够更好地提取图像特征，为彩色图像分割提供优秀的预处理手段。
进一步地，本研究为图像处理领域的相关研究提供了更为完备的理论基础和技术支持。
四、研究方法本研究将采用文献资料法、实验仿真法和对比试验法等研究方法开展研究。
五、预期成果本研究预期将研究出适用于彩色图像分割领域的图像边缘检测技术，选择最优化的彩色图像分割方法，并对分割结果进行实验验证。
预期成果将在学术期刊和会议中发表，以及提交本科毕业论文。
基于区间二型模糊集的图像边缘检测方法的开题报告一、研究背景图像边缘检测一直是计算机视觉领域的一个重要研究领域。
它在很多应用中都有重要的作用，例如目标跟踪、图像分割、图像识别等。
图像边缘检测主要是通过对图像中的像素进行分析和处理，提取出图像中物体的边缘信息。
但是由于图像中存在的噪声、模糊等问题，图像边缘检测一直是一个难题，需要采用各种高级算法来解决。
区间二型模糊集是一种比较新的模糊集合，它可以有效地处理不确定性信息。
近年来，越来越多的研究表明，区间二型模糊集可以被广泛应用于图像处理领域中。
因此，基于区间二型模糊集的图像边缘检测方法的研究具有重要的理论和应用价值。
二、研究目的本文的研究目的是基于区间二型模糊集的图像边缘检测方法，旨在解决传统图像边缘检测算法中存在的噪声、模糊等问题。
具体而言，本文通过将图像转化为区间二型模糊集，将像素的灰度值转化为区间型隶属度，提出一种基于区间二型模糊集的图像边缘检测方法，并对该方法进行实验验证。
三、研究内容本文的主要研究内容如下：1. 分析传统图像边缘检测算法中存在的问题，介绍区间二型模糊集的概念和基本性质。
2. 建立图像边缘检测模型，将图像转化为区间二型模糊集，将像素的灰度值转化为区间型隶属度。
3. 提出基于区间二型模糊集的图像边缘检测算法，具体包括：区间边缘检测、边缘增强和边缘检测。
4. 进行实验验证，分别采用常用的图像边缘检测算法和本文提出的基于区间二型模糊集的图像边缘检测算法对实验图像进行处理，比较两种算法的检测效果和性能。
四、研究方法本文采用实验和数学建模的方法进行研究。
首先，通过对现有的图像边缘检测算法进行调研和分析，寻找问题所在。
然后，提出基于区间二型模糊集的图像边缘检测算法，并对该算法进行实验验证。
最后，对实验结果进行分析和总结。
五、预期成果通过本文的研究，预期达到以下成果：1. 提出一种基于区间二型模糊集的图像边缘检测算法，具有较好的检测效果和性能。
基于边缘的图像配准方法研究的开题报告
一、选题背景与目的
图像配准是将多幅不同视角或由不同传感器获取的图像进行对准并融合，以便实现统一视角的图像处理和分析。
图像配准应用广泛，包括医学影像、航空航天、地质测量、遥感影像等领域。
目前常用的图像配准方法包括基于特征点的方法、基于区域的方法、基于相位相关性的方法等，但这些方法都存在缺陷和局限性。
基于边缘的图像配准方法因其能够利用图像中的边缘信息进行精确的配准而备受关注。
本文旨在研究基于边缘的图像配准方法，提高图像配准的准确度和鲁棒性。
二、研究内容及方法
本研究将着重研究基于边缘的图像配准方法，主要研究内容包括：
1. 边缘提取算法的研究，针对图像边缘的稳定性、准确性等问题进行探讨，提出改进算法，用于获取稳定、准确的图像边缘。
2. 边缘匹配算法的研究，探究匹配算法的可靠性、鲁棒性和效率等问题，提出优化算法，以提高配准的精度和鲁棒性。
3. 实验验证及分析，设计实验进行图像配准的案例研究，比较本研究方法与其他方法的配准精度和鲁棒性，通过实验数据分析，得出研究结论。
研究方法将主要采用数学模型分析和实验验证相结合的方式，通过理论研究和实验验证，探究基于边缘的图像配准方法的适用性、优劣以及改进方向，在实践中发掘出更加准确、鲁棒的基于边缘的图像配准方法。
三、预期成果
本研究预期达到以下成果：
1. 提出一种基于边缘的图像配准方法，具有更高的配准精度和鲁棒性。
2. 设计算法实验，验证方法的准确性和有效性。
3. 建立基于边缘的图像配准理论模型，为相关领域的研究提供理论基础。
4. 发表相关论文，在学术界内推广研究成果。
基于数学形态学的边缘检测及其在医学图像处理中
的应用的开题报告
一、选题背景
边缘检测是数字图像处理及计算机视觉中的重要任务之一，其目的
是从图像中寻找出物体边缘，以便于进一步进行分析和处理。
边缘检测
在医学图像处理中具有广泛的应用，如病灶边缘的提取、病变区域的分
割等。
数学形态学是一种基于集合理论的图像处理方法，通过使用结构元
素对图像进行形态学变换，实现对图像的分析和处理。
边缘检测方法中，基于数学形态学的边缘检测具有快速、有效、鲁棒等优点，可以应用于
复杂的医学图像分析中。
二、研究内容
本文拟研究基于数学形态学的边缘检测及其在医学图像处理中的应用。
具体内容包括：
1. 总结和分析数学形态学在边缘检测中的相关理论和方法；
2. 研究并实现一种基于数学形态学的边缘检测方法，探究其对比传
统方法的优越性；
3. 分析基于数学形态学的边缘检测方法在医学图像处理中的应用，
如肺部病灶分割、心脏边缘提取等；
4. 对比不同方法在医学图像处理中的应用效果，并进行实验验证；
5. 最后，结合实验结果，探讨数学形态学在医学图像处理中的应用
前景和发展趋势。
三、研究意义
通过本文的研究，可以完善基于数学形态学的边缘检测方法，提高其在医学图像处理中的应用效率和准确度。
