【正文】 結果如下： 圖 Sobel 算子邊緣檢測 圖像 圖 Prewitt 算子邊緣檢測 圖像 蘭州理工大學畢業(yè)論文 20 Sobel 邊緣檢測算子不但可以產生較好的邊緣效果 ， 而且對噪聲具有平滑作用 ， 減小 了對噪聲的敏感性。sobel39。高斯濾波的具體操作是：用一個模板（或 稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值 [23]。當監(jiān)控場景中出現(xiàn)異常物體運動時，幀與幀之間會出現(xiàn)較為明顯的差別，兩幀相減，得到兩幀圖像亮度羞的絕對值，判斷它是否大于閾值來分析視頻或圖像序列的運動特性，確定圖像序列中有無物體運動 [20]。 基本流程與實現(xiàn) 基本流程圖 根據(jù)課題基本原理以及需求 流程圖 如圖 ： 圖 整體流程圖 根據(jù)流程圖以及基本原理，首先要進行圖像采集，可用系統(tǒng)自帶的視頻轉化為幀圖像，然后將其保存。 (3)單響應標準。 蘭州理工大學畢業(yè)論文 14 本次課題將選擇 Canny 算子，檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點。除基本部分外， Matlab 還根據(jù)各專門領域中的特殊需要提供了許多可選的工具箱，如應用于自動控制領域的 Control System工具箱以及神經(jīng)網(wǎng)絡中 Neutral Network 工具箱等 [15]。 (2)類似與 Marr（ LOG）邊緣檢測方法，也屬于先平滑后求導數(shù)的方法。遍歷 8 個方向圖像像素，把每個像素偏導值與相鄰像素的模值比較，取其 MAX 值為邊緣點，置像素灰度值為 0。39。 基于高斯拉普拉斯算子的圖像邊緣檢測過程如圖 所示。他的基本特征有： (1) 平滑濾波器是 高斯濾波器 ； (2) 增強步驟采用二階導數(shù) (二維拉普拉斯函數(shù) )； (3) 邊緣檢測判據(jù)是二階導數(shù)零交叉點并對應一階導數(shù)的較大峰值 ； (4) 使用線性內插方法在子象素分辨率水平上估計邊緣的位置。一個模板對通常的垂直邊緣影響最大，而另一個對水平邊緣影響最大。 （ 4）定位。邊緣增強一般是通過計算梯度幅值來完成的。邊緣檢測算法主要是基于圖像強度的一階和二階導數(shù)， 但導數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關的邊緣檢測器的性能。 從人的直觀感受來說，邊緣對應于物體的幾何邊界。 要做好邊緣檢測初步準備條件如下： 第一，清楚待檢測的圖像特性變化的形式，從而使用適應這種變化的檢測方法。對于連續(xù)圖像 f(x,y)，其方向導數(shù)在邊緣（法線）方向上有 局部最大值。 邊緣： 不同區(qū)域的分界線，是圖像局部灰度變化最顯著的那些像素的集合。 雖然某些文獻提過理想的邊緣檢測步驟，但自然界圖像的邊緣并不總是理想的階梯邊緣。 本論文主要包括兩部分，第一部分是基礎部分，包括前兩章內容，主要介紹了基礎概念和基本特性，以及 Matlab 在本課題中的應用；第二部分是課題研究部分，包括第三章和第四章，主要介紹基 本理論和方法在 Matlab 中的仿真和結果分析。斜坡的不同組成部分的貢獻相結合，得到的邊緣強度的總價值 [3] 。 邊緣檢測是一個基本的工具用于大多數(shù)圖像處理應用程序獲得信息從幀作為前體的一步特征提取和對象分割。 數(shù)字圖像邊緣檢測技術起源于 20 世紀 20 年代，當時受條件的限制一直沒有取得較大進展，直到 20 世紀 60 年代后期 電子技術、計算機技術有了相當?shù)陌l(fā)展，數(shù)字圖像邊緣檢測處理技術才開始進入了高速發(fā)展時期。本文先介紹了圖像處理及邊緣檢測的一些基本內容，然后完成整體流程，通過理論 分析從 Roberts 算子， Sobel 算子， LoG 算子， Canny算子四種典型的邊緣檢測算法選擇最佳算法 Canny 算法，通過 Matlab 編程仿真對調用各算子函數(shù)算法進行實現(xiàn)，最終完成邊緣檢測及運動目標的提取。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。 