基于融合技术的小波变换与数学形态学的边缘检测算法.pdfVIP

第47卷第1期 华中师范大学学报(自然科学版) V01．47No．1 Feb．2013 0FHUAZHONGNORMALUNIVERSITY(Nat．Sci．) 2013年2月 JOURNAL 文章编号：1000一1190(2013)01一0027一04 基于融合技术的小波变换和数学形态学的 边缘检测算法 薛岚燕+，程 丽 (福建农林大学计算机与信息学院，福州350002) 摘要：针对传统的基于小波变换的边缘检测法无法提取低频区域完整连续的边缘，并且会丢弃 包含一些重要细节的高频区域，同时受到噪声的影响而导致边缘提取效果不佳的问题，提出了一 种基于融合技术的小波变换和数学形态学的边缘检测算法．在小波域中，对低频子图像采用数学 形态学进行边缘检测，对高频子图像先进行小波降噪再采用小波模极大值法进行加权边缘检测， 最后采用一定的融合规则对高、低频边缘子图像进行融合．实验结果表明，该方法用于图像边缘提 取，不但能有效去除噪声干扰，又能突出边缘细节，边缘定位连续准确． 关键词：边缘检测；小波变换；形态学梯度运算；小波降噪；融合技术 中图分类号：TP391．41 文献标识码：A 边缘是图像中最基本的特征，边缘检测在计算 晰的边缘，还可以有效地抑制噪声． 机视觉、图像分析等应用中起着重要的作用，是图 像分析与识别的重要环节，这是因为图像中的边缘 是图像灰度值产生跃变(突变点)的地方，这些突变 的点给出了图像轮廓的位置，而轮廓恰恰是图像处 理中所需要的非常重要的一些特征条件，因而在进 行图像处理时需要对一幅图像检测并提取出它的 边缘[1]．小波分析是近年来迅速发展的新兴学科， 目前一些新的边缘检测法就包括基于小波多尺度 图1边缘检测算法流程图 分析法．传统的基于小波变换的边缘检测法先利用 Theflowchartofthe detection Fig．1 edge algorithm 小波变换的分解和重构原理对图像进行分解，然后 在提取出包含原图像的大部分信息的低频区域后 1基于小波变换的图像分解和重构 再进一步进行处理，这导致将包含有对角线细节的 利用小波变换的分解和重构原理对图像进行 高频区域丢弃，而且其它的高频区域由于存在大量 分解，原图像首先分解成低频信息L和高频信息 的噪声也会影响到边缘的提取比j． H，再经过二维小波频域分解，低频信息L可以分 因此本文提出了一种基于融合技术的小波变 解为低频区域LL和高频区域LH，高频信息H可 换和数学形态学的边缘检测算法，如图1所示，利 以分解为低频区域HL和高频区域HH．其中LL 用小波变换的分解和重构原理对图像进行分解，原 区域表示的是原图像的平滑图像，包含了原图像的 图像首先分解成低频子图像和高频子图像．在小波 大部分信息，LH保持了原图像的垂直边缘细节， 域中，采用