【正文】 作者簽名：　　 　 　　 日　 期：　　 　 　　 第 25 頁 共 22頁。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作者簽名： 日期： 年 月 日導師簽名： 日期： 年 月 日畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。本人授權(quán)　　 　 　大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。本人完全意識到本聲明的法律后果由本人承擔。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學位或?qū)W歷而使用過的材料。致 謝參考文獻[1] Zhang B in,He Saixian. Improved Edgedetection Method Based on Canny algorithm[J].Infrared Technology,2006,28(3):165169.[2] :[博士學位論文].武漢:華中科技大學,2011.[3] 游素亞、楊靜,圖像邊緣檢測技術(shù)的發(fā)展與現(xiàn)狀[J].電子科技導報,1995.[4] Rafael ,Richard ,Steven ,阮秋琦等譯,數(shù)字圖像處理(MATLAB版)[M],北京:電子工業(yè)出版社,2005年9月.[5] [M].北京:國防工業(yè)出版社,1998.[6] 黃鋒華,劉琪芳,[J].機械工程與自動化,2011.[7] 著,朱志剛等譯,數(shù)字圖像處理[M].北京:電子工業(yè)出版社,1998,9.[8] [M].北京:科學出版社,2002.[9] [J].計算機應(yīng)用與軟件,2005,22(5)。但正如上文所述，邊緣檢測技術(shù)在抑制噪聲方面有一定的局限性，在閾值參數(shù)選取方面自適應(yīng)能力很差，有待進一步改進和提高。本論文首先介紹了圖像邊緣檢測這個課題的意義和背景；作為理論基礎(chǔ)，在第二章簡單的介紹了傳統(tǒng)的圖像邊緣檢測算法，如Roberts算子、Sobel算子、Prewitt算子、Laplacian算子、LOG算子，回顧了經(jīng)典的邊緣檢測算法，為后面介紹Canny算法作為鋪墊。邊緣特征廣泛應(yīng)用于圖像分割、運動檢測與跟蹤、工業(yè)檢測、目標識別、雙目立體視覺等領(lǐng)域。（a）的攝制受到光照不均、電機噪聲（周期噪聲）等多種噪聲影響，（b）（c）的檢測效果，可以說明在邊緣檢測中，對噪聲處理的重要性，這里自適應(yīng)中值濾波不僅消除椒鹽噪聲，并對原圖有一定的平滑作用，結(jié)合頂帽變換對因受光照不均的圖像進行預處理，使得可以有效使用Otsu算法取閾值，從而得到較好的檢測效果。 傳統(tǒng)Canny算法與本文算法的實驗結(jié)果與分析（a）（b）（c），其中（a）我的書桌，（b）Canny算法檢測的結(jié)果，（c）本文算法的檢測結(jié)果（ae）結(jié)果進行對比分析，很明顯傳統(tǒng)Canny算法所采用的高斯平滑濾波器對椒鹽噪聲無效，而通過自適應(yīng)中值濾波后，Canny算法的檢測效果得到了很大的改善，（c）中依然存在不少假邊緣，使得檢測效果較為模糊；（d）（e）所反映的檢測效果就幾乎不存在假邊緣，對主體的反映非常明顯，這也就說明了Otsu算法取閾值的優(yōu)越性。預處理以補償圖像可應(yīng)用一個形態(tài)學算子，即頂帽算子[4]。 頂帽變換Otsu算法屬于全局閾值處理方法，在圖像背景照明不均時有可能無效。