【文章內(nèi)容簡(jiǎn)介】 同時(shí)也存在一些不足,為了能夠在圖像邊緣檢測(cè)中得出較好的檢測(cè)結(jié)果,濾波尺度要運(yùn)用的比較大,這會(huì)丟失圖像中的一些細(xì)節(jié)?？材嵫芯苛俗顑?yōu)邊緣檢測(cè)器所需的特性，給出了評(píng)價(jià)邊緣檢測(cè)性能優(yōu)劣的三個(gè)指標(biāo)： 1）高的準(zhǔn)確性，在檢測(cè)的結(jié)果里應(yīng)盡量多的包含真正的邊緣，而盡量少的包含假邊緣。 2）高的精確度，檢測(cè)到的邊緣應(yīng)該在真正的邊界上。 3）單像素寬，要有很高的選擇性，對(duì)每個(gè)邊緣有唯一的響應(yīng)。 針對(duì)這三個(gè)指標(biāo)，Canny提出了用于邊緣檢測(cè)的一階微分濾波器的三個(gè)最優(yōu)化準(zhǔn)則，即最大信噪準(zhǔn)則、最優(yōu)過(guò)零件準(zhǔn)則和單邊緣相應(yīng)準(zhǔn)則信噪比準(zhǔn)則 （）其中為邊緣函數(shù)；為帶寬為W的低通濾波器的脈沖響應(yīng)；是高斯噪聲的均方差。定位精確準(zhǔn)則L為邊緣的定位精度，定義如下： （）其中和為和的一階倒數(shù)；L是對(duì)邊緣精確定位的度量，L越大定位精度越高。單邊緣響應(yīng)準(zhǔn)則要保證對(duì)單邊緣只有一個(gè)響應(yīng)，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的零點(diǎn)交叉平均距離應(yīng)該滿足： （）式中為的二階導(dǎo)數(shù)；是進(jìn)行邊緣檢測(cè)后的圖像這三個(gè)準(zhǔn)則是對(duì)前述邊緣檢測(cè)指標(biāo)的定量描述。抑制噪聲和邊緣精確定位是無(wú)法同時(shí)得到足的，即邊緣檢測(cè)算法通過(guò)圖像平滑算子去除噪聲，勢(shì)必增加邊緣定位的不確定性；反之，提高邊緣檢測(cè)算子對(duì)邊緣的敏感性，同時(shí)也提高了對(duì)噪聲的敏感性。因此，在實(shí)際應(yīng)用中只能寄希望于再抑制噪聲和提高邊緣定位精度之間實(shí)現(xiàn)一個(gè)合理的折衷。馬爾算子(LOG)馬爾算子(LOG)的核心思想是首先運(yùn)用Gaussian函數(shù)平滑圖像,再運(yùn)用拉氏算子根據(jù)二階導(dǎo)數(shù)過(guò)零點(diǎn)對(duì)圖像進(jìn)行邊緣檢測(cè)。馬爾算子(LOG)本身有三方面優(yōu)點(diǎn):一是通過(guò)對(duì)兩個(gè)不同帶寬的高斯曲面之差近似的實(shí)現(xiàn)算子,提高運(yùn)算的速度。二是使用高斯濾波器能夠同時(shí)在空域和頻域達(dá)到最佳。三是具有邊緣定位精度高、抗干擾能力強(qiáng)、連續(xù)性好等特點(diǎn),并且可以提取對(duì)比度較弱的邊緣輪廓。不足之處是高斯濾波的零交叉點(diǎn)不一定全部是邊緣點(diǎn),所以還需要進(jìn)一步確定邊緣像素點(diǎn)的真?zhèn)?。所謂零交叉點(diǎn)就是：如果一個(gè)像素處的值小于一0，而此像素8連通的各個(gè)像素都是大于0（0是一個(gè)正數(shù)）那么這個(gè)像素就是零交叉點(diǎn)。這樣還能克服拉普拉斯算子對(duì)噪聲敏感的缺點(diǎn)，減少了噪聲的影響。