边缘检测方法综述
Diplaxmi R.Waghule, Dr. Rohini S. Ochawar
Dept. of Electronics Dept. of Electronics
Ramdeobaba College of Engg Ramdeobaba College of Eng
Nagpur-440013, India Nagpur-440013, India
dipali.81181@gmail.com ochawarrs@rknec.edu
摘要：
图像中的边缘是一个轮廓，当其中图像的亮度突然改变时，边缘检测在图像处理中起着至关重要的作用。边缘检测是检测由图像强度的急剧变化构成的边缘的存在和位置。该检测方法的一个重要特性是它能够提取具有良好方向的准确边缘线。不同的边缘探测器在不同条件下工作也不同。用过不同边缘方法的比较评价检测可以很容易地确定哪个边缘检测方法适用于图像分割。这个论文主要概述了已发表的工作边缘检测。
关键词：边缘检测，小波，边缘检测器，FPGA
1.介绍：
边缘定义了区域之间的边界图像，有助于分割和对象承认。换句话说，边缘是边界在对象和背景之间。像Roberts，Sobel这样的基本边缘检测算子，Prewitt，Frei-Chen和Laplacian都经过了实验各种研究人员。许多边缘探测器使用小波工具。一些研究人员实施的边缘检测器具有适当边缘检测方法的硬件。在对边缘探测器进行文献调查后，他们有了这里大致分为四类基于小波的方法，经典方法，FPGA基于方法和其他方法。
2.基于小波的方法：
J. Niya，A.AghagoIzadeh，M.Tinati和S. Feizi [1]使用Gabor提出基于小波的边缘检测和Cauchy方向小波。 在这项工作中他们引入de 两步边缘检测算法具有相同的边缘检测精度定向小波。 这个方法使用了较少的计算。
W. Zhang和J. Kang [2]提出了一篇基于小波变换和MATLAB融合的检测数学形态学检测边缘的论文。他们声称在这篇论文中使用一种简单可靠将小波变换与数学的融合形态学来进行边缘检测。这个方法有效地抑制了噪音。X.Wang提出了基于提升小波的图像边缘检测变换[3]。该建议的方法与传统小波相比需要很短的时间和更少记忆。使用了图像边缘检测和canny算子边缘检测。提升算法块方案原理图如图1所示。
图1提升算法块方案原理图
Y. Hao，L。Changshun和P. Lei [4]提出了一种改进的图像边缘检测方法小波变换。本研究论文介绍了阈值去噪和边缘检测理论基于小波变换。在本文中，他们用基于MATLAB实验小波阈值去噪交叉验证，然后采用了小波变换检测去噪的边缘图片。
X. Lan和N. Zheng [5]介绍了一种低功耗和高速架构，为JPEG2000执行2D DWT / IDWT，具有时间复用行处理器和基于行的设计方式，可最大限度地减少片上存储单元 ，并减少硬件消耗增加。W. Ge提出了一种基于MATLAB的多尺度边缘检测方法提升方案和融合规则。L. Gao和Q. Sun [6]使用那种算法不仅可以有效地抑制噪音，还可以保留连续清晰的边缘，让用于边缘提取的运行时间更短。
X. Yanget，D。Qi和X. Li [7]提出了基于MATLAB的多尺度木材缺陷图像边缘检测二进小波变换。在这项工作中，他们提出了一种基于小波多尺度的方法特征和小波变换模极大值理论。 二元小波变换用于木材缺陷图像到多尺度边缘检测。 他们声称这种方法比传统方法更好连续性和噪声抑制的运算符。
J. Siddique和K.Burner [8]提出了一种基于小波的方法MR边缘检测算法。该算法解决了将图像中的边缘转换为一系列输出边缘图的问题。它反映了边缘及其边缘的空间尺度相应的强度变化。这些边缘地图仅限于形成堆叠边缘地图金字塔。这种时尚的基础（最低级别）边缘地图包含所有尺度的边缘，而峰值（最高等级）边缘地图仅包含大规模或粗糙边缘。
基于MATLAB的单阈值边缘检测算法。W. Yue-Liang，C。提出了多尺度融合。袁达和L. Dun[9]在他们提出的这篇论文中用到了一种基于多尺度边缘特征值新的单阈值边缘检测算法。在范围内有效边缘包络，使用有限元边缘边缘融合跟踪算法及局部检测。它们根据FE细胞拓扑结构的边缘点在单个阈值上进行实验以获得准确的局部不同类型的边缘。
