原创《基于像素灰度关联边缘检测》：这篇边缘检测论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要在量子理论的启发下,提出将归一化的数字图像看作是一个多维量子系统,利用邻域像素的叠加态结构建立了像素灰度的相干性空间,通过叠加态结构运算取代传统的模板操作,从而实现数字图像的边缘检测．仿真试验结果表明,所提出方法相比传统的Sobel算法检测出来的边缘细节更为丰富,轮廓更为清晰,并且对噪声具有更好的抑制作用．
关键词数字图像处理；边缘检测；量子图像
中图分类号TP391 文献标识码A 文章编号10002537（2012）04002605
边缘检测是图像处理和计算机视觉中的基本问题,其目的是标识数字图像中亮度变化明显的点．边缘检测是底层视觉处理中最重要的环节之一,也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础,目前已经逐渐被广泛地应用于生物医学、模式识别以及工程技术中的零部件检查、故障诊断等更多领域．一直以来,如何准确快速地提取图像边缘是图像处理领域中的热点问题．
传统的边缘检测方法以微分算子法最为常用,其原理是通过对邻域内像素的灰度差分运算代替导数运算,然后根据导数或梯度考察图像小邻域灰度的跃变情况,构造边缘检测算子,如基于一阶微分的Roberts算子、Sobel算子、Prewitt算子、Canny算子和基于二阶微分的拉普拉斯（Laplacian）算子等［1］．因为各算子模板的构造特性,各算子对不同边缘的敏感程度不一,因此在检测边缘时,应根据不同类型的边缘采用合适的算子．但是,这些算子各有优缺点,Roberts算子和Laplacian算子对显著边缘变化的图像响应较好,抗噪能力较弱；而Sobel、Prewitt和Kirsch算子等具有较好的抗噪能力和图像响应,但其响应并未考虑中心像素灰度的影响；虽然Canny算子是目前传统检测算子中效果最好的一种,实验证明它的边缘强度估计和边缘定位优于其他算子,但它使用2×2的算子模板检测边缘梯度,使得它对边缘的准确定位有所偏差．
随着信息时代的不断发展,由于传统微分算子的局限性,有关边缘检测的新理论、新技术层出不穷,诸如边缘检测的小波变换算法,蚁群算法以及神经网络算法等［24］．20世纪后期,人类将量子力学理论引入到信息科学领域,量子信息科学［5］由此诞生,包括量子*术、量子通信、量子计算机等几个方面,其理论和实验研究也随之取得了重大突破．20世纪80年代,Bennett和Brassard提出了著名的量子密钥分配协议——BB84协议［6］、Deutsch提出的量子图灵机概念［7］,充分证明了量子信息的高安全性和量子计算的强计算能力；20世纪90年代,Schumacher首次提出了量子比特的概念［8］,奠定了量子信息体系化的理论基础．随之,基于量子理论的图像处理新方法的研究得到了广泛的关注,如ChienChengTseng的量子图像处理方法［9］、邵桂芳等人提出的基于遗传量子的自适应图像分割算法［10］以及谢可夫所提出的量子衍生图像处理方法的研究［11］等,事实表明基于量子理论的图像处理方法的现实可行性和优越性．
边缘检测论文参考资料：
结论：基于像素灰度关联边缘检测为关于对写作边缘检测论文范文与课题研究的大学硕士、相关本科毕业论文边缘检测算法 matlab论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
