基于多尺度多方向的图像边缘检测算法研究及其应用

发布时间：2020-03-19 05:52

【摘要】：图像边缘检测是图像处理和计算机视觉的基本技术,边缘检测的效果对图像后期处理有着很大的影响。随着遥感技术的发展,越来越多的遥感数据被加以利用并应用到各行各业。高分辨率遥感影像中含有大量的噪声信息,在高分遥感影像边缘检测过程中,如何去除噪声和抵抗噪声干扰显得尤为重要。本文主要做了以下研究:1.研究了图像边缘、图像边缘检测以及高分辨率遥感影像中边缘检测算法的相关知识理论以及图像边缘检测算法在去噪和抗噪方面的知识理论。分析了典型算法在实际处理图像过程中仍然存在的问题,总结了在去噪以及抗噪方面可能改进的方向。高分辨率遥感影像下建筑物呈现面状结构,边缘特征明显,但同时高分辨率遥感影像中含有更多的噪声信号,现存的边缘检测的方法在去噪和抗噪两方面略有不足,还存在优化改进的空间。除此之外对边缘的定位也不够准确,检测出来的边缘有间断点,还有漏检和误检的情况。2.从多方向去噪融合和多尺度加权融合两方面分别提出了基于非下采样轮廓波变换(NSCT)的优化改进算法。文中对Canny算子、小波变换以及对NSCT进行了分析,分别介绍了这些算法的原理、特性以及优缺点,并根据NSCT具有平移不变性和多尺度分解特性的优势,对NSCT做多方向去噪和多尺度加权融合的优化设计。通过大量的仿真数据实验验证了优化后的算法相比于Canny算子、小波变换、NSCT在处理含噪10%-30%的图像中具有一定的优势,并验证了本文算法的可行性。3.将本文优化后的边缘检测算法应用到在线共性基础服务子系统中,并结合在线共性基础服务子系统,对高分卫星遥感影像进行建筑物边缘检测并分析检测结果。本文的主要成果是在NSCT的基础上增加分解的层数和方向在去噪和抑制噪声方面做出了优化改进,并应用到在线共性基础服务子系统中,通过提供在线的图像分析工具以及图像处理算法模块为用户提供在线的图像边缘检测等服务。
【图文】：

好的表现并具有平移不变的特性，可以更容易的对图像进行稀疏表示。由于时没有下采样的操作，就消除了低频子带中频谱混叠的现象。.4.2 非降采样金字塔滤波器降采样金字塔滤波器组是由一个个不进行下采样的金字塔滤波器联合组成，原理，所以具备平移不变的特征。根据高频子带和低频子带的不同特征使用像分解处理，然后对分解出的低频子带进行迭代分解以获得多级结构。这种以进行完全重构，但需要满足式(1)中的条件：xxxx0011M（ ）N（）+ M（）N（）（2-们用 M0(x)来表示低通分解滤波器,用 M1(x)表示带通分解滤波器，用 N0(x)表滤波器，用 N1(x)表示带通重构滤波器。那么非下采样分级滤波器组一级分图如 2-1 所示。

图 2-2 非降采样塔型滤波器分解级联结构图.4.3 非降采样方向滤波器组保留采样算子并且让方向滤波器具有平移不变的特性就必须去掉滤波器组中块中的下采样操作。具体过程是选用双通道非降采样滤波器，然后通过对所波器做上采样操作，再把方向滤波器进行级联来组成滤波器组后，我们就能向的分解图，，且去除了对图像的采样操作。具体结构图如图 2-3 所示。
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【参考文献】

相关期刊论文 前5条

1 穆远彪;于亚龙;;图像去噪算法的研究[J];现代计算机(专业版);2014年05期

2 陈一虎;;图像边缘检测方法综述[J];宝鸡文理学院学报(自然科学版);2013年01期

3 邓彩霞;阴茵;马伟凤;金伟;杨鑫蕊;;改进的LOG算子与小波变换融合的边缘检测方法[J];哈尔滨理工大学学报;2012年05期

4 孙英慧;蒲东兵;;基于拉普拉斯算子的边缘检测研究[J];长春师范学院学报(人文社会科学版);2009年12期

5 雷丽珍;;数字图像边缘检测方法的探讨[J];测绘通报;2006年03期

相关硕士学位论文 前6条

1 胡志峰;基于小波变换图像去噪及边缘检测研究[D];东华理工大学;2018年

2 张进;基于小波NSCT变换和数学形态学的图像边缘检测[D];东北石油大学;2014年

3 曹照清;遥感图像处理的若干关键技术研究[D];南京航空航天大学;2013年

4 魏德强;高分辨率遥感影像建筑物提取技术研究[D];解放军信息工程大学;2013年

5 潘夏英;图像边缘检测技术的研究[D];西安科技大学;2011年

6 江娜;高分辨率遥感影像建筑物半自动提取方法研究[D];山东科技大学;2009年

本文编号：2589803