二維高斯函數(shù)為： （）幾種算子的比較算子優(yōu)缺點(diǎn)索貝爾算子對(duì)灰度漸變和噪聲較多的圖像處理較好，索貝爾算子對(duì)邊緣定位比較準(zhǔn)確Roberts 算子對(duì)具有陡峭的低噪聲的圖像處理效果較好，但利用Roberts算子提取邊緣的結(jié)果是邊緣比較粗，因此邊緣定位不準(zhǔn)確坎尼算子此方法不容易收噪聲干擾，能夠檢測(cè)到真正的弱邊緣。該方法的有點(diǎn)在于使用兩種不同的閥值分別別檢測(cè)強(qiáng)邊和弱邊緣，并且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí)，才將弱邊緣包含在輸出圖像中。這種方法不容易被噪聲“填充”，隔壁容易檢測(cè)出真正的弱邊緣。馬爾算子(LOG)馬爾算子經(jīng)常出現(xiàn)在雙邊緣像素邊界，對(duì)噪聲比較敏感，所以很少用它檢測(cè)邊緣，而是用來(lái)判斷邊緣像素位于圖像的明區(qū)還是暗區(qū)根據(jù)上表可以看出本實(shí)驗(yàn)最好的檢測(cè)方法是用坎尼算子來(lái)進(jìn)行邊緣檢測(cè)。 角點(diǎn)檢測(cè)算法的核心思想是使用角點(diǎn)檢測(cè)法找出圖像中的角點(diǎn),再使用相關(guān)函數(shù)計(jì)算就可以進(jìn)行圖像配準(zhǔn)角點(diǎn)的檢測(cè)法有很多種,例Moravec檢測(cè)法、Forstner檢測(cè)法、Harris檢測(cè)法、SUSAN檢測(cè)法、Trajkovic檢測(cè)法等。下面進(jìn)行詳細(xì)研究。 Moravec檢測(cè)法Moravec檢測(cè)法是在1977年被提出來(lái)的,其核心思想是首先通過(guò)計(jì)算得出每個(gè)像素點(diǎn)的興趣值,興趣值是通過(guò)計(jì)算以像素點(diǎn)為中心向不同方向得出的灰度差的平方和,在這些平方和中取其最小值得到的。其次,我們將根據(jù)實(shí)際圖像來(lái)設(shè)定一個(gè)閥值,遍歷圖像中的每一個(gè)像素點(diǎn),如果該點(diǎn)的興趣值大于該點(diǎn)的閥值,那么這個(gè)點(diǎn)就作為一個(gè)候選點(diǎn)出現(xiàn)。最后,選擇一個(gè)固定大小的滑動(dòng)窗口,并遍歷這個(gè)滑動(dòng)窗口中灰度圖像,在遍歷過(guò)程中蹄選興趣值最大的候選點(diǎn),將它作為特征點(diǎn)。Moravec檢測(cè)法對(duì)斜邊緣的響應(yīng)很強(qiáng),對(duì)噪聲響應(yīng)也較強(qiáng)。Forstner 檢測(cè)法Forstner檢測(cè)法的核心思想是先計(jì)算圖像中每一個(gè)像素的Robert梯度值,再得出以每個(gè)像素為中心窗口的灰度協(xié)方差矩陣,然后以接近圓的最小誤差橢圓點(diǎn)作為角點(diǎn)。Forstner檢測(cè)法的計(jì)算速度比較快而且計(jì)算的精度也比較高,但這種檢測(cè)法的計(jì)算過(guò)程中非常復(fù)雜。Harris檢測(cè)法Harris檢測(cè)法是C. Harris和M. J. Stephens于1988年在Moravec檢測(cè)法的基礎(chǔ)上改進(jìn)的新算法。該算法屬于基于信號(hào)方法的點(diǎn)特征提取算法,因?yàn)樵跈z測(cè)過(guò)程中只是用到了灰度的一階差分以及濾波。所以算法操作簡(jiǎn)單,在提取的特征點(diǎn)上是均勾且合理的,由于這種檢測(cè)法只使用圖像灰度的一階導(dǎo)數(shù)參與計(jì)算,即使在圖像出現(xiàn)噪聲、旋轉(zhuǎn)灰度變化及視點(diǎn)變換等不同情況下,提取到的角點(diǎn)也較為穩(wěn)定。 