1. 研究目的与意义
在很早以前，为了进行消息的交流，人们就开始了对图像的研究，对图像的传输，并利用计算机进行图像处理，改善图像质量。
图像处理技术有效的在军事和医疗卫生技术方面发挥着重要的作用。
可见，图像处理技术的重要性。
2. 课题关键问题和重难点
本课题的关键问题：（1）图像分割 图像分割是对含有大量信息的图像进行分解，分解成更容易处理的成分。
（2）提取图像的边缘特征 把图像中有意义的特征提取出来，为其他模块的运行提供重要信息，所以图像边缘提取占据着重要地位。
本课题涉及的难点：（1）采用什么算法进行图像分割（2）如何对图像进行降噪，图像边缘检测技术最关键的问题就是噪声的影响，如一张灰度图片，其平面亮度分布假定为f(x,y),那么对其接收起干扰作用的亮度分布R（x，y）即可称为图像噪声。
3. 国内外研究现状（文献综述）
边缘检测是图像处理领域中最基本的问题，它的解决对于进行更深层次的特征提取、特征描述、目标识别和图像理解等有着重大的影响。
因此，图像的边缘检测被广泛应用于模式识别、计算机视觉、图像分割等众多领域。
经典的边缘提取算子包括 Sobel、 Roberts、Prewitt 以及 Laplacian、LOG 等。
4. 研究方案
基于图像的边缘检测系统的设计提出以下方案：（1）图像预处理 对原始图像进行图像分割、降噪并滤波形成平滑图像，便于后面提取图像边缘的特征信息。
（2）采用相应的算法提取图像边缘的特征信息 对平滑图像进行图像边缘增强，增强图像边缘的基础是确定图像各点领域强度的变化值，图像边缘增强一般是通过计算梯度幅值来完成。
（3）图像中的像素点除了具有梯度幅值信息外，还具有梯度方向信息，而且边缘点的梯度方向一般指向边缘的法线方向，孤立的噪声点则通常没有特定的梯度方向。
5. 工作计划
第1周： 查找关于图像边缘检测的文献以及相关的翻译文献 第2周： 撰写开题报告 第3周： 对图像的边缘检测系统的总体设计和规划 第4周： 对图像的边缘检测系统算法的设计 第5周： 对图像的边缘检测系统算法的验证第6周： 对图像的边缘检测系统软件程序设计第7周： 对图像的边缘检测系统软件功能验证第8周： 对图像的边缘检测系统的整合第9周： 对完整系统的测试和验证第10周：通过多次实验，对系统的实验数据进行收集第11周：收集规整毕设资料，撰写论文 第12周：提交论文 第13周：准备答辩 第14周：毕设结束工作
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。
