基于紅外圖像的邊緣特征提取畢業(yè)論文-wenkub
2023-07-07 11:25:12 本頁面
【正文】 在位置 ?? yx,處方向?qū)?shù)的最大值 G = 2122??????????????????? ???????? yfxf ，稱為梯度模，相應(yīng)的，取得最大值的方向為????????????????? ?yfxf1tan? 。對幾種最常用的圖像邊緣提取算法給出實驗結(jié)果，并進行結(jié)果對比與分析。 edge feature, feature extraction。 紅外圖像的特征提取是指采用人工或自動的方法檢測圖像中的不變特征 。 根據(jù)不同的特征用不同的算子進行圖像特征的提取 。 operator 2 引言 圖像最基本的特征是邊緣，邊緣是圖像性區(qū)域和另一個屬性區(qū)域的交接處，是區(qū)域?qū)傩园l(fā)生突變的地方，是圖像中不確 定性最大的地方，也是圖像信息最集中的地方，圖像的邊緣包含著豐富的信息。 1 邊緣特征提取算法 微分邊緣提取算子就是利用微分提取圖像的梯度特征從而檢測出圖像的邊緣 ,可以分為一階微分邊緣檢測算子和二階微分邊緣檢測算子 .有代表性的一階微分邊緣檢測算子包括 Roberts 算子、 Sobel算子、 Prewitt 算子、 Canny 算子等，其中：因為 Sobel算子計算簡單， Canny 算子定位精確、抗噪聲能力強，所以廣泛應(yīng)用于紅外圖像的邊緣特征提取 [1]。 利用梯度模算子來檢測邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。它在實際應(yīng)用中可用如下公式表示 3 1） Roberts 算子表達式為 ： G =max（ ? ? ?? 1,1, ??? jifjif ， )1,(),1( ??? jifjif ） 和使用 Sobel算子和算子的方法一樣，類似地也可以得到 Prewitt 算子和 Krisch算子卷積核形式，只不過這里 Prewitt 算子是使用了另兩個不同的卷積核，而Krisch 算子則是使用 8個卷積核 [3]，分別代表 8 個特定的邊緣方向。對數(shù)字圖像 f(x， y)， Prewitt 算子的定義如下： G(i)=|[f(i1,j1)+f(i1,j)+f(i1， j+1)][f(i+1,j1)+f(i+1， j)+f(i+1，j+1)]| G(j)=|[f(i1,j+1)+f(i,j+1)+f(i+1， j+1)][f(i1,j1)+f(i,j1)+f(i+1，j1)]| 則 P(i,j)=max[G(i),G(j)]或 P(i,j)=G(i)+G(j) 經(jīng)典 Prewitt 算子認為：凡灰度新值大于或等于 閾值 的像素點都是邊 緣點。 Sobel算子包含 2個 3 * 3 模板， l個用于檢測水平邊緣，一個用于檢測，得到每個像素的水平和垂直方向的近似梯度值， 然后結(jié)合 2個梯度值得到圖像的梯度值和梯度方向。 5 圖 邊緣和梯度方向示意圖 圖 梯度角離散圖 圖 鄰域圖 將梯度角離散為圓周的四個扇區(qū)之一，以便用 3*3 的窗口作抑制運算。如果 M[x,y]的梯度值不比沿梯度線的兩個相鄰象素梯度值大，則令 M[x,y]=0. ⑸ Canny 算子無論在定位精度還是抗噪聲 方面 [4]，明顯優(yōu)于其他的一階微分邊緣檢測算子 .低出錯率、定位準確、 單邊緣響應(yīng)，這是邊緣檢測通用的最優(yōu)準則。經(jīng)過極大值抑制并 且閾值化后的結(jié)果是一個圖像的邊緣陣列，其中仍然有假邊緣的存在。 LOG 算子來源于 Marr 視覺理論中提出的邊緣提取思想 ,即先對原始圖像進行平滑處理 [5],從而實現(xiàn)對噪聲最大程度的抑 制 ,再對平滑后的圖像提取邊緣。在小波分析中， LOG 算子被稱為墨西哥草帽小波。求取 ? ?,Mxy 的零穿點軌跡即可得到圖像 ),( yxf 的邊緣。雙邊濾波方法可用如下公式表示： ? ?? ? ? ?? ? ? ?? ?, ,sijsijw i j I i jf x y w i j??????? 其中 ? ?,f xy 為去噪后圖像 , ? ?,sw i j 為空間域權(quán)值 , ? ?,Ii j 為原圖像 ,? 為像素? ?,xy 處的鄰域范圍。 2 算法描述 雙邊濾波既可以較好地去除圖像噪聲，又 可以保護圖像的邊緣信息，解決了 LOG算子使用高斯濾波后圖像模糊和邊緣丟失問題。得出： ? ? ? ?? ? ? ? ? ?? ?22, , , ,M x y I x y f x y f x y? ? ? ? ?
研究報告相關(guān)推薦
鄂ICP備17016276號-1