LANZHOU UNIVERSITY OF TECHNOLOGY 畢業(yè)論文 題 目 基于邊緣檢測法的運動目標的提取 基于邊緣檢測法的運動目標的提取 Edge detection method based on the moving object extraction 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人 鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。本人完全意識到本聲明的法律后果由本人承擔。運動目標的提取分為，圖像采集、圖像灰度化、圖像濾波、圖像邊緣檢測幾個主要步驟。近 30 年來該技術取得了令人矚目的成就 [1]。它以眾多的學科領域為理論基礎，其成果又滲透到 眾多的學科中，成為理論實踐并重，在高新技術領域中占有重要地位的新興學科分支。所有的基于梯度的算法的計算強度正交給對方，常用的垂直和水平方向的斜率。然而，至今發(fā)表的有關邊緣檢測的理論和方法尚存在許多不足之處，比如在檢測精度和去噪方面很難達到令人滿意的效果。盡管在任何關于分割的討論中，點和線檢測都是很重要的，但是邊緣檢測對于灰度級間斷的檢測是最為普遍的檢測方法 [5]。邊緣檢測主要是圖像的灰度變化的度量、檢測和定位。衡量這種變化最有效的兩個特征就是灰度的變化率和變化方向，它們分別以梯度向量的幅值和方向來表示。 （ 2） 在邊緣點集合中 飯去除某些邊緣點，填充一些邊緣點，將得到的邊緣點集連接為線。經(jīng)典的邊緣檢測方法得到的往往是斷續(xù)的、不完整的結構信息，噪聲也較為敏感，為了有效抑制噪聲，一般都首先對原圖像進行平滑，再進行邊緣檢測就能成功地檢測到真正的邊緣。 圖像邊緣檢測的基本步驟 [7]如下： （ 1）濾波。增強算法可以將領域（或局部）強度值有顯著變化的點突顯出來。最簡單的邊緣檢測是梯度幅值閾值判定。 和其他的梯度算子一樣， xs 和 ys 可用圖 中卷積模板 [8]來表示： 圖 Sobel 算子的卷積模板 圖像中的每個點都用這兩個模板做卷積。為此， Marr 和 Hildreth 將高斯濾波和拉普拉斯邊緣檢測結合在一起，形成 LoG(Laplacian of Gaussian， LoG)算法，也稱之為拉普拉斯高斯算法 [9]。只有當兩者結合的很好時才能較好地檢測出圖像的最佳邊緣。39。2 ?? (212) 這里用下圖的流程圖來簡單表示 Canny 算法 過程： 圖 Canny 算法過程 Canny 算法詳細過程： 高斯函數(shù) ： 原始圖像A(x,y) B(x,y) 偏導(Bx,By) 圖像邊緣 初步得到邊緣點 高斯平滑去噪 求導 非極大值抑制 雙閾值檢測連結邊 緣 蘭州理工大學畢業(yè)論文 11 ? ? 2 1,2e x p, 2 22 ????? ? ??? ?? nmyxyxG mx mx my my ? (213) n 表示高斯濾波器窗口大小 偏導數(shù) ： 使用微分算子求出偏導數(shù) ?????? ?????????????? 11 1121,11 1121 yGG x (214) 梯度大小 x22 a r c t a n, BBBBB yyx ??? ? (215) 非極大值抑制： 沿幅角方向檢測模值的極大值點，即邊緣點，如圖 和圖 所示。這就是 Canny 邊緣檢測算子 [14]。 此外， Matlab 還具備圖形用戶界面（ GUI）工具，允許用戶把 Matlab 當做一個應 用開發(fā)工具來使用。 圖像邊緣識別與在實際中有很重要的應用， 一直是圖像邊緣檢測中的熱點和難點，迄今已有 許多邊緣檢測方法，其中 Robert 算子、 Sobel 算子、 Prewitt 算子、 Laplace 算子 、 Prewitt 算子 、 Krisdl算子 、 Canny 算子、 Gauss 邊緣檢測算子及輪廓提取或輪廓跟蹤、利用平滑技術提取圖像邊緣、利用差分技術提取圖像邊緣、利用小波分析技術提取圖像邊緣等方法是常用的方法，但各種算法結果差異很大 [16]。實際邊緣與檢測到的邊緣位置之間的偏差最小。 Canny 邊緣檢測算法： 高斯濾波器平滑圖象；一階偏導的有限差分來計算梯度的幅值和方向； 對梯度幅值進行非極大值抑制；雙閾值算法檢測和連接邊緣。 