英语原文共 9 页
边缘检测方法综述
摘要：图像中的边缘是图像的亮度突然改变的轮廓。 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的过程。边缘检测方法的一个重要特性是它能够以良好的方向提取精确的边缘线。不同的边缘检测器在不同条件下工作更好 对不同边缘检测方法的比较评估使得容易确定哪种边缘检测方法适合于图像分割。 本文概述了已发表的边缘检测工作。
关键词：边缘检测，小波，边缘检测器，FPGA
一、介绍
边缘定义图像中区域之间的边界，这有助于分割和对象识别。 换句话说，边缘是对象和背景之间的边界。Roberts，Sobel，Prewitt，Frei-Chen和Laplacian等基本边缘检测算子正在由各种研究人员进行实验。 许多边缘检测器使用小波工具。一些研究人员采用适当的边缘检测方法在硬件中实现边缘检测。在对边缘检测器进行文献调查之后，它们在这里被广泛地分为四种类型：基于小波的方法，经典方法，基于FPGA的方法和其他方法。
二、基于小波的方法
J. Niya，A。AghagoIzadeh，M。Tinati和S. Feizi 提出了使用Gabor和Cauchy方向小波的基于小波的边缘检测。 在这项工作中，他们引入了两步边缘检测算法，具有与定向小波相同的边缘检测精度。 它使用较少的计算。
-
Zhang和J. Kang 提出了一篇基于小波变换和数学形态学融合的边缘检测论文。在本文中，他们提出了一种简单可靠的边缘检测方法，融合了小波变换和数学形态学。它有效地抑制了噪音。
基于提升小波变换的图像边缘检测由X.Wang [3]提出。与传统的小波图像边缘检测和canny算子边缘检测相比，所提出的方法需要短时间和更少的存储器。提升方案算法块原理图如图1所示。
图1提升方案算法块原理图
Y. Hao，L。Changshun和P. Lei[4] 提出了一种改进的基于小波变换的图像边缘检测方法。本文介绍了基于小波变换的阈值去噪和边缘检测理论。在本文中，他们已经基于广义交叉验证实验了小波阈值去噪，然后使用采用的小波变换来检测去噪图像的边缘。
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，具有时分多路复用行处理器和基于行的设计方式，可最大限度地减少片内存储单元，减少硬件消耗，提高利用率。
W. Ge提出了一种基于提升方案和融合规则的多尺度边缘检测方法，
L. Gao和Q. Sun [6]。使用一种算法不仅能有效地抑制噪声，而且还能保留连续清晰的边缘，因为运行时间短，所以提供了一种快速执行边缘提取的方法。
X. Yanget，D。Qi和X. Li [7]提出了基于二进小波变换的木材缺陷图像的多尺度边缘检测。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的操作员更好地进行连续性和噪声抑制。
J.Siddique和K.Burner[8]提出了一种基于小波的磁共振边缘检测算法，该算法将图像中的边缘分解成一系列输出边缘图，并反映出边缘的空间和他们相应的强度变化。仅限于以这样的方式形成堆叠边缘映射金字塔：底部（最低级别）边缘映射包含所有比例的边，而峰值（最高级别）边缘映射仅包含大比例或粗糙的边。
W.Yue-Liang, C. Yuan-Da 和 L. Dun〔9〕提出了一种基于多尺度融合的单阈值边缘检测算法。提出了一种基于多尺度边缘特征值的单阈值边缘检测算法。在有效边缘包络范围内，利用有限元边缘跟踪算法，根据有限元单元拓扑对局部边缘点进行边缘融合和检测，在单个阈值上进行实验，获得精确的局部不同类型边缘。
Y.al-Halabi H.Jondi Abd[10]提出了两种基于小波的边缘检测技术，第一种是RC算法，第二种是RCD算法。他们声称，这两种技术比旧技术证明效果更好。用RC算法和RCD算法提取的边缘要比用其它方法提取的边缘锐化。在大多数情况下，RCD算法比RC算法有更好的效果。RC-算法和RCD算法对低跃迁的响应最好。RCD算法能较好地处理噪声较大的图像。
Z.Musoromy，F.Bensaali，S.Ramalingam和G.Pissanidis[11]对基于DSP的车牌实时边缘检测技术进行了比较。在本文中，他们声称使用DSP处理器来加速车牌检测过程，并使用边缘检测方法。
