The problem of edge detection plays a crucial role in almost all research areas of image processing. If edges are detected accurately, one can detect the location of objects and the parameters such as shape and area can be measured more precisely. In order to overcome the above problem, a feature-based image registration (FBIR) method in combination with an improved version of canny with fuzzy logic is proposed for accurate detection of edges. The major contributions of the present work are summarized in three steps. In the first step, a restoration-based enhancement algorithm is proposed to get a fine image from a distorted noisy image. In the second step, two versions of input images are registered using a modified FBIR approach. In the third step, to overcome the drawback of canny edge detection algorithm, each step of the algorithm is modified. The output is then fed to a “fuzzy inference system”. The “fuzzy rule-based technique”, when applied to the problem of “edge detection”, is very “efficient” because the thickness of the edges can be controlled by simply changing “rules and output parameters”. The domain of the images under consideration is various well-known image databases such as Berkeley and USC-SIPI databases, whereas the proposed method is also suitable for other types of both indoor and outdoor images. The robustness of the proposed method is analysed, compared and evaluated with seven image assessment quality (IAQ) parameters. The performance of the proposed method is compared with some of the state-of-the-art edge detection methods in terms of the seven IAQ parameters.

边缘检测问题在图像处理的几乎所有研究领域中都起着至关重要的作用。如果边缘检测准确，就可以检测物体的位置，更准确地测量形状和面积等参数。为了克服上述问题，提出了一种基于特征的图像配准（FBIR）方法，结合改进版的带有模糊逻辑的canny，用于精确检测边缘。目前工作的主要贡献总结为三个步骤。在第一步中，提出了一种基于恢复的增强算法，以从失真的噪声图像中获得精细的图像。在第二步中，使用修改后的 FBIR 方法注册两个版本的输入图像。第三步，为了克服canny边缘检测算法的缺点，对算法的每一步都进行了修改。然后将输出馈送到“模糊推理系统”。“基于模糊规则的技术”，当应用于“边缘检测”问题时，是非常“高效”的，因为可以通过简单地改变“规则和输出参数”来控制边缘的厚度。所考虑的图像域是各种著名的图像数据库，例如 Berkeley 和 USC-SIPI 数据库，而所提出的方法也适用于其他类型的室内和室外图像。所提出的方法的鲁棒性被分析、比较和评估与七个图像评估质量（IAQ）参数。在七个 IAQ 参数方面，将所提出方法的性能与一些最先进的边缘检测方法进行了比较。当应用于“边缘检测”问题时，非常“高效”，因为可以通过简单地改变“规则和输出参数”来控制边缘的厚度。所考虑的图像域是各种著名的图像数据库，例如 Berkeley 和 USC-SIPI 数据库，而所提出的方法也适用于其他类型的室内和室外图像。所提出的方法的鲁棒性被分析、比较和评估与七个图像评估质量（IAQ）参数。在七个 IAQ 参数方面，将所提出方法的性能与一些最先进的边缘检测方法进行了比较。当应用于“边缘检测”问题时，非常“高效”，因为可以通过简单地改变“规则和输出参数”来控制边缘的厚度。所考虑的图像域是各种著名的图像数据库，例如 Berkeley 和 USC-SIPI 数据库，而所提出的方法也适用于其他类型的室内和室外图像。所提出的方法的鲁棒性被分析、比较和评估与七个图像评估质量（IAQ）参数。在七个 IAQ 参数方面，将所提出方法的性能与一些最先进的边缘检测方法进行了比较。所考虑的图像域是各种著名的图像数据库，例如 Berkeley 和 USC-SIPI 数据库，而所提出的方法也适用于其他类型的室内和室外图像。所提出的方法的鲁棒性被分析、比较和评估与七个图像评估质量（IAQ）参数。在七个 IAQ 参数方面，将所提出方法的性能与一些最先进的边缘检测方法进行了比较。所考虑的图像域是各种著名的图像数据库，例如 Berkeley 和 USC-SIPI 数据库，而所提出的方法也适用于其他类型的室内和室外图像。所提出的方法的鲁棒性被分析、比较和评估与七个图像评估质量（IAQ）参数。在七个 IAQ 参数方面，将所提出方法的性能与一些最先进的边缘检测方法进行了比较。