圖像的灰度化，直接調用函數(shù) rgb2gray[19]，它是將一幅真彩色圖像轉換成灰度圖像的函數(shù)，在 Matlab 中的仿真效果如下圖： 蘭州理工大學畢業(yè)論文 16 (a) 第 20 幀圖像灰度化后 (b) 第 21 幀圖像灰度化后 圖 原始圖像灰度化 圖像背景處理 兩幀差法是一種通過對視頻圖像序列中相鄰兩幀作差分運算來獲得運動目標輪廓的方法，它可以很好地適用于存在多個運動目標和攝像機移動的情況。通俗的講，高斯濾波就是對整幅圖像進行 加權平均 的過程，每一個 像素 點的值，都由其本身和鄰域內的其他像素值經(jīng)過加權平均后得到 [22]。 不同算子比較 根據(jù)之前對不同算子的了解認知，將圖像用不同的算子進行邊緣檢測，以便于我們更 直觀的去掌握不同的算法以及它們的優(yōu)缺點，綜合不同的算子在以后的設計中提出更好的邊緣檢測方法， Sobel算子、 Roberts算子、 Prewitt算子、 Log算子、 Canny算子、 高斯 Canny算子分別采用 BW1=edge(I,39。canny39。 圖 Canny 算子邊緣檢測圖像 圖 高斯 Canny 算子邊緣檢測圖像 蘭州理工大學畢業(yè)論文 21 結果分析： (1)Roberts 算子邊緣定位精度較高，但容易丟失一部分邊緣，對噪聲敏感。 (1)運動目標檢測是基于彩色圖像序列、灰度圖像序列還是邊緣圖像序列的問題。適應于邊 緣明顯而且噪聲較少的圖像。因而對于有噪聲圖像來說，一種好的邊緣檢測方法應該具有良好的噪聲抑制能力，同時又有完備的邊緣保持特性 ,而這些優(yōu)點正式 Canny 算子所具備的。 蘭州理工大學畢業(yè)論文 23 參考文獻 [1] 孫兆林 .MATLAB 圖像處理 [M].清華大學出版社 , [2] 張汗靈 .MATLAB 在圖像處理中的應用 [M].清華大學出版社 , [3] 徐飛 .施曉紅 .MATLAB 應用圖像處理 [M].西安電子科技大學出版社 , [4] 羅軍輝 ,馮平 . 在圖像中的應用 .M].機械工業(yè)出版社 , [5] 朱習軍 .MATLAB 在信號與圖像處理中的應用 [M].電子工業(yè)出版社 , [6] 張強 . 精通 MATLAB 圖像處理 [M].電子工業(yè)出版社 , [7] 何斌 ,馬天予等 .MATLAB 數(shù)字圖像邊緣檢測 [M].人民郵電出版社 [8] 涂建華 .圖像邊緣檢測與分析 [M].科學出版社 ,1994 [9] 楊支靈 ,王開 .MATLAB 數(shù)字圖像獲取、處理及實踐應用 [M].人民郵電出版社 [10] 張強 . 精通 MATLAB 圖像處理 [M].電子工 業(yè)出版社 , [11] Lindeberg T., “Edge Detection and Ridge Detection with Automatic Scale Selection”, International Journalof Computer Vision, vol. 30, number 2, 117154, 1998 [12] 萬纓 ,韓毅 ,盧漢清 .運動目標檢測算法的探討 [M].計算機仿真 , [13] John Canny. A putational approach to edge detection. Pattern Analysis and Machine Intelligence, IEEE Transactions on, PAMI8(6):679–698, Nov. 1986. [14] 王強 .圖像分割中閾值的選取及算法實現(xiàn) [M].計算機與現(xiàn)代化， [15] 莫 德舉 ,梁光華 .數(shù)字圖像處理 [M].北京郵電大學出版社 , [16] 游素亞 ,楊靜 .圖像邊緣檢測技術的發(fā)展與現(xiàn)狀 [J].電子科技導報， 1995 [17] 朱秀昌 ,劉峰 ,胡棟 .數(shù)字圖像邊緣檢測與圖像通信 [M].北京郵電大學出版社 [18] 趙春暉 .現(xiàn)代圖像處理技術及 MATLAB 實現(xiàn) [M].北京 :人民郵電出版社 .20xx [19] 章毓晉 .圖像邊緣檢測和分析 [M].清華大學出版社， 1999 [20] 李慶忠 ,陳顯華 ,王立紅 . 視