P. Akhtar和T. J. Ali [12]提出了使用小波表示和图像融合的边缘检测和链接。 他们为组合/重组和融合阶段的小波选择以及提升方案创造了灵活性。
利用简化版Gabor小波进行图像边缘检测的有效算法。他们提出，基于简化Gabor小波的边缘检测非常适合实时应用。
M. Dowlatabadi和J. Shirazi [14]提出了一种基于小波变换融合和使用模糊规则的数学形态学的边缘检测方法。实验结果表明，该算法不仅有效抑制了噪声，而且保持了清晰连续的边缘。
L. Liang和Z. Ping [15]提出了一种检测边缘的新技术。该技术是用于边缘检测的经验模式分解算法的二维扩展。他们声称，采用图像自适应分解方法可以取得良好的效果。
H. Kumar和Ashvini Chaturvedi [16]提出了股骨边缘检测 - 一项比较研究。与经典算法相比，所提出的用于股骨的小波变换算法产生了显着的性能改善。
J. L. Z. Wenjun和W. Yu [17]提出了一种改进边缘检测算法的研究。在本文中，他们尝试将小波变换和梯度锐化过程相结合，以增强模糊图像，使其更清晰。
基于小波的边缘检测可以有效抑制噪声，因为小波变换具有良好的局部质量和多尺度同一性，可以满足多尺度边缘检测的需要。
-
S. Asamwar，K。M. Bhurchandi和A. S. Gandhi
[18]提出了使用离散小波变换的图像插值来模拟人类视觉中的图像大小调整。 在提出的工作DWT和IDWT使用Haar小波工具进行实验来调整大小
最佳计算负荷下的图像。 据称，与双线性和双三次插值技术相比，所提出的方法更好。
三、经典方法
X，He，W。Jia和Q. Wu [19]提出了一种具有虚拟六边形图像结构的精确边缘检测方法。在本文中，提出了一种边缘检测方法。他们声称使用线性插值算法结合六边形图像结构，已经取得了令人鼓舞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边缘检测方法。本文主要采用Sobel算子和软阈值小波去噪方法。边缘检测处理涉及受白高斯噪声干扰的图像。实验证明，采用该方法进行边缘检测效果非常好，抗噪性能非常强。
Uvika和S. Kaur [21]提出了一项关于边缘检测技术的调查，如Sobel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。
四、FPGA方法
C. Gentsos，C。Sotiropoulou，S。Nikolaidis和N. Vassiliadis [22]提出了FPGA的实时canny边缘检测并行实现。在本文中，提出了一个实时Canny实现的并行设计。提出了一种同时4像素计算的并行架构。他们证明，并行架构提高了设计的吞吐量，而不会增加对片上高速缓存存储器的需求。该设计已针对低端和高端Xilinx FPGA进行了综合。
Q. Xu，C。Chakrabarti和L. Karam [23]提出了一种新的分布式Canny边缘检测算法。他们证明了所提出的算法在不牺牲边缘检测性能的情况下产生了显着的速度。他们提出了一种新的非均匀量化直方图计算方法。为了降低滞后阈值选择的计算成本。他们声称，与原始的Canny边缘检测算法相比，所提算法的计算成本非常低。该算法映射到Xilinx Virtex-5 FPGA平台，并使用提出的模型进行测试。
S. Yasri，N。Hamid和V.Yap [24]介绍了使用Sobel边缘检测算子的基于梯度的边缘检测算法的FPGA实现。据称这种设计的容量
以27 MHz时钟频率运行。
五、其他方法
S. Ma，G。Zheng，L。Jin和Geng-feng Zheng [25]提出了使用轮廓波变换的方向多尺度边缘检测。为了提取作为自然图像主要特征的平滑轮廓，他们提出了一种基于轮廓波变换的新的边缘检测方法。为了克服噪声对图像边缘的影响，还引入了轮廓波域中的尺度乘法。
J. Li和X. Jing [26]提出了基于决策级信息融合的边缘检测及其在混合图像滤波中的应用。本文提出了融合熵的概念，设计了一种边缘检测信息融合系统。证明所引入的方法能够去除冗余信息并解决多个检测决策之间的冲突。
Y.Zhao和X. Jing [27]提出了基于多结构元素形态学的边缘检测。所提出的算法声称比传统的数学形态边缘检测算法和差分边缘检测算子更有效地进行边缘检测。
