基于紅外圖像的邊緣特征提取畢業(yè)論文-免費(fèi)閱讀
【正文】 39。 figure。imwrite(bw2,39。)。%prewitt 算子 bw3=edge(b,39。,5,)。 還在對(duì)圖像進(jìn)行霍夫變換提取直線特征時(shí)，綜合運(yùn) 用了圖像預(yù)處理的幾種基本的算法，針對(duì)紅外圖像 的自身的特點(diǎn)，設(shè)計(jì)了一個(gè)預(yù)處理的系統(tǒng)流程，不僅 有灰度均衡、濾波去噪，還有閾值變換、開運(yùn)算等，得 到了比較好的提取效果。通過檢測(cè) ??r 空間中重復(fù)次數(shù)多的點(diǎn)，作為參數(shù)擬合直線。 2 Hough 變換提取線特征算法 。同理 ,在灰度范圍內(nèi)進(jìn)行濾波與空間范圍內(nèi)濾波的方法相似。 其中 Laplacian 微分算子 定義 最單間的各項(xiàng)同性微分算子是拉普拉斯算子，一個(gè)二維圖像 f(x,y)的拉普拉斯微分算子的定義如下： 將上式變換得 寫成權(quán)系數(shù)矩陣模板為 LOG 算子 的基本步驟如下： ⑴ 采用二維高斯濾波器平滑濾波； ⑵ 采用二維拉普算子進(jìn)行圖像增強(qiáng)； ⑶ 依據(jù)二階導(dǎo)數(shù)零交叉進(jìn)行邊緣檢測(cè)。采用雙閾值作用于該邊緣陣列 ， 由高閾值得到的邊緣圖像含有很少的假邊緣，但 是 同時(shí)也失去了一些有用的邊緣信息；而由低閾值得到的邊緣圖像則保留了較多的信息。四個(gè)扇區(qū)的標(biāo)號(hào)為 0 到 3。即選擇適當(dāng)?shù)拈撝?T，若 P(i,j)≥T ，則 (i,j)為邊緣點(diǎn)， P(i,j)為邊緣圖像。在實(shí)際中，對(duì)于一幅數(shù)字圖像采用了梯度模的近似形式，如常用的羅伯特交叉算子（ Roberts Cross）和索貝爾算子（ Sobel）的表達(dá)式分別為： 邊緣檢測(cè)算子檢查每個(gè)象素的領(lǐng)域并對(duì)灰度變化率進(jìn)行量化 ,也包含方向的確定。因此，圖像的邊緣提取在計(jì)算機(jī)視覺系統(tǒng)的初級(jí)處理中具有關(guān)鍵作用，但目前仍是“瓶頸”問題。 1 基于紅外圖像的邊緣特征提取 摘 要 ： 對(duì)紅外圖像的邊緣特征進(jìn)行提取時(shí)需進(jìn)行 預(yù)處理 ，其 作用是將獲取的紅外圖像進(jìn)行加工恢復(fù)增強(qiáng)圖像中有用的信息 ， 弱化去除圖像中沒有用的干擾信息 ， 提高紅外圖像質(zhì)量為圖像特征的提取做準(zhǔn)備 ， 提高特征提取的精度 。邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像是非常重要的，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。這里我使用的是 Roberts 邊緣檢測(cè)算子法。這種判定是欠合理的，會(huì)造成邊緣點(diǎn)的誤判，因?yàn)樵S多噪聲點(diǎn)的灰度值也很大，而且對(duì)于幅值較小的邊緣點(diǎn)，其邊緣反而丟失了。對(duì)應(yīng) 3*3 領(lǐng)域的四種可能組合。因此，可以以 提 高閾值得到的邊緣圖像為基礎(chǔ)，以低閾值得到的圖像為補(bǔ)充來連接圖像的邊緣。 ⑷ 二維高斯濾波器的函數(shù) ),( yxG 7 )2ex p (2 1),( 2 222 ??? yxyxG ??? ⑸ 用 ),( yxG 與原始圖像 ),( yxf 進(jìn)行卷積 [6]，得到平滑圖像 ),( yxI ) ? ? ? ? ? ?, , ,I x y G x y f x y?? 其中 *是卷積運(yùn)算符，再用拉普拉斯算子 )( 2? 來獲取平滑圖像 ),( yxI 的二階方向?qū)?shù)圖像 ),( yxM 。它可表示為 : ? ?? ? ? ?? ? ? ?? ?, ,rijrijw i j I i jf x y w i j??????? 其中 ? ?,rw i j 為灰度域權(quán)值，將空間鄰近度與灰度相似度相結(jié)合進(jìn)行濾波 ,就得到雙邊濾波為： 8 ? ?? ? ? ?? ? ? ?? ?, ,ijijw i j I i jf x y w i j??????? ? ? ? ? ? ?, , ,srw i j w i j w i j? 在圖像變化較為平緩的區(qū)域 ,其鄰域內(nèi)像素灰度值相差不大 ,雙邊濾波轉(zhuǎn)化為高斯低通濾波器；在圖像變化劇烈的區(qū)域 ,濾波器用邊緣點(diǎn)鄰域內(nèi)灰度相似的像素點(diǎn)的灰度平均值代替原灰度值。 Hough 變換是一種常用的圖像邊緣檢測(cè)技術(shù) [9]， 它可以識(shí)別和檢測(cè)圖像空間的任意解析曲線。 下圖 是本文通過 Hough 變換提取紅 外圖像直 線特征的流程圖，紅外圖像經(jīng)過一些預(yù)處理后，先對(duì) 邊緣進(jìn)行 Sobel提取，再通過霍夫變換將直線特征 提取出來。經(jīng)典的特征提取算法，而關(guān)于圖像邊緣特征的提取， 還在對(duì)圖像進(jìn)行霍夫變換提取直線特征時(shí)，綜合運(yùn) 用了圖像預(yù)處理的幾種基本的算法，針對(duì)紅外圖像 的自身的特點(diǎn)，設(shè)計(jì)了一個(gè)預(yù)處理的系統(tǒng) 流程，不僅 有灰度均衡、濾波去噪，還有閾值變換、開運(yùn)算等，得 到了比較好的提取效果。%高斯濾波器 b=imfilter(b1,h58)。roberts39。%canny 算子 figure。39。imshow(bw4)。)。imwrite(bw5,39。)。imshow(bw2)。canny39。)。gaussia39。 11
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1