1、邊緣檢測是邊界分割方法中一種最基本的處理方法，有很強的實用價值。而小波分析是處理非平穩(wěn)信號的重要工具，已被成功應用到邊緣檢測中，并發(fā)揮著越來越重要的作用。此外，還有一些常用的經典邊緣檢測算子，它們大都是微分算子。而微分算子雖然運行簡單，但去噪效果并不理想。噪聲是影響邊緣檢測結果的主要因素之一，為有效地達到去噪的目的，本文利用傳統(tǒng)的Sobel算子和小波變換邊緣檢測算法提出新的邊緣檢測方法。具體工作如下:
　　首先，由于傳統(tǒng)的Sobe

2、l算子是一種基于導數微分的算子，對噪聲有很強的敏感性，所以當圖像包含大量噪聲時，很難有效地區(qū)分邊緣點和噪聲點。為此，本文利用多尺度形態(tài)學濾波對含噪聲圖像平滑處理，改進原有的Sobel算子，最終的邊緣圖像不僅明顯降低了噪聲的影響，保持了邊緣強度和較為完整的細節(jié)信息，獲得了更為滿意的主觀效果，而且利用客觀評價標準，峰值信噪比、相關系數、扭曲程度與傳統(tǒng)的Sobel算子比較也均有了一定程度的改善。
　　其次，對于含有椒鹽噪聲的圖像，利用傳

3、統(tǒng)的小波變換會檢測出大量的噪聲點。因此，本文將不同尺度的形態(tài)學結構元素與小波變換結合運用，使得改進后的小波變換不但很好地濾除了椒鹽噪聲，提取的邊緣比較連續(xù)，包含的信息也更為豐富，而且客觀上與傳統(tǒng)的小波變換相比，峰值信噪比、相關系數、扭曲程度也有了明顯地改進。
　　最后，因為改進的Sobel算子峰值信噪比、相關系數、扭曲程度較好，而與形態(tài)學結合的小波變換在信息熵、平均梯度上效果更優(yōu)，比較兩種改進方法各有利弊，所以，本文將獲得的邊緣圖