同时，可以为医学影像学的研究提供更加准确和全面的信息，进一步提高医学影像学在疾病诊断、治疗和预后的临床应用。
小波及形态学在图像边缘检测中的应用研究的开题
报告
【摘要】
边缘检测是数字图像处理中的一个基本问题，是图像分析和识别的
前置处理步骤。
传统的边缘检测算法如Sobel、Canny等存在着过于灵敏、噪声敏感等问题。
而小波变换技术在处理非平稳信号方面具有优越性，
可以有效地提高边缘检测的准确性。
本文将对小波及形态学在图像边缘
检测中的应用进行研究。
本文的研究目标是探究小波及形态学在数字图像边缘检测中的应用，进一步提高数字图像处理技术在应用中的效果。
首先，介绍边缘检测的
概念和传统算法，并分析其存在的问题。
然后，阐述小波变换技术的基
本理论和应用特点。
接着，研究小波及形态学在图像边缘检测中的联合
应用，并给出相应的实验结果与分析。
最后，总结本文的工作，展望小
波及形态学在数字图像处理中的深入研究方向。
本文的研究方法主要是采用文献综述法和实验研究法。
通过对相关
文献的收集和筛选，解析小波及形态学在边缘检测中的原理和优势，找
出其存在的问题并提出改进措施。
同时，进行一系列实验研究，验证小
波及形态学在数字图像边缘检测中的有效性和优越性。
预期研究成果是提出一个小波及形态学联合算法，用于数字图像边
缘检测。
该算法具有较高的边缘检测准确性和抗噪声能力，可应用于实
际图像处理中。
同时，本文还将探究小波及形态学在数字图像处理中的
新思路和新方法，为该领域的发展提供一定的参考和借鉴价值。
【关键词】小波变换；形态学；边缘检测；数字图像处理。
基于边缘检测的改进型图像混合滤波的研究与实现的开题报告一、研究背景及意义图像滤波是数字图像处理中的重要问题之一，通过滤波可以达到消除噪声、增强细节等目标。
图像混合滤波是其中一种常见的方法，通过估计两幅图像的权重，使其混合产生一幅更具有美感的新图像。
但是，传统的图像混合滤波方法存在一个问题，就是对于图像中的边缘部分，容易出现边缘模糊的情况，降低了图像的质量。
因此，如何在图像混合滤波中保持边缘清晰度是一个非常重要的问题。
针对上述问题，本研究将基于边缘检测的改进型图像混合滤波进行研究与实现，旨在解决传统方法中的边缘模糊问题，提高图像混合滤波的效果。
同时，该研究对于图像处理领域的发展和图像质量提升有重要意义。
二、研究目标和内容1.研究传统的图像混合滤波方法及其存在的问题；2.探究基于边缘检测的改进型图像混合滤波的原理和方法；3.设计并实现基于边缘检测的改进型图像混合滤波的算法；4.使用实验数据验证该算法的效果，并与传统算法进行比较。
三、研究方法和步骤1.研究文献，掌握图像混合滤波方法的基本原理；2.分析传统图像混合滤波算法存在的问题，并尝试寻找解决方法；3.理解边缘检测的原理和常用的算法；4.提出改进型图像混合滤波算法的框架和思路，编写实现代码；5.使用不同类型的图像进行实验，评估改进算法的效果，并与传统算法进行比较；6.分析并总结实验结果。
四、预期成果1.基于边缘检测的改进型图像混合滤波算法；2.实验验证结果；3.实验报告；五、研究的可行性和限制1.本研究的基础理论比较成熟，并已有了许多相关的研究；2.鉴于研究周期和研究人员的限制，实验范围和数据量可能有限；3.对于某些特定的图像场景，本研究的算法可能会有一定局限性。
六、进度计划1.完成开题报告和中期报告，确定研究方向和方法（1个月）；2.阅读相关文献和资料，深入理解图像混合滤波和边缘检测的理论（1个月）；3.设计和实现基于边缘检测的改进型图像混合滤波算法（2个月）；4.使用实验数据验证算法效果，并与传统算法进行比较（1个月）；5.撰写论文和实验报告（1个月）。
中北大学信息商务学院毕业设计(论文)开题报告学生姓名：赵宝娟学号：08050643X07系别：信息与通信工程学院信息工程系专业：电子信息工程设计(论文)题目：图像边缘检测算法研究指导教师:桂志国2012年3月7日毕业设计（论文）开题报告1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，撰写2000字左右的文献综述：文献综述一、课题背景和研究意义伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。
图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。
在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。
边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一。
边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题,边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。
图像的大部分主要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，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。
经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。
