我是一名计算机科学本科生，试图为我的顶点项目提出一个主题。我对边缘检测特别感兴趣，但我遇到了关于该主题的研究领域的麻烦。我正在寻找今天所面临的某种边缘检测限制。
到目前为止，我的想法如下：
在噪声图像中处理边缘检测 - 当前的方法是使用高斯平滑，但我们仍然无法获得所需的结果。
我听过一些关于边缘检测和格式塔原理的讨论。但我没有找到关于这个副主题的任何好的数据或研究论文。
有没有人知道任何尚未解决的边缘检测问题或限制？请随意详细说明我上面提到的两个副主题！
答案 0 :(得分：0)
我刚在学校做过类似的项目。查看Stacked Deoising自动编码器。它是最近应用了很多成功的新技术。它是一种半监督学习算法，它使用噪声来更好地理解数据。当你有大量未标记的数据和很少的标记数据时，它的效果非常好。
http://deeplearning.net/tutorial/SdA.html
Andrew ng有很好的视频。他有一些关于图像识别和边缘检测的好信息。他还在Itunes U上主持了一个免费的机器学习课程。
https://www.youtube.com/watch?v=n1ViNeWhC24
它不是新的突破性的，但你可能会发现它很有趣并且它以新的方式应用。
我非常确定googles新推出的验证码系统正在推出使用它。对我来说是一个很好的本科项目。我用它来尝试从.wav文件中识别音乐中的和弦。
答案 1 :(得分：0)
有几个有趣的问题需要解决。如果您解决的问题可能会带您通过您的顶点项目并在几年之后，这对于研究生院和/或未来的雇主来说可能会很有趣。
对于格式塔理论，请查看Willis D. Ellis编辑的一本名为格言塔心理学源书的早期书籍（英文）。你可能会惊讶于一个领域的早期文本可读性和有用性。早期的图像处理文本也是如此 - 有时早期的教科书比最近的教科书提供了更清晰，更直接的解释。
由于格式塔在一个世纪前是时髦的，你可能很难通过谷歌搜索找到原始文本。与参考图书管理员聊天。要求查看参考书指南的副本。
如果您对将研究扩展到边缘完成而不是简单的边缘检测感兴趣，那么使用欧拉螺旋线来完成曲线是一个整洁的领域。这是关于这个主题的一篇论文：
＆＃34;用于3D曲线完成的3D Euler螺旋＆＃34;
http://webee.technion.ac.il/~ayellet/Ps/10-HT.pdf
作为最后一点，我很乐意阅读一篇文章，其中有人解决了Canny对世界的使用，以及＃34;最佳，＆＃34;并且最好找到一个不会产生误导的术语。