边缘检测方法

基于灰度直方图的边缘检测

基于梯度的边缘检测：

sobel算子(1968年)、prewitt算子(1970年)、roberts算子(1965年)、robinson算子

基于二阶导数的边缘检测：

laplace算子、log算子

canny算子(1986年)：

先进行高斯平滑、再有一阶微分的极大值确定边缘点

模糊推理的边缘检测:

先按灰度变化方式不同分为四类、再根据不同类别边缘定义多种边缘特征、确定模糊规则，用min-max重心法模糊推理边缘隶属度

多尺度边缘检测：

Mallat小波边缘检测算子 涉及到 作为固定尺度 二进小波变换可作为阴影和噪声的区分 那就可以作为阴影和真正车道线的区分 关键是j值的设定（用于消除噪声或找到梯度局部极大值）

基于数学形态学的边缘检测

用结构元素去度量和提取图像中的对应形状，基本变换包括膨胀、腐蚀、开启、闭合

基于神经网络的边缘检测

首先确定神经网络层数、然后设计网络、在对样本进行训练，归一化、分块循环周期训练、重新组合

基于遗传算法的边缘检测

一种以自然选择和自然遗传学原理为基础的迭代自适应概率性搜索方法

基于灰色理论的边缘检测

比较数列和参考数列之间的灰色关联度与阈值的比较

基于分形理论的边缘检测

迭代函数系统 边缘区域的子图的分形失真程度比较大，平坦区域的分形失真程度相对比较小

基于支持向量机的边缘检测

二分类问题 先确定训练样本、再确定阈值、再确定标识