图像边缘检测中图像的边缘是图像的基本特征，边缘点是灰度阶跃变化的像素点，即灰度值的导数较大或极大的地方，边缘检测是图像识别的第一步。有的人会做这方面研究，在这里给大家分享：图像边缘检测论文参考文献。
范文一：结合图像增强的含噪齿轮图像边缘检测研究
摘要：为了提高齿轮后期故障检测和缺陷检测的效果,并有效去除图像中的混合噪声,提出了一种结合图像增强的含噪齿轮图像边缘检测算法。首先,引入了信息熵改进了马氏距离公式,并将马氏距离用于改进自适应中值滤波器;然后,对幂次变换进行了改进,使其具有自适应性,并将改进的幂次变换用于改进Retinex算法,对图像整体进行了增强;最后,采用小波模极大值法对含噪齿轮图像进行了边缘检测实验。
范文二：基于分数阶微分的图像边缘检测算法
摘要：针对传统边缘检测算法对于图像边缘提取存在边缘缺失、不连续等问题,为提高边缘的完整性与连续性,提出一种基于分数阶微分的边缘检测算法。由G-L定义构造分数阶微分掩模算子,使用不同阶次的算子对高、低频图像分别进行边缘提取,然后将两部分边缘进行融合,最终得到连续完整的图像边缘。实验结果表明,该算法不仅提高了边缘信息的完整性,还保留了更多的纹理细节及获得了较好的抗噪性能。
范文三：基于分数阶微分的图像边缘检测算法的研究
摘要：边缘一般在数字图像中表现为像素灰度值的剧烈变化,其反映了图像不连续的特性,而且还包含了大量的信息。因此,图像边缘检测也成为了图像分割及图像融合等更深层次图像处理操作之前的一项重要的工作。对于已有的边缘检测算法存在提取边缘不连续、抗噪性能差以及无法提取到更加有效的纹理细节信息等不足,本文结合分数阶微分理论,在众多研究学者的基础上,提出一种改进的基于分数阶微分的边缘检测算法。
范文四：基于多方向的二维高通滤波器图像边缘检测算法
摘要：基于经典算子只考虑两个方向的差分,导致边缘图像丢失大量边缘细节,提出了一种多方向的各向异性边缘检测算法。首先构造4个具有各向异性的4阶差分模板,对其进行归一化处理,利用差分模板与原图像卷积,分别得到垂直、水平、45°、135°四个方向的差分图像,将四个差分图像相加并开方得到梯度图像,然后对梯度图像阈值二值化处理,得到二值化图像,最后利用形态学方法对二值化图像进行细化操作,得到边缘图像。通过多组模拟仿真实验,验证了该算法的有效性和优越性。
推荐阅读：图像边缘检测论文发表期刊
