导读:本文包含了彩色图像边缘检测论文开题报告文献综述及选题提纲参考文献，主要关键词:彩色边缘检测,中值滤波,Sobel算子,实时性
彩色图像边缘检测论文文献综述
邓洪涛,廖强,田宇轩[1]（2019）在《基于FPGA的实时彩色图像边缘检测》一文中研究指出为了解决基于计算机的边缘检测算法的边缘丢失,抗噪能力弱,实时性低等问题。通过分析彩色图像的特点,在基于传统的Sobel检测算法中提出一种彩色图像的双边缘检测。通过对彩色图像的叁通道分量分别进行中值滤波,结合Roberts算子和扩展的Sobel边缘检测模板对图像进行边缘检测[1],提高对复杂图像的适应性和边缘的准确性。该算法通过FPGA硬件开发平台,应用Verilog HDL语言实现,经过对比试验证明,该方法可以降低边缘误差率,一定程度上提高边缘检测性能。(本文来源于《电子制作》期刊2019年16期）
李亚利[2]（2019）在《基于FPGA的实时彩色图像边缘检测系统设计和实现分析》一文中研究指出对于传统实时彩色图像边缘检测算法具有较弱的抗噪能力,并且对于方向较为敏感,获得的边缘细节信息比较粗等问题,本文利用对彩色图像的特点进行分析,提出基于FPGA的实时彩色图像边缘检测系统。利用边缘检测算法方向模板的扩展,使算子对于具有复杂纹理的图像抵抗噪声及适应能力提高。最后对设计的系统进行实验,通过实验结果表示,此系统在处理过程中只是占用了2%的系统硬件资源,资源占用较为合理,并且图像的边缘定位较为精准,具有较强抗造能力,能够将彩色图像边缘提取出来。(本文来源于《电子设计工程》期刊2019年12期）
李姗姗[3]（2018）在《彩色图像边缘检测相关算法研究》一文中研究指出边缘信息是数字图像的基本特征,它能够清晰地勾勒出对象的轮廓及纹理,而且传递了图像的大部分重要信息,对人类视觉感知具有特殊意义。边缘检测技术一直是数字图像处理中的研究热点,被广泛应用于车牌识别、智能交通、遥感、测绘等众多领域。近年来,大量研究者针对彩色图像边缘检测展开研究工作,并取得了一定的研究成果,但在如何高效、精确地提取弱边缘,提高抗噪性能等方面还有待进一步探索。本文以国家自然科学基金项目(61502219)为背景,对彩色图像边缘检测相关问题进行研究。本文主要研究内容包括:1.针对现有颜色分量输出融合方法未能较好权衡抗噪性能与边缘检测精度的问题,提出一种基于鲁棒主成分分析的模糊边缘检测算法。该算法在含噪彩色图像的叁个通道分别应用鲁棒主成分分析模型得到相应的低秩图像,再以改进的图像模糊边缘检测算法实现对低秩图像的边缘检测,可在去噪的同时保持较高的边缘检测精度。2.针对输出融合方法中颜色分量间相关性引起的部分边缘信息丢失问题,提出一种在低通道相关性颜色空间下的边缘检测算法。该算法采用小波和主成分分析方法构造自适应颜色空间,并在该空间下应用提出的图像模糊边缘检测算法,提升了图像边缘的完整性和准确性。3.针对矢量方法中对低对比度区域的边缘提取效果不佳、所得边缘比较粗大等问题,将四元数引入最小核值相似区算子中,提出一种RGB空间下的基于四元数的改进型最小核值相似区边缘检测算法。实验结果表明,该算法所得边缘信息比较完整、细致,且在提高边缘定位精度的同时未增加算法的复杂度。(本文来源于《西北大学》期刊2018-06-01）
张鑫鑫[4]（2018）在《基于HSI空间的彩色图像边缘检测算法研究》一文中研究指出以信息革命为起点,计算机科学日新月异,数字图像处理技术也突飞猛进,不断涌现出新成果,数字图像处理与数字图像分析逐渐成为完整的成熟的科学体系。将采集到的数字图像经过一系列处理,最终得到需要信息的过程中,一个关键的步骤是图像分割。图像分割的手段多种多样,大致分为基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等等。由于图像的灰度会在边缘处发生突变,而边缘作为图像的一个固有特性,囊括了图像的主要信息,因此可以把边缘检测作为图像分割、运动检测、目标跟踪等后续处理的基础,在计算机视觉、模式识别、人脸识别等领域发挥作用。从目前形势来看,图像边缘检测技术仍然是图像处理技术的侧重点之一。目前常用的边缘检测算法大多数只对灰度图像适用,对于彩色图像需要先进行灰度转换,再进行处理,这会导致检测精度低,检测到的边缘不完整等问题出现。事实上,相较于灰度图像,人类更容易感知彩色图像信息,并且相同尺寸的彩色图像会比灰度图像包含更多的信息量,所以在彩色图像中直接获取边界是重要的发展趋势。颜色空间选取的是否恰当在很大程度上决定了彩色图像的边缘检测效果,为了更契合人眼的感知特性,选择在符合人类视觉感知的HSI空间中进行边缘检测。