自適應(yīng)canny算法研究及其在圖像邊緣檢測(cè)中的應(yīng)用.pdf

還剩

51頁(yè)未讀，

繼續(xù)閱讀

下載文檔到電腦，馬上遠(yuǎn)離加班熬夜！

親，很抱歉，此頁(yè)已超出免費(fèi)預(yù)覽范圍啦！

如果喜歡就下載吧，價(jià)低環(huán)保！

內(nèi)容要點(diǎn)：

參考文獻(xiàn)社，2001．[29]李月景．圖像識(shí)別技術(shù)及其應(yīng)用．北京：機(jī)械工業(yè)出版社，1985．[30]楊淑瑩．圖像模式識(shí)別：VC++技術(shù)實(shí)現(xiàn)．北京：清華大學(xué)出版社，北京交通大學(xué)出版社，2005．[31]陳杰，王振華，竇麗華．一種尺度自適應(yīng)Canny邊緣檢測(cè)方法．光電工程，[32]徐光寶，姜東煥．自適應(yīng)多尺度Canny邊緣檢測(cè)．山東建筑大學(xué)學(xué)報(bào)，[33]王建鋒，吳慶標(biāo)．一種隨且gHough變換檢測(cè)圓的參考文獻(xiàn)[13]王朝琴，段智敏，李玉潮．～種改進(jìn)的Canny邊緣提取算法．沈陽(yáng)理工大學(xué)學(xué)報(bào)，2007，26(6)：20—22．[14]張斌，賀賽先．基于Canny算子的邊緣提取改善方法．紅外技術(shù)，2006，28(3)：165—169．[15]王植，賀賽先。一種基于Canny理論的自適應(yīng)邊緣檢測(cè)方法．中國(guó)圖象圖形學(xué)報(bào)，2004，9(8)：957—962．[16]陳燕龍，祝成虎．基于Canny算子的邊參考文獻(xiàn)參考文獻(xiàn)[1]S．Kahlouche。K．Achour,0．Djekoune．A genetic algorithm for geometric primitivesextraction．Signal Processing and Its Applicatiom，2003，1"．509．5 12．[2]Bhandarkar,S．M，Yiqing Zhang，Potter,W．D．A gen第六章總結(jié)與展望程序的執(zhí)行效率。對(duì)于一個(gè)算法，其算法復(fù)雜度和所需的時(shí)間與最終所得到的檢測(cè)結(jié)果總是存在著矛盾的關(guān)系。怎么樣從兩者之間找到一個(gè)比較好的均衡點(diǎn)，仍是我們需要考慮的問題。第44頁(yè)第六章總結(jié)與展望第六章總結(jié)與展望本文所提出了算法除了之前所提到的在對(duì)噪聲的抑制以及能夠自適應(yīng)的選取閾值之外，其實(shí)還有很多地方可以進(jìn)行進(jìn)一步的改進(jìn)。對(duì)于Canny算法中的第一個(gè)步驟圖像平滑中，存在著一個(gè)平滑尺度的選擇問題。單一尺度的邊緣檢測(cè)算子并不能夠完全正確地檢測(cè)出所有邊緣，小尺度的邊緣檢測(cè)算子對(duì)于噪聲較為敏感，但能夠檢測(cè)出灰度發(fā)生變化的細(xì)節(jié)；大尺度的邊緣檢測(cè)算子對(duì)噪聲有抑制作用，能夠檢測(cè)出灰度發(fā)第五章改進(jìn)的自適應(yīng)臼nny算法實(shí)現(xiàn)及與傳統(tǒng)算法的比較算法運(yùn)行時(shí)間對(duì)比：露＼趑加噪Lena圖像 加噪人腦CT圖 加噪斑馬圖傳統(tǒng)Canny算法 3Ims 32ms 47ms改進(jìn)算法 47ms 47ms 78ms對(duì)于加入隨機(jī)噪聲的圖像處理結(jié)果，我們可以看出：由于噪聲的存在，對(duì)兩個(gè)算法的處理結(jié)果都會(huì)造成一定的影響。但當(dāng)運(yùn)用傳統(tǒng)的Canny算法進(jìn)行圖像邊緣檢測(cè)時(shí)，其處理結(jié)果與未加噪聲的圖像處理結(jié)果相比有著較第i章改進(jìn)的自適應(yīng)。嗍v算法實(shí)現(xiàn)殛與傳統(tǒng)算弦的比較加入噪聲人腦CT圖 傳統(tǒng)算法a"2=067 改進(jìn)算法實(shí)例圖像三加八噪聲的斑馬圖像傳統(tǒng)算法∞=0．83第4l頁(yè)改進(jìn)算法第i章矬進(jìn)的自適應(yīng)。肌'算法亮觀及與恃統(tǒng)算j擊的＆較的高閾值占總像素的比例島不同，所以在對(duì)于加完噪聲的3幅圖像進(jìn)行處理時(shí)，我們都選取在5 2中選擇好的能使其得到較好效果的嗚值·而對(duì)改進(jìn)的算法則不需要進(jìn)行任何改變。實(shí)例圖像一加入隨即噪聲的Lena圖像實(shí)例圖像二t傳統(tǒng)算法口．=0 83第加Ⅲ改進(jìn)算法第五章改進(jìn)的自適應(yīng)臼nny算法實(shí)現(xiàn)及與傳統(tǒng)算法的比較傳統(tǒng)算法吃=0．88 閾值自動(dòng)選取的改進(jìn)算法同樣的，對(duì)于人腦CT圖像和斑馬圖像，過高和過低的口，比例選取都會(huì)導(dǎo)致真實(shí)邊緣的缺失和虛假邊緣的出現(xiàn)。而且從上面的三幅圖像實(shí)例中可以看出，對(duì)于Lena圖像和斑馬圖像，較好的閾值出現(xiàn)在口，=0．83附近，而人腦CT圖像的最佳閾值出現(xiàn)在吼=0．6到甌=0．7之間。由于各個(gè)圖像的邊緣特征信息不同，所以對(duì)于不同的第五章改進(jìn)的自適應(yīng)canny算法實(shí)現(xiàn)丑與傳統(tǒng)算法的比較斑馬圖像第拈頁(yè)傳統(tǒng)算法口，=0．83第五章改進(jìn)的自適應(yīng)Ca any算

發(fā)表評(píng)論

暫無(wú)評(píng)論，趕快搶占沙發(fā)吧。

總結(jié)

以上是生活随笔為你收集整理的caany边缘检测matlab,自适应canny算法研究及其在图像边缘检测中的应用.pdf的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。