图像边缘检测一直是图像处理中的热点和难点。
近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。
但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。
另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。
二、国内外研究现状:作为计算机视觉的经典性研究课题，图像边缘的研究已有较长历史，涌现了许多方法，这些方法分为两大类：基于空间域上微分算子的经典方法和基于图像滤波的检测方法。
基于空间域上微分算子的经典方法。
在阶跃型边缘的正交切面上，阶跃边缘点周围的图像灰度()x i 表现为一维阶跃函数()x i =()x μ，边缘点位于图像灰度的跳变点。
根据边缘点的特性，人们提出了基于图像灰度一阶导数、梯度、二阶导数以及更为复杂的laplace 算子等提取图像边缘的方法。
基于图像滤波的检测方法。
在实际图像中，边缘和噪声均表现为图像灰度有较大的起落，同是高频信号，但相对来说边缘具有更高的强度。
几种经典的边缘检测算法论述：（1）roberts 算子。
roberts 边缘检测算子根据任意一对互相垂直方向上的差分用来计算梯度的原理，采用对角线方向相邻两像素之差，即：有了xf ∆和yf ∆之后，很容易计算出roberts 的梯度幅值()j i r ,，适当取门限t，作如下判断：()j i r ,〉t，()j i ,为阶跃状边缘点，(){}j i ,为边缘图像。
roberts 算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。
它适合于得到方向不同的边缘，对不同方向的边缘都比较敏感，检测水平和万垂直边缘的效果好于斜向边缘，定位精度高。
但是在进行差分计算的过程中对噪声敏感，即有噪声影响的像素点可能被检测为边缘点。
（2）sobel 算子。
对数字图像(){}j i f ,的每个像素点，考察它上、下、左、右邻点灰度加权差，与之接近的邻点的权值大。
sobel 算子很容易在空间上实现，sobel 边缘检测器不但产生较好的边缘检测效果，而且受噪声的影响也比较少。
（3）log 算子。
前面介绍的梯度算子和拉普拉斯算子实际上都是微分或差分算法，因此算法对噪声十分敏感。
所以，在边缘检测前，必须滤除噪声。
marr 和hildreth 将高斯滤波和拉普拉斯边缘检测结合在一起，形成log （laplace-gauss ）算法。
log 边缘检测器的基本特征是：平滑滤波器是高斯滤波器；增强步骤采用二阶导数（二维拉普拉斯函数）；边缘检测判断依据是二阶导数零交叉点并对应一阶导数的较大峰值：使用线性内插方法在子像素分辨率水平上估计边缘的位置。
（4）Sobel 算法的改进经典的Sobel 图像边缘检测算法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测水平边缘。
算法的基本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH 的像素点当作边缘点。
Sobel 算法的优点是计算简单，速度快。
但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sobel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。
这种判定依据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。
图像加权中值滤波。
由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进行一次滤波处理，减少噪声对边缘检测的影响。
中值滤波是一种非线性信号的处理方法，在图像处理中，常用来保护边缘信息；保证滤波的效果。
加权中值滤波，首先对每个窗口进行排序，取适当的比例，进行曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进行加权。
增加方向模板。
除了水平和垂直两方向外，图像的边缘还有其它的方向，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的基础上增加6个方向模板。
边缘的定位及噪声的去除。
通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。
沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。
而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点。
基于这一思想，可以将噪声点和边缘点区分开来。
对于一幅数字图像()yf,，利用上述的8个方向模板Sobel算子对图像中的每个像素计x算，取得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。
若()()jf+x+-,,〉TH2，对于任意i=0，1，-1；j=0，1，-1均成fyyix立，则可判断点()yx,为噪声点。
图2给出了图像边缘检测系统改进算法的软件流程图。