假設(shè)圖像的背景較暗，并且圖像的大小為，圖像中像素的灰度值小于閾值的像素個數(shù)記作，像素灰度大于閾值的像素個數(shù)記作則有： (38) (39) (310) (311) (312) (313)將式（5）代入式（6），得到等價公式： (314)采用遍歷的方法得到使類間方差最大的閾值[14][1721]，即為所求。對于圖像，前景(即目標)和背景的分割閾值記作，屬于前景的像素點數(shù)占整幅圖像的比例記為，其平均灰度；背景像素點數(shù)占整幅圖像的比例為，其平均灰度為。背景和目標之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小。 最大類間方差法最大類間方差法[1718]是由日本學者大津展之于1979年提出的，是一種自適應(yīng)的閾值確定的方法，又叫大津法，簡稱Otsu。通過給原圖添加20%的椒鹽噪聲，然后分別在Matlab中調(diào)用中值濾波函數(shù)和編寫好的自適應(yīng)中值濾波函數(shù)給被噪聲污染的圖片進行濾波去噪，如圖所示：（a） （b）（c） （d），其中（a）Lena的原圖，（b）被20%的椒鹽噪聲污染后Lena的圖，（c）通過中值濾波后Lena的圖，（d）通過自適應(yīng)中值濾波后Lena的圖對于受椒鹽噪聲污染的圖片，傳統(tǒng)的中值濾波一般能夠取得較好的效果，（c）顯示，圖中依然存在椒鹽噪聲所導致的污染，而這就會給后續(xù)的取閾值及邊緣檢測隨著噪聲污染的程度帶來不同程度的影響，從而影響整個算法的效果，（d）顯示，說明自適應(yīng)中值濾波器能夠很好地濾去椒鹽噪聲，取得不錯的效果。其中，表示允許的最大自適應(yīng)濾波器窗口的大小。 自適應(yīng)中值濾波器自適應(yīng)中值濾波器[4]可以根據(jù)被濾波區(qū)域的圖像特性來改進結(jié)果，設(shè)表示一個被處理的、中心在處的子圖像，在Gonzalez and Woods[2002]中詳細說明的算法如下所示：令表示中的最小亮度值，表示中的最大亮度值，表示中的亮度中值，表示坐標處的亮度值。167。（c）邊緣檢測結(jié)果顯示，高斯平滑濾波器對椒鹽噪聲濾波效果很差，從而導致邊緣檢測出現(xiàn)極多的假邊緣，（b）未被人工干預的椒鹽噪聲污染，檢測效果相對而言少去了椒鹽噪聲產(chǎn)生的假邊緣，從而說明了邊緣檢測中對噪聲濾波的重要性。167。如果圖像信號的響應(yīng)大于高閾值，那么它一定是邊緣；如果低于低閾值，那么它一定不是邊緣；如果在低閾值和高閾值之間，我們就看它的8個鄰接像素有沒有大于高閾值的邊緣，如果有，那么它是邊緣，否則它不是邊緣。閾值化后得到的邊緣陣列仍然有假邊緣存在，原因是閾值太低（假正確），以及陰影的存在，使得邊緣對比度減弱，或閾值取得太高而導致部分輪廓丟失（假錯誤）。（4）取閾值一般而言，邊緣信號的響應(yīng)是比較少的，且是比較大的值，而噪聲的響應(yīng)是很多的但是值相對較小，那么閾值就可以通過濾波后的圖像的統(tǒng)計累積直方圖得到。這一過程可以把M寬屋脊帶細化成只有一個像素點寬。在每一點上，鄰域的中心象素M與沿著梯度線的兩個象素相比。僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值，解決方法是利用梯度的方向。我們可以用兩個一維高斯濾波器的連續(xù)卷積來實現(xiàn)一個二維高斯濾波器：① 對圖像使用一維高斯卷積模板，在一個方向上進行濾波（例如水平方向）；② 轉(zhuǎn)置圖像；③ 對轉(zhuǎn)置以后的圖像使用同一個高斯卷積模板，在垂直方向進行濾波；④ 將圖像轉(zhuǎn)置回原來位置，這樣就得到經(jīng)過二維濾波的圖像。167。167。為了保證單邊緣只有一個響應(yīng)，檢測算子的脈沖響應(yīng)導數(shù)的零交叉點平均距離應(yīng)滿足： (33)以