Z.li，Z Yang，W。 Wang和J. Cui [28]提出了一种基于重力定律的自适应阈值边缘检测方法。该工作提出了一种基于重力自适应阈值的边缘检测算法。该算法声称不仅具有对普通图像边缘的良好效果检测，也用于图像边缘检测的噪声
S. Junna和J. Feng [29]提出了一种基于软形态学的边缘检测算法。在这项工作中，分析和比较了常用的边缘检测算法以及传统的形态学边缘检测算法。他们指出，每个人的特征都不充分。因此，为了改进上述算法，他们提出了一种改进的软形态边缘检测算法。改进的软形态检测算法足以有效地检测图像边缘，同时抑制噪声的影响，具有很强的鲁棒性。
V.Rani和D. Sharma [30]提出了一篇论文，回顾了广泛的图像分割边缘检测方法。他们得出结论，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]使用瞬时变异系数（ICOV）提出了超声成像中的边缘检测。这项工作提出了基于归一化梯度（NG）的边缘检测器和基于边缘检测器的瞬时变异系数（ICOV）的比较分析。结论是，NG和ICOV算子是恒定的误报边缘检测器，与NG操作员相比，ICOVS检测到的边缘误差较小。
T. Qiu，Y。Yan和G. Lu [32]提出了一种用于火焰和火焰图像处理的自适应边缘检测算法。在提出一种用于火焰边缘检测的新方法之后，声称与常规方法相比，通过所提出的方法检测到的火焰和火焰边缘清晰且连续。
L. Ding和A. Goshtasby [33]提出了一种方法来恢复Canny边缘检测器遗漏的边缘。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，并将开放的轮廓转换为封闭的轮廓。
本文综述了广泛的图像分割边缘检测方法。 可以根据图像分割和应用要求的需要来实验不同的边缘检测方法。 基于小波的方法比其他方法更准确。 基于小波的提升方案方法涉及较少的计算。
图2 边缘检测的建议方框图
将来，我们计划在FPGA Spartan 3E上设计一个基于小波的边缘检测，并在图2中示出相同的框图。
用于徽标边缘检测的Canny和Sobel算子的评估
摘要：本研究旨在比较Canny和Sobel算子如何用作各种徽标图像的边缘检测技术。 主要过程涉及使用捕获的徽标图像和来自互联网的徽标图像的Sobel和Canny边缘检测技术。 通过中值滤波操纵以去除噪声的图像和Otsu的方法用于确定阈值。 结果表明，两个运营商都有自己的优点和缺点，可以用作徽标图像的边缘检测辅助工具。
关键词：边缘检测、商标、索贝尔、 图像处理
-
介绍
徽标是符号或图标中的图形标记，徽标的每个部分都表示为公司的某些特征或身份。徽标的重要性可用作公司或产品标识，也可用作业务营销策略之一。消费者将始终参考产品徽标，以确保他们按要求购买了正确的产品。但是，组织，商业公司甚至个人都有许多徽标代表他们的公司或产品。需要拥有精确和准确的徽标识别系统对于帮助确保消费者不会被假冒徽标倾销和过期所欺骗至关重要。例如，在一个国家，有一些非法的清真标识来自不负责任的企业家，他们没有注册产品，只是模仿清真标识来欺骗穆斯林消费者，如[1]所述。徽标识别系统也非常必要，以避免将创建的徽标与现有徽标类似。相似性包括徽标的形状，形式，符号或图案。
为了拥有准确而精确的徽标识别系统，我们需要使用良好的边缘检测技术，以便用作系统的主要架构。根据[2]，边缘检测是计算机视觉中图像中物体识别和分类的重要工具。图1显示了对图像进行分类的一般流程，本文仅关注使用Sobel和Canny算子的徽标边缘检测，这些算子使用Otsu方法和中值滤波来操作以改进原始算子。
图1.生成徽标识别的过程包括边缘检测过程。
-
边缘检测
边缘在图像识别和分析中非常重要，因为它包含有用的信息。边缘检测有几种技术，如Sobel，Roberts，Prewitt和Canny [3]。本文主要使用Canny和Sobel算子对徽标边缘检测的结果进行比较和分析。
A.Sobel边缘检测算子
Sobel算子广泛用于基于图像水平和垂直卷积的边缘检测技术。该算子对噪声敏感[3,4,9]。这种技术的优点是通过简单
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。