２．本课题要研究或解决的问题和拟采用的研究手段（途径）：边缘检测算法有如下四个步骤：滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能，需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失。
因此，增强边缘和降低噪声之间需要折衷，增强：增强边缘的基础是确定图像各点领域强度的变化值，增强算法可以将领域（或局部）强度值有显著变化的点突显出来，边缘增强一般是通过计算梯度幅值来完成的，检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某些方法确定哪些点是边缘点，最简单的边缘检测判据是梯度幅值阈值判据，定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。
指导教师意见：指导教师：年月日所在系审查意见：系主任：年月日参考文献[1]Lucat L，Siohan P，Barba D．Adaptive and global optimization methods for weighted vector median filters[J]．Signal Processing：Image Communication，17(7)：509—524．2002[2]Lukae R，Smolka B，Martin K，et a1．Vector filtering for color imaging[J]．IEEESignal Processing Magazine，22(1)：748—6．2005[3]Zheng J．Valavanis K P．Gauch J M．Noise removal from color images l Jj．Journalof Intelligent and Robotic Systems，7(3)：257—285．1993[4]Rantanen H．Karlsson M．processing with median filters Electronics，38(3)：1Pohjala P，et a1．Color video signal[J]．IEEE Transactions Oil Consumer 57—16l，1992[5]Hardie R C．Boncele C G．A class of rank—order—based filters for smoothingand sharpening[J]．IEEE Transactions on Signal Processing，41(3)：1061—1076．1993[6]Astola J，Haavisto P，Neuvo Y．Vector median filters[J]．Proceedings of theIEEE．78(4)：678—689．1990[7]Trahanias P E，Venetsanopoulos A N．Vector directional filters：a new classof muhichannel image processing filters[J]．IEEE Transactions on ImageProcessing，2(4)：528—534．1993[8]Trahanias P E．Karakos D G，Vene￡sanopoulos A N．Directional processingof color images：theory and experimental results[J]．IEEE Transactions on Image Processing，5(6)：868—880．1996[9]Karakos D G，Trahanias P E．Generalized muhichannel image—filteringstructures[J]．IEEE Transactions on Image Processing，6(7)：1038—1045．1997 [10]Plataniotis K N，Androutsos D，Venetsa“0p0ulos A N．Adaptive fuzzy systemsfor muhichannel signal processing[J]．Proceedings of the IEEE，87(9)：1601一l622．1999[11]Lukac R，Marchevsky S．Adaptive vector LUM smoother[A]．In：Proceedings ofthe IEEE International Conference on Image Processing(ICIP)[C]，Thessaloniki，Greece，：878—881，2001[12]Lukac R．Vector LUM smoothers as impulse detector for color images[A]．In：Proceedings of European Conference on Circuit Theory and Design(ECCTD)[C]，Espoo，Finland，l37—140．2001[13]Lukac R，Smolka B。
