1. 研究目的与意义（文献综述）

边缘是指图像周围像素灰度急剧变化的像素集合，是图像最基本的特征，主要表现为图像灰度级、纹理结构和形状特征的突变等，反映了图像局部不连续的特性。边缘存在于目标与背景、目标与目标、区域与区域之间，代表着一个区域的终结和另一个区域的开始，其中包含了大量有价值的目标边界信息，故而良好地提取边缘信息是进一步进行图像处理的基础。

图像边缘检测是图像分割、目标区域识别、区域形状检测等图像分析十分重要的预处理技术，也是图像识别中检测图像特征的一个重要属性。边缘检测的目的是对图像的灰度变化进行度量、检测和定位，由此提取到的边缘信息对于进一步的图像理解分析十分重要。在通常情况下，图像的边缘点被认为是信号中的奇异点或突变点，与边缘点相邻的像素灰度分布梯度反映了其附近灰度的变化情况。传统的图像边缘检测方法有sobel算子、robert算子、prewitt算子、laplace算子等，其原理是根据求出图像函数的一阶微分局部极大值点或者二阶微分的零交叉点来发现图像边缘。但是这些方法无一例外受噪声干扰较大，在进行图像边缘检测时，无法将准确性和抗噪性很好地融合。

为了减少噪声对边缘检测的影响，研究者们从边缘模型及噪声模型出发，利用简单的阶跃边缘与可加性的白噪声模型，提出了边缘检测的最优滤波器。由marr、hildrech等人提出的log算子，利用平滑二阶微分的边缘检测算子对图像作最佳平滑，后使用平滑函数的二阶微分零交叉点定位边缘位置，其在生理学与心理学领域研究具有很好的有效性。canny利用一个准高斯函数做平滑运算，以带方向的一阶微分定位导数最大值，推导出具有平滑功能的最优边缘检测算子。在图像边缘检测的预处理过程中，这两个算子均增加了图像滤波器以降低噪声的干扰，但同时也使得一些边缘信息丢失。

2. 研究的基本内容与方案

数字图像的边缘检测是图像分割、目标区域识别、区域形状检测等图像分析十分重要的基础，是图像识别中检测图像特征的一个重要属性，图像理解和分析的第一步往往就是边缘检测。本文研究的基本内容就是了解数字图像边缘检测的必要性和应用前景，理解和熟悉数字图像边缘检测的基本原理和方法。在此基础上，用离散小波变换或其它有效的方法进行数字图象边缘检测和增强的实现，对图象边缘检测和增强的效果进行主观和客观的评价，并针对某一具体的实际应用进行分析和说明。

根据所研究的内容，我采取的技术方案及措施为：图像边缘检测主要分为图像滤波、增强、检测和定位几个步骤，首先要用滤波器对图像进行滤波，减少噪声的干扰，再通过对小波分解和重构理论以及小波基的研究，探讨不同分解层数和小波基对图像增强的影响，选取最优的小波基对灰度图像的高频信息加以增强，从而凸显出更为精确的边缘信息，加大提取有效边缘的效果，在此基础上，用离散小波变换或其它更有效的方法进行图像轮廓提取，将边缘信息从噪声中提取出来，便于后续的图像理解分析。最后，使用MATLAB进行仿真实验，通过对比和分析仿真得到的相应性能曲线及性能指标，得到最终的结论。

3. 研究计划与安排

第一周：熟悉并理解设计内容及任务，查阅收集有关参考资料。

第二周：收集资料，撰写开题报告。

第三周~第十六周：进行论文设计，并送导师审阅。

4. 参考文献（12篇以上）

[1] 胡晓峰，赵辉.图像处理与识别实用案例精选.北京：人民邮电出版社，2012

[2] 赖志国等. matlab 图像处理与应用[m].北京：国防工业出版，2013

[3] 王嘉梅.基于matlab 的数字信号处理与实践开发[m].西安：西安电子科技大学出版社，2007