文献综述
本课题的现状及发展趋势：
边缘检测是图像处理、计算机视觉中基础的内容，也是至今仍没有得到圆满解决的一类问题。通过对人类视觉系统的研究表明，图像中的边界特别重要，往往仅凭一条粗略的轮廓线就能够识别出一个物体。边缘反映了景物局部区域特征的差别，它表示为图像信息的某种不连续性(如灰度突变，纹理以及彩色的变化等)。边缘表示容易综合成大量各种各样的物体识别算法，物体边缘特征是与图像中灰度发生跳变的部分相对应的。广义地讲，所有视觉信息处理过程都可归结为不连续性(边缘)和匹配两种运算的组合。因此，基于灰度不连续性特征检测的方法也就成为图像边缘提取的主要方法之一。图像边缘检测作为一个低级视觉处理过程,有着很长的研究历史，学术思想非常活跃，新理论、新方法不断涌现，其原因一方面是由于课题本身的重要性，另一方面也反映了这个课题的深度和难度。已发表的有关边缘检测的理论和方法尚存在许多不足之处，还有待于进一步改进和发展。
小波分析克服了短时Fourier变换在单分辨率上的不足，具有多分辨率的特征，并且在时间窗和频率窗都可以根据信号的具体形态而进行动态的调整，具有表征信号局部信息的能力。因为这些特点，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为“数学显微镜”，广泛应用于各个时域分析领域。小波变换是近十几年新发展起来的一种数学工具,是继一百多年前的傅里叶(Fourier)分析之后的又一个重大突破, 克服了傅里叶变换和短时傅里叶变换的缺点，具有时域和频域局部化的特点，适合分析非平稳信号，它对无论是古老的自然学科还是新兴的高新应用技术学科均产生了强烈的冲击。由于它在分解的过程中只对低频信号再分解，而对高频部分也即信号的细节部分不再继续分解，使得它的频率分辨率随频率升高而降低。
本课题的价值：
随着算法的不断更新和计算机等各种设备的不断进步，边缘检测在图像信息获取等各领域的应用将会更加广泛。可以预见，在不久的将来，基于边缘检测的各种产品会伴随着我们的日常生活，与我们息息相关。由于边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间且对于图像视觉特征的提取非常重要，所以边缘检测在基于计算机的边界检测、图像分割、模式识别、机器视觉等都有非常重要的作用。
小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图象处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别，音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面。
基于小波变换的图像边缘检测是一种新的检测图像边缘的方法，可以较好的检测图像边缘的细节特征。由于基于小波变换的边缘算法尽可能多的保留了图像的重要细节信息-边缘信息，避免了伪边缘、漏边缘检测信息及噪声出现的情况，从而得出了这个算法在各个方面应用的可行性与优越性是不容忽视的。因此，本设计的研究具有深远的现实意义。
参考文献：
以上是毕业论文文献综述，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。
