边缘检测的论文

资 源 简 介

边缘检测的论文

详 情 说 明

边缘检测作为计算机视觉领域的基础技术，在过去的几十年里催生了大量具有里程碑意义的研究论文。从经典的微分算子到现代的深度学习方法，相关研究呈现出清晰的演进脉络。

早期开创性工作可追溯至1986年Canny提出的最优边缘检测器，该论文建立了边缘检测的完整理论框架，提出的非极大值抑制和双阈值处理至今仍是工业标准。2004年Marr-Hildreth提出的基于零交叉的LOG算子则首次将高斯平滑与拉普拉斯算子相结合，解决了噪声敏感性问题。

近年来，随着深度学习兴起，2015年发表的HED论文首次将CNN引入边缘检测，通过多层次特征融合实现了语义感知的边缘提取。2017年的RCF网络进一步改进了特征整合机制，其稠密预测架构显著提升了细粒度边缘的检出率。值得注意的是，2019年发布的PiDiNet通过轻量化设计在保持精度的同时大幅降低了计算成本，为移动端部署提供了可能。

当前研究热点集中在三个方向：基于Transformer的检测架构、面向特定场景的自适应算法，以及结合超分辨率技术的亚像素级边缘定位。这些最新进展在ECCV和ICCV等顶会论文中均有系统论述。