對(duì)于圖像，當(dāng)在點(diǎn)（x,y)處平移后的自相似性可以通過(guò)自相關(guān)函數(shù)給出： ()其中是以點(diǎn)為加權(quán)函數(shù)，既可以用常數(shù)表示，又可以用高斯加權(quán)函數(shù)表示根據(jù)泰勒展開(kāi)，對(duì)圖像在平移后進(jìn)行一階近似： ()公式中（2）中是圖像偏導(dǎo)數(shù)較為穩(wěn)定。SUSAN檢測(cè)法SUSAN檢測(cè)法是英國(guó)牛津大學(xué)的S. M. Smith和J. M. Brady共同研究出的新角點(diǎn)算法,其核心思想是通過(guò)分析圖像內(nèi)某一個(gè)像素點(diǎn)為中心的局部區(qū)域內(nèi)亮度值的分布情況來(lái)找出角點(diǎn)。SUSAN檢測(cè)法無(wú)需梯度運(yùn)算,計(jì)算效率高,抗噪能力強(qiáng),但計(jì)算量比較大。Trajkovic檢測(cè)法基于 SUSAN 檢測(cè)法中 USAN 的定義,Miroslav Trajkovic 和 Mark Hedley 在 1998年共同提出了最小亮度變化角檢測(cè)法。這種檢測(cè)法的核心思想是:對(duì)具有較低分辨率的原始圖像,判斷某個(gè)核心點(diǎn)為角點(diǎn)的原則是計(jì)算過(guò)核心點(diǎn)的任意一條直線與USAN區(qū)域的交點(diǎn)的個(gè)數(shù)。該算法可以實(shí)現(xiàn)減少提取紋理角點(diǎn)數(shù)量的目的,從而加快了檢測(cè)算法的速度。這種檢測(cè)法精度很高,但對(duì)噪聲非常敏感,還不具有旋轉(zhuǎn)不變性,并且具有斜邊緣異常反應(yīng)。圖像融合技術(shù)主要指的是通過(guò)某一種算法,從多張已經(jīng)配準(zhǔn)后的圖像中提取有用信息,使其融合到一張圖片中,并使其得以顯現(xiàn)的綜合技術(shù)。為了使圖像包括的信息更全面,更為準(zhǔn)確,使用圖像融合技術(shù)是很好的一個(gè)選擇,這些優(yōu)點(diǎn)是單一源圖像所不具備的,經(jīng)過(guò)圖像融合技術(shù)融合的圖像將更加滿足人們的要求,圖像融合技術(shù)可以降低圖像的部分冗余信息,只保留我們主要關(guān)注的信息,所以經(jīng)過(guò)圖像融合技術(shù)融合后的信息,相對(duì)來(lái)說(shuō)比源圖像的信息量要稍微少一點(diǎn)。 在圖像的采集過(guò)程中,可能會(huì)有多種因素影響采集效果,例如圖像的曜光時(shí)間或者是光線條件等。由于采集來(lái)的多張?jiān)磮D像在亮度上差異比較大,如果直接進(jìn)行簡(jiǎn)單的拼接,得到的圖像就會(huì)在重合區(qū)域上比較模糊,甚至產(chǎn)生噪聲點(diǎn)或者是鬼影,在圖像的臨界點(diǎn)也可能出現(xiàn)拼縫。所以為了得到更加清晰適用的照片,我們就需要對(duì)拼接后的圖像進(jìn)行融合技術(shù)處理。而圖像融合的關(guān)鍵就是要選擇一種好的融合策略,使得融合后的圖像在臨界點(diǎn)上無(wú)拼接拼縫,過(guò)度平滑,實(shí)現(xiàn)無(wú)縫拼接。由于在圖像融合的過(guò)程中使得圖像信息有一部分丟失,所以好的融合策略要盡可能的保存原始圖像中信息,圖像融合算法應(yīng)該具有健壯性、簡(jiǎn)單性、高效性、穩(wěn)定性和很好的容錯(cuò)能力。