1. 研究目的与意义
图像的边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间，因此，它是图像分割所依赖的最重要的特征，也是纹理特征的重要信息源和形状特征的基础，而图像的纹理形状特征的提取又常常要依赖于图像分割。图像的边缘提取也是图像匹配的基础，因为它是位置的标志，对灰度的变化不敏感，可作为匹配的特征点。 图像边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域的基础。图像理解和分析的第一步往往就是边缘检测，边缘检测目前已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。
2. 课题关键问题和重难点
1.关键问题：
（1）4个参数模型化边缘：位置，斜率，均值，幅度
（2）边缘检测算子：正交梯度算子，拉普拉斯算子，马尔算子，坎尼算子
3. 国内外研究现状（文献综述）
自从计算机问世以来，数字图像边缘检测和分析的方法不断发展，与早期相比已不可同日而语。首先计算机在运算速度和存储能力两方面明显增加。千兆字节磁盘的问世使早期计算机认为复杂的难以实现的方法重显生机，并可付诸应用。在开发TV摄像机和CCD传感器等方面也取得很大的进展，现代的传感器其空间分辨力和强度分辨力比早期系统有很大提高。
早期应用多在单个图像的分析上，现今多模图像的分析变得越来越重要。多谱成像的应用使来自不同成像模式的信息融合成为可能（如在医学中X线核磁共振成像的融合）。甚至三维分析（如序列图像或随时间的图像变化）以及四维分析（如随时间变化的序列断面图像），现在已成为可实现的目标。就软件而言，知识引导方法已变得日趋重要。当自上而下应用这些方法时，研究对象（如肝脏）计算机模型引导图像边缘检测操作集中到图像（如肝扫描图像）中我们感兴趣的部位；而当自下而上应用这些方法时，图像边缘检测所获得有关细节的信息可参照该模型加以核查，以确定相互之间的关系。 已有许多图像生成技术问世，但除图像恢复技术以外，图像边缘检测技术在很大程度上与图像形成的过程无关。一旦图像已被采集并且已对获取过程中产生的失真进行了校正，那么所有可用图像边缘检测技术本质上是通用的。因此，图像边缘检测是一种超越具体应用的过程：任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法，几乎肯定能找到其他完全不同的应用领域。图像边缘检测已应用于现代社会的许多领域。在所有这些领域中的使用方法和技术都很相似，故医疗卫生中的图像边缘检测方法大部分借鉴其他科学和工业领域中的图像边缘检测应用。
从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像边缘检测向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。边界。当用阈值来分割目标与背景时，如果某一灰度值g是某图像的分割阈值，那么它应该使按这个阈值划分目标和背景的错误分割的图像像素点数为最小。
参考文献：
4. 研究方案
（1）了解并且掌握图像边缘检测的4种参数模型：位置，斜率，均值，幅度。
（2）掌握数字图像边缘检测的基本原理和熟练运用matlab或c 软件，求用matlab或c 语言来实现图像边缘检测方法的比较研究。
（3）查找研读相关学术文献资料，并对运用的4种算子正交梯度算子，拉普拉斯算子，马尔算子，坎尼算子和小波变换，分数阶微分等方法来实现图像边缘检测应用，并将各种方法进行比较分析优缺点，得到实用的结论。
5. 工作计划
第一周：布置英文翻译，查阅有关毕业设计的专业文献资料
第二周：复习数字图像处理基础知识，加深对毕业设计课题的理解
第三周：熟悉MATLAB软件使用，练习MATLAB编程或C 编程
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