Y. Al-halabi H. Jondi abd [10]提出了两个基于小波的边缘检测技术，第一个称为RC算法，第二个称为RC算法RCD-算法。他们声称，这两种技术事实证明，结果比旧技术更好。边缘使用RC算法和RCD算法提取，比使用其他边缘提取的边缘更加锐化。 RCD算法声称在大多数情况下，结果比RC算法更好些。 RC算法比RCD算法在低时响应好过渡。RCD算法处理噪音图像比其他技术更好。
Z. Musoromy，F。Bensaali，S。Ramalingam和G.Pissanidis [11]提出了实时比较基于DSP的许可证边缘检测技术板检测。在本文中，他们声称使用了DSP处理器加速LP（车牌检测过程实现实时使用更高的LP检测率的性能边缘检测方法。使用小波进行边缘检测和链接表示和图像融合由P.提出。Akhtar和T. J. Ali [12]。他们创造了灵活性组合/重组时小波的选择和融合阶段，以及提升
方案。C.Sujatha和D. Selvathi博士[13]提出了一个高效的图像边缘检测算法Gabor Wavelets的简化版本。他们提出，简化Gabor小波的基础边缘检测非常适合实时应用。
M. Dowlatabadi和J. Shirazi [14]提出了一个优势基于小波融合的检测方法模糊变换与数学形态学规则。实验结果表明，提出了算法不仅有效抑制噪声，而且还保持清晰和连续的边缘。
L. Liang和Z. Ping [15]提出了一种新技术用于检测边缘。这项技术是两个经验模式的维度扩展边缘检测的分解算法。他们声称，图像自适应分解方法采用是为了取得良好的效果。
H. Kumar和Ashvini Chaturvedi [16]提出股骨边缘检测 - 对比研究。提出的小波变换股骨算法，与传统算法相比产生了让骨骼产生了非凡的表现的改进。J. L. Z. Wenjun和W. Yu [17]提出了一项研究改进的边缘检测算法。在这他们试验了小波的组合变换和梯度锐化过程增强模糊图像，使其成为可能清晰度更好。基于小波的边缘检测可以抑制噪声有效地，因为小波变换具有良好的局部性质量和多尺度的身份，它可以满足在多尺度上需要边缘检测。
R. S. Asamwar，K。M. Bhurchandi和A. S. Gandhi[18]提出了使用离散的图像插值小波变换模拟图像大小调整人类的愿景。在拟议的工作DWT和IDWT使用Haar小波工具进行实验来调整大小152最佳计算负荷下的图像。据称与之相比，提出的方法更好双线性和双三次插值技术。He，W提出了六边形图像结构。贾和Q.吴[19]。
3.经典方法
在本文中，边缘检测方法已经提出。他们声称使用了线性插值算法结合已经实现的六边形图像结构鼓励和有希望的边缘检测性能。W. Gao，L。Yang，X。Zhang和H. Liu[20]提出了一种改进的Sobel边缘检测。这个论文主要使用了Sobel算子和softthreshold小波去噪方法。边缘检测处理涉及的图像受到白高斯噪音的干扰。它一直通过使用这种方法证明了效果边缘检测非常好，其抗噪声表现非常强劲。
Uvika和S. Kaur [21]提出了一项关于边缘的调查检测技术如索贝尔算子技术，Prewitt技术，模糊边缘检测技术，Canny技术，Roberts技术和形态学基于多结构元素边缘检测技术。
4.基于FPGA的方法
C. Gentsos，C。Sotiropoulou，S。Nikolaidis和N.Vassiliadis [22]提出了FPGA与canny边缘检测并行实现的算法。在这论文是一个实时Canny的并行设计提出了实施。并行架构提出了同时4像素计算。他们证明，并行架构增加了设计的吞吐量没有增加需要片上高速缓存存储器。这个设计已经为低端和高端合成Xilinx FPGA。
一种新颖的分布式Canny边缘检测算法由Q. Xu，C.Chakrabarti和L. Karam提出[23]。他们证明了所提出了一个算法结果标志没有牺牲检测性能。这种新颖的非均匀性量子化直方图计算方法降低了计算成本滞后阈值选择。 他们声称该算法的计算成本与原始Canny边缘检测较低算法相比非常高。 该算法映射到XilinxVirtex-5 FPGA平台并使用提出的测试模型。S. Yasri，N。Hamid和V.Yap [24]介绍过基于梯度的边缘的FPGA实现使用Sobel边缘检测的检测算法运营商。 据称这种设计的容量以27 MHz时钟频率运行。