本文研究和分析了现有的一些边缘检测技术原理,在此基础上,使用计算量小又具有一定抗噪性能的SUSAN算子,提出了一种基于HSI空间的彩色图像边缘检测算法。本文的主要研究内容如下:首先,全面整理了中外在数字图像边缘检测方面的发展近况和已有成就,介绍了图像处理技术的使用范围和可能的发展趋势;其次,详细叙述了几种经典的灰度图像边缘检测算子的理论依据,利用仿真试验比较各种算子的检测结果,指出各自优缺点,然后从彩色图像的角度,详细说明了常用的颜色空间,并将彩色图像边缘检测方法进行归类,为本文提出的新方法提供理论依据;接下来,重点论述了 SUSAN算子及灰度图像SUSAN边缘检测算法的整体流程,针对人工设定参数问题,结合图像纹理特征,给定了一种自适应的阈值获取办法,改进的算法可以依据图像的对比度自动选择合适阈值;为了把灰度SUSAN边缘检测算法使用在彩色图像之中,提出了基于HSI空间的彩色图像边缘检测算法,用颜色距离代替灰度差,通过色差来计算核值相似区的大小,使用自适应色度阈值和双门限几何阈值提取彩色图像边缘,并经过改进的非极大值抑制和形态学处理获取最终的边缘结果,并在此基础上给出快速算法,加快算法处理速率。本文算法对传统SUSAN算法进行了合理补充,结合图像纹理特征,在某种程度上改善了传统彩色图像边缘检测的缺陷,在HSI空间中能较高效地检测出彩色图像边缘,并且符合人类视觉特性。(本文来源于《山东大学》期刊2018-05-15）
李轩,张红[5]（2018）在《基于模糊算法的彩色图像边缘检测》一文中研究指出彩色图像的边缘检测算法有很多;但检测结果仍存在细节丢失、抗噪性差的问题。提出一种新的彩色图像边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在叁个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整;而且具有较强的抗噪性。(本文来源于《科学技术与工程》期刊2018年13期）
王娜[6]（2018）在《一种基于立方体相似度的彩色图像边缘检测算法》一文中研究指出对彩色图像边缘检测算法进行了研究,提出了一种基于立方体相似度的边缘检测算法,同时,对几个相关的问题做了详细的描述,如颜色空间的概念、分类等。这种算法在一定程度上合理地对R、G、B叁个颜色分量之间的关联性进行了构造,对相关颜色的向量问题转为标题问题,转入了发展相对完善、人们更为熟悉的领域。经过实验得出,该算法可以很充分的通过图像的颜色信息,使原彩色图像的边缘得到更完整的保留。(本文来源于《计算技术与自动化》期刊2018年01期）
张训华,孙蔚[7]（2017）在《基于超复数HSV空间的彩色图像边缘检测》一文中研究指出传统的彩色图像边缘检测方法有以下一些弊端,边缘易丢失,边缘定位容易出现偏差以及边缘不连续等,结合传统的边缘检测方法和四元数超复数空间利用四元数对矢量旋转表示的便利性,在四元数的空间里处理彩色图像。然后通过对彩色图像旋转变换,进而分离HSV模型图像中的S分量实现彩色图像的边缘检测。通过对比试验结果可以看出该方法可以有效地降低色彩边缘的误检率,一定程度上提高边缘检测器的性能。(本文来源于《电脑知识与技术》期刊2017年33期）
马蒙蒙[8]（2017）在《彩色图像高分辨率边缘检测算法研究》一文中研究指出作为图像处理中的低层操作技术,边缘检测在机器视觉与图像处理领域起着至关重要的作用,能够为后续的操作过程奠定基础。而彩色图像包含更多的颜色信息,能够为描述物体的特征提供更加丰富的信息。因此彩色图像边缘检测算法便得到研究者的大量关注。论文以基于单色调的彩色图像检测技术为基础,分析输出融合法和多维梯度法的原理,并针对现存的算法分别进行实验仿真及其分析,给出实验结果。在此基础上,论文以多维梯度法为主要研究内容,以挖掘更多颜色信息,检测更多边缘为主要目的进行展开,提出两种算法:1)彩色Canny算子与各向异性高斯核融合的边缘检测算法。此方法结合基于单色调的彩色图像边缘检测技术与基于矢量值的彩色图像边缘检测技术之间的优缺点,首先使用彩色Canny算子以雅可比行列式为基础获得最大特征值和特征向量来计算梯度,然后通过各向异性高斯核计算彩色图像各个通道的梯度,并提出一种自适应方法融合梯度。最后采用非极大值抑制过程和双阈值法得到图像边缘。2)基于色彩差异的各向异性高斯核边缘检测算法。该方法分析了各个通道之间的差异信息,并挖掘色彩差异所引起的变化,并将其信息与灰度图像所引起的变化进行融合来检测边缘。最后,针对无噪图像和含噪图像,论文定性、定量地分析了所提两种算法的性能,并将其与现有算法进行比较、分析。实验结果表明彩色Canny算子与各向异性高斯核融合的边缘检测算法能够较好地保留图像的整体结构信息,检测出更多的细节边缘,而且具有较强的抑制高斯白噪声的能力。基于色彩差异的各向异性高斯核边缘检测算法以色彩差异为研究对象检测出更多的边缘信息,同时图像轮廓较为清晰,能够抑制较强的高斯白噪声,得到较完整的边缘图。(本文来源于《西安工程大学》期刊2017-03-21）
