论文部分内容阅读
图像的边缘或轮廓检测在图像处理中占有重要的地位，对于图像处理、计算机视觉来说是一个非常重要的基本研究课题。边缘表示了信号的突变，包含了图像中大量的信息，故良好地保存边缘信息是进一步进行图像处理的基础。
本文在小波变换的图像边缘检测算法的基础上，运用模糊聚类边缘检测算法，得到一种新的基于小波的边缘检测算法，避免了单纯采用小波基对图像分解使得高频部分信息遗漏丢失的不足，同时有效滤除噪声(伪边缘点)。主要工作有：
(1)分析了近年来小波分析的发展及其在图像处理方面的应用，描述了目前常用的图像去噪及边缘检测的各种算法，分析了各算法的基本原理、特性以及存在的不足。
(2)研究了模式识别中的聚类分析原理及模糊c均值聚类方法(FCM)，针对FCM算法存在的不足(对孤立点数据比较敏感；需要事先指定聚类数目c和模糊加权指数m，而c和m直接影响着聚类的结果)，提出了一种改进方法——自适应模糊c均值聚类方法。
(3)结合小波多尺度边缘检测方法与自适应模糊c均值聚类方法，提出了一种新的基于小波变换和自适应模糊c均值聚类方法的边缘检测方法。即对图像进行小波变换，并将相邻尺度小波系数相乘以增强边缘和去除噪声，然后利用模板得到四个方向的小波模梯度值，并以其作为特征作为待分类点集，最后，采用模式识别中的自适应模糊c均值聚类技术进行自动分类，实现边缘检测。