基于紅外圖像的邊緣特征提取畢業(yè)論文(編輯修改稿)
2025-07-24 20:39 本頁面
【文章內(nèi)容簡介】 ⑶用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向.Gx=[f(x+1,y)f(x,y)+f(x+1,y+1)f(x,y+1)]/2Gy=[f(x,y+1)f(x,y)+f(x+1,y+1)f(x+1,y)]/2⑷對梯度幅值進(jìn)行非極大值抑制 ．僅得到全局的梯度并不足以確定邊緣，為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。 12384765 梯度角離散圖 將梯度角離散為圓周的四個(gè)扇區(qū)之一，以便用3*3的窗口作抑制運(yùn)算。四個(gè)扇區(qū)的標(biāo)號為0到3。對應(yīng)3*3領(lǐng)域的四種可能組合。在每一點(diǎn)上，領(lǐng)域的中心象素M[x,y]與沿著梯度線的兩個(gè)象素比。如果M[x,y]的梯度值不比沿梯度線的兩個(gè)相鄰象素梯度值大，則令M[x,y]=0.⑸Canny算子無論在定位精度還是抗噪聲方面[4]，、定位準(zhǔn)確、 單邊緣響應(yīng)，這是邊緣檢測通用的最優(yōu)準(zhǔn)則?；?該準(zhǔn)則，用Gaussian函數(shù)的導(dǎo)數(shù)作為最佳邊緣檢測 算子，即Canny算子。具體步驟如下：①用二維高 斯函數(shù)與圖像進(jìn)行卷積運(yùn)算，這樣做的目的是對原 圖像進(jìn)行平滑濾波；②對第一步中得到的卷積后的 圖像做微分計(jì)算，得到每個(gè)像素的梯度的大小和方 向；③對梯度進(jìn)行非極大值抑制（NonMaxima Sup pression，NMS)，細(xì)化圖像邊緣。判斷梯度值是 否為局部極大值，把邊緣細(xì)化為單像素；④閾值化和邊緣連接，提高檢測準(zhǔn)確度。經(jīng)過極大值抑制并 且閾值化后的結(jié)果是一個(gè)圖像的邊緣陣列，其中仍然有假邊緣的存在。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。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。 二階微分算子法1）LOG邊緣檢測算子。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(jìn)行平滑處理[5],從而實(shí)現(xiàn)對噪聲最大程度的抑制,再對平滑后的圖像提取邊緣。LOG算子被譽(yù)為最佳邊緣檢測算子之一。高斯一拉普拉斯 (Laplacian of Gaussian，LOG)算子利用高斯函數(shù)作 為平滑函數(shù)，然后用拉普拉斯算子提取二階導(dǎo)數(shù)的 過零交叉點(diǎn)進(jìn)行邊緣檢測。理論上，邊緣點(diǎn)應(yīng)處于 一階導(dǎo)數(shù)的峰值點(diǎn)，在這些點(diǎn)上，二階導(dǎo)數(shù)為0。在小波分析中，LOG算子被稱為墨西哥草帽小波。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。⑷二維高斯濾波器的函數(shù)⑸用與原始圖像進(jìn)行卷積[6]，得到平滑圖像) 其中*是卷積運(yùn)算符，再用拉普拉斯算子來獲取平滑圖像的二階方向?qū)?shù)圖像。由線性系統(tǒng)中卷積和微分的可交換性可得：⑹對圖像的高斯平滑濾波與拉普拉斯微分運(yùn)算可以結(jié)合成一個(gè)卷積算子：式中即為LOG算子，又稱為高斯拉普拉斯算子。求取的零穿點(diǎn)軌跡即可得到圖像的邊緣。以對原始灰度圖像進(jìn)行卷積運(yùn)算后提取的零交叉點(diǎn)作為邊緣點(diǎn)。2）改進(jìn)的LOG邊緣檢測算法1雙邊濾波Tomasi和Manduchi于1998年提出了雙邊濾波算法[7]。該算法加權(quán)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1