基于多尺度融合的图像边缘检测

【摘要】：本文首先对图像的边缘检测的各种算法和算子做了总结和分析。Canny最早提出了边缘检测的三条连续准则:最优检测结果,最优定位,和低重复响应,并在这些准则的基础上得到了“最优线性滤波器”-高斯函数的一阶导数。但Canny 准则是连续准则,在该准则下求得的最优滤波器也是一个连续函数,而实际上数字图像是离散的,滤波器也应是离散的。实践证明,在连续情形下理论上好的滤波器的实际效果并不理想。Demigny 在理论分析和实践的基础上给出了边缘检测的离散准则。 本文提出的基于多尺度融合的图像边缘检测方法,首先求出了边缘检测离散准则下阶梯形边缘检测的最优线性滤波器和对应的平滑算子,然后将其与Canny 边缘检测技术相结合进行边缘检测,检测出不同尺度下多幅边缘图像。最后充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测得到的多尺度边缘图像进行融合,得到精确的单象素宽边缘。 本算法对大量图像进行边缘检测的结果表明,该方法不仅能准确检测出图像边缘,而且能有效的抑制噪声,是边缘检测的一种很好的实用方法。