5.其他方法
S. Ma，G。Zheng，L。Jin和Geng-feng Zheng [25]提出的定向多尺度边缘检测轮廓波变换。提取顺畅轮廓是自然界的主要特征他们提出了一种新的边缘检测方法基于轮廓波变换。为了克服噪声对图像边缘，尺度的影响Contourlet乘法域中也是一个因素。基于决策级信息的边缘检测融合及其在混合图像滤波中的应用由J. Li和X. Jing提出[26]。在本文中，融合熵的概念发展到设计边缘信息融合系统检测。证明了引入的方法能够删除冗余信息和解决多重检测之间的冲突决定。
Y. Zhao和X. Jing [27]提出了边缘检测基于多结构元素形态学。该算法相比传统数学形态学边缘检测算法和差分边缘检测算子声称能更有效边缘检测。Z. li，Z Yang，W。 Wang和J. Cui [28]提出了一个基于FPGA的自适应阈值边缘检测方法地心引力法则。该算法声称不仅具有对普通图像边缘的良好效果检测，也用于图像边缘的噪声发现
S. Junna和J. Feng [29]提出了一种基于算法软形态学的边缘检测。在这工作中，常用的边缘检测算法与传统的形态学边缘检测算法相分析和比较。他们指出表明每个人的特征都不充分。因此，为了改进上述算法，他们提出了转发修饰的软形态边缘检测算法。改良的软形态检测算法足以有效检测图像边缘，同时也能抑制噪音的影响，它具有很强的鲁棒性。
V. Rani和D. Sharma [30]提交了一篇论文回顾了广泛的边缘检测方法图像分割。他们的结论是，可以根据图像分割的需要实现不同的边缘检测方法。Y. Yu和S. Acton [31]提出了边缘检测使用瞬时超声图像COEF（ICOV）。这项工作使用了基于边缘检测器和瞬时系数变化呈现归一化梯度（NG）的比较分析（ICOV）的边缘检测器。结论是，NG和ICOV运营商都是不断误报。边缘检测器和ICOVS检测到的边缘与NG运营商相比，错误更少。
T. Qiu，Y。Yan和G. Lu [32]提出了一个火焰和火焰自适应边缘火灾图像处理检测算法。它声称提出的方法很清楚与传统相比，能够能加持续检测。
L. Ding和A. Goshtasby [33]提出了一种恢复Canny边缘探测器遗漏的边缘的方法。该方法包含进一步的图像证据。它将短边轮廓连接成较长的轮廓将开放轮廓转换为封闭轮廓。
6.结论
本文回顾了广泛的边缘方法检测图像分割。 不同的边缘测方法可以按照实验进行实验需要分割图像和应用程序需求。 基于小波的方法更多比其他方法准确。 计算量较少参与基于小波的提升方案方法。图2边缘检测的建议方案
图2边缘检测的建议方框图将来，我们计划设计一个基于小波的边缘FPGA上的Spartan 3E检测及其框图同样如图2所示。
[1] J. M. Niya, A. AghagoIzadeh, M. A. Tinati and S. Feizi, “2-Step wavelet-based edge detection using Gabor and Cauchy directional wavelets,” Advanced Communication Technology, 2005, ICACT 2005, vol.1, pp. 115-120, 2005.
[2] W. Zhang and J. Kang, “Edge detection based on fusion of wavelet transform and mathematical morphology,” Information Engineering and Computer Science, 2009. ICIECS 2009, pp. 1-4, Dec. 2009.
[3] X. Wang, “Image edge detection based on lifting wavelet,” 2009 International Conference
资料编号：[4563]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
