基于Riemann-Liouville改進(jìn)的1-2階分?jǐn)?shù)階邊緣提取新模型
大?。?/span>0.94 MB 人氣： 2017-12-26 需要積分：3
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
標(biāo)簽：分?jǐn)?shù)階(7792)
針對(duì)數(shù)字圖像的處理中采用整數(shù)步長(zhǎng)與0 -1階分?jǐn)?shù)階微分的掩模算子未能精確定位邊緣信息、缺少圖像的紋理細(xì)節(jié)的問(wèn)題，在Laplacian算子的基礎(chǔ)上提出了一種新的邊緣檢測(cè)掩模算子。該算法從Riemann-Liouville（R—L）定義出發(fā)，推出1-2階分?jǐn)?shù)階微分在中頻信號(hào)的增強(qiáng)效果優(yōu)于0-1階分?jǐn)?shù)階微分并顯著提升了高頻信號(hào)，最終得到精確的檢測(cè)效果。仿真結(jié)果表明：提出的算子能更好地提取邊緣信息，尤其對(duì)灰度變化不大的平滑區(qū)域中紋理細(xì)節(jié)豐富的圖像，該算子檢測(cè)到的信息優(yōu)于現(xiàn)有0 -1階微分算子，針對(duì)主觀(guān)識(shí)別有更高的準(zhǔn)確率；客觀(guān)上采用掃描法的定位誤差統(tǒng)計(jì)，該算子的綜合定位誤差率為7. 4l%，低于整數(shù)階微分算子（最低為10. 36%）與0-1階微分算子（最低為9. 97%），有效提高了邊緣定位精度。該算子尤其適用于具有較高頻信息的圖像邊緣檢測(cè)中。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%