王海彦[9]（2017）在《基于FPGA的实时彩色图像边缘检测系统设计》一文中研究指出边缘是图像的基本特征之一。作为数字图像处理技术的一个基础环节,图像边缘检测的质量往往决定着后续高层次图像处理的质量。图像边缘检测技术在社会生产和生活中应用越来越广泛。如何快速、准确提取图像边缘信息成为国内外研究的热点和难点。随着计算机技术和大规模集成电路技术的发展,图像处理系统正朝着小型化、多样化的方向发展。基于FPGA的边缘检测解决方案设计灵活、实时性好,能够满足人们对图像处理设备小型化、低成本的需求,有着很好的应用前景。研究基于FPGA的边缘检测解决方案有很大的现实意义。受FPGA运算能力的限制,现有的基于FPGA的图像边缘检测解决方案主要集中在基于算子的边缘检测方法,特别是改进Sobel算子和简化Canny算法两个方向。现有基于FPGA的边缘检测解决方案使得边缘检测处理速度得到了较大提升,但边缘检测的质量还有待提高,算法自适应性差。并且现有基于FPGA边缘检测方案多是针对灰度图像,而忽略了理论上包含更多边缘信息的彩色图像。针对以上问题,本文分析了经典边缘检测算法,用中值滤波、扩展的四方向算子模板、非极大值抑制来改进传统边缘检测算子,提高了边缘检测的图像质量;并采用基于梯度直方图二阶导数自动选取阈值的方案,增强了算子自适应能力。并将改进算法推广到彩色图像边缘检测,取得了良好的结果。本文设计了基于FPGA的实时图像处理系统,系统能够较好实现图像采集、存储和显示。并在此系统的基础上实现和验证了改进算法的并行运算电路。实验结果表明,本文基于FPGA的图像边缘检测方案在边缘检测质量、自适应性方面有了较大提升。总体来讲,本文是对FPGA技术在嵌入式图像处理领域应用的一次有益探索。(本文来源于《哈尔滨工程大学》期刊2017-01-01）
刘波平,孟莎莎,饶兰香,付康[10]（2016）在《基于K-均值改进蚁群优化的彩色图像边缘检测算法》一文中研究指出为提高图像边缘检测的精度,提出一种基于K-均值改进蚁群优化(ACO)的彩色图像边缘检测算法。将聚类嵌入到边缘检测中,使这2类图像分割方法有效结合,增强了2类方法的优势。实验结果表明,该算法有效解决了传统蚁群算法(ACO)收敛较慢的问题,较好地保留了图像边缘细节,降低了计算复杂度,与典型分割方法相比具有更好的性能。(本文来源于《计算机与现代化》期刊2016年09期）
彩色图像边缘检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于传统实时彩色图像边缘检测算法具有较弱的抗噪能力,并且对于方向较为敏感,获得的边缘细节信息比较粗等问题,本文利用对彩色图像的特点进行分析,提出基于FPGA的实时彩色图像边缘检测系统。利用边缘检测算法方向模板的扩展,使算子对于具有复杂纹理的图像抵抗噪声及适应能力提高。最后对设计的系统进行实验,通过实验结果表示,此系统在处理过程中只是占用了2%的系统硬件资源,资源占用较为合理,并且图像的边缘定位较为精准,具有较强抗造能力,能够将彩色图像边缘提取出来。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
彩色图像边缘检测论文参考文献
[1].邓洪涛,廖强,田宇轩.基于FPGA的实时彩色图像边缘检测[J].电子制作.2019
[2].李亚利.基于FPGA的实时彩色图像边缘检测系统设计和实现分析[J].电子设计工程.2019
[3].李姗姗.彩色图像边缘检测相关算法研究[D].西北大学.2018
[4].张鑫鑫.基于HSI空间的彩色图像边缘检测算法研究[D].山东大学.2018
[5].李轩,张红.基于模糊算法的彩色图像边缘检测[J].科学技术与工程.2018
[6].王娜.一种基于立方体相似度的彩色图像边缘检测算法[J].计算技术与自动化.2018
[7].张训华,孙蔚.基于超复数HSV空间的彩色图像边缘检测[J].电脑知识与技术.2017
[8].马蒙蒙.彩色图像高分辨率边缘检测算法研究[D].西安工程大学.2017
[9].王海彦.基于FPGA的实时彩色图像边缘检测系统设计[D].哈尔滨工程大学.2017
[10].刘波平,孟莎莎,饶兰香,付康.基于K-均值改进蚁群优化的彩色图像边缘检测算法[J].计算机与现代化.2016