圖像融合的最終目標(biāo)是得到質(zhì)量更高,信息更全的圖像信息,而經(jīng)過(guò)圖像融合后,原有的若干圖像可以互補(bǔ),也可以去除部分冗余信息,可以更好的分析、理解場(chǎng)景,并能更好的檢測(cè)識(shí)別圖像或追蹤目標(biāo)。一個(gè)好的圖像融合技術(shù)應(yīng)盡量保留源圖像中的有用信息,去除冗余信息,使得圖像更加適應(yīng)人的感官要求。得到質(zhì)量更高的圖像信息是圖像融合的最終目的。本論文中的圖像融合算法使得圖像更可靠,健壯、具有良好的置信度。 隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,圖像處理技術(shù)已進(jìn)入各行各業(yè),而在圖像處理技術(shù)中,圖像融合又是目前的研究熱點(diǎn)。圖像融合技術(shù)最早在遙感圖像的分析和處理中得到了廣泛的應(yīng)用。Daily等人于1979年率先研究出在地質(zhì)解釋中應(yīng)用Landsat_MSS圖像和雷達(dá)圖像的復(fù)合圖像,最簡(jiǎn)單的圖像融合由此產(chǎn)生。Lanet與Todd于1981年對(duì)MSS與LandsatRBV圖像信息進(jìn)行了融合。圖像融合技術(shù)在1980年后開(kāi)始被人們所關(guān)注的,在紅外圖像、可見(jiàn)光圖像、多聚焦圖像等方面,以及遠(yuǎn)程遙感圖像的分析和處理過(guò)程中都應(yīng)用了圖像融合技術(shù)。研究者Burt于八十年代中期率先研究出將拉普拉斯金字塔技術(shù)應(yīng)用于圖像融合技術(shù)。之后,研究者Adelson使用拉普拉斯技術(shù)將焦距不同的出自同一相機(jī)的多張圖像制作成具有擴(kuò)展景深的一幅融合圖像。Chiche與Bonn于1985年將由SPOT衛(wèi)星拍攝到的高分辨率圖像與LandsatTM的多光譜遙感圖像融合。Ajjimarangsee與Huntsberger于1988年將紅外和可見(jiàn)光圖像利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行融合。研究者Toet于1989年研究出了 contrast pyramid與低通比率金字塔,并將這兩種技術(shù)應(yīng)用于紅外與可見(jiàn)光圖像的融合中。隨著小波理論的不斷發(fā)張,在九十年代后期,離散小波技術(shù)逐漸應(yīng)用于圖像融合技術(shù)中。研究者Zhang等人在研究基于多分辨率分析的圖像融合技術(shù)的基礎(chǔ)上提出基于區(qū)域的圖像融合技術(shù)。由于彩色圖像可視性更直觀更好,所以研究者開(kāi)始致力于彩色圖像融合算法的研究,各國(guó)研究者主要是將可見(jiàn)光圖像和紅外圖像利用佶抗處理技術(shù)進(jìn)行融合,有些研究者將原始圖像的特有部分和共有部分進(jìn)行分析,從而研究出彩色映射法。隨著科學(xué)技術(shù)的迅速發(fā)展,圖像分析及圖像處理的研究熱點(diǎn)逐漸轉(zhuǎn)移到圖像融合技術(shù)上來(lái)。圖像融合技術(shù)是一種信息融合的有效工具,已廣泛應(yīng)用于軍事偵查、紅外目標(biāo)檢測(cè)、經(jīng)濟(jì)信息、智能機(jī)器人視覺(jué)、醫(yī)療診斷、遙感圖像處理、計(jì)算機(jī)城市規(guī)劃、交通管制、決策支持系統(tǒng)等領(lǐng)域。 圖像融合主要思路是利用某種算法將多幅(兩個(gè)或兩個(gè)以上)的圖像進(jìn)行綜合和處理,最后得出一幅多信息的新圖像。像素級(jí)融合、特征級(jí)融合、決策級(jí)融合是圖像融合技術(shù)的處理過(guò)程的三個(gè)層次_。像素級(jí)融合該融合更多地保持了場(chǎng)景中的原始信息,其準(zhǔn)確性最高,這是因?yàn)樵撊诤鲜侵苯釉谠紨?shù)據(jù)層上進(jìn)行的,它的細(xì)節(jié)信息更加精確、可靠而且豐富。該融合主要是在圖像的基礎(chǔ)層面上進(jìn)行的融合,多數(shù)是對(duì)多傳感器目標(biāo)和背景要素的測(cè)量結(jié)果進(jìn)行融合處理。該融合對(duì)于圖像的進(jìn)一步理解、分析和處理更加有利。該融合稱為低層次融合,是因?yàn)槠湓谛畔⑻幚韺哟沃刑幱谳^低層,作為決策級(jí)圖像融合和特征級(jí)圖像融合的基礎(chǔ),其應(yīng)用是最為廣泛的。低層次融合是圖像融合中最為復(fù)雜、實(shí)施難度最大的融合層次,原因在于,一是必須要對(duì)要進(jìn)行融合的每個(gè)圖像進(jìn)行精確的圖像配準(zhǔn),才能獲得高質(zhì)量的像素級(jí)圖像融合結(jié)構(gòu),圖像配準(zhǔn)的精確度必須要達(dá)到像素級(jí)。原因二是,相對(duì)于特征級(jí)圖像融合及決策級(jí)圖像融合,該融合有很多信息量需要處理,因此需要的時(shí)間比較長(zhǎng),而對(duì)圖像設(shè)備要求也較高。特征級(jí)融合特征級(jí)融合屬于中間層,所以也稱為中間級(jí)融合。特征級(jí)融合首先提取來(lái)自傳感器的原始圖像中的特征,之后對(duì)于提取到的特征信息進(jìn)行綜合的分析處理并進(jìn)行融合。在特征級(jí)融合中我們可以提取的特征信息主要包含線型、形狀、大小、邊緣、方、相似景深區(qū)域、相似度區(qū)域、輪廓和距離等。特征級(jí)融合是對(duì)實(shí)時(shí)處理有利的一種融合,這種方法既可以對(duì)客觀信息進(jìn)行壓縮又可以保留足夠多的圖像信息。統(tǒng)計(jì)分析等方法是進(jìn)行特征級(jí)融合時(shí)常用的方法。該融合的優(yōu)點(diǎn)是其融合結(jié)果可以最大限度地找出決策分析所需要的特征信息,這是因?yàn)樵谔卣骷?jí)融合過(guò)程中提取的特征是與決策分析直接相關(guān)的,由于融合結(jié)果受到特征提取的影響,所以融合的精準(zhǔn)度往往低于像素級(jí)融合決策級(jí)融合該融合屬于圖像融合中的高層次融合。在特征級(jí)融合層次的基礎(chǔ)上,根據(jù)一定的準(zhǔn)則和每個(gè)傳感器的可信度來(lái)完成相關(guān)決策融合處理。為了提高決策的可靠性和智能性,該融合方法主要是使用認(rèn)知模型,利用專家判決系統(tǒng)和大型數(shù)據(jù)庫(kù)進(jìn)行模擬識(shí)別、推理、分析、判決這樣一個(gè)過(guò)程。該融合具有使用的通信帶寬要求不高,實(shí)時(shí)性最好,開(kāi)放性良好,處理速度最快等優(yōu)點(diǎn),但在融合的過(guò)程中,信息損失數(shù)量也是非常大的。 已經(jīng)出現(xiàn)的很多種圖像融合算法，都是針對(duì)不同的融合層次而研究出來(lái)的：像素級(jí)圖像融合的方法包括:馬爾可夫隨機(jī)場(chǎng)(Markov Random Field)、邏輯濾波器法、圖像代數(shù)法、加權(quán)平均法、彩色融合、數(shù)學(xué)形態(tài)法、主分量分析、多尺度卡爾曼濾波、小波變換圖像融合法、基于微分幾何的圖像融合、多分辨法等。特征級(jí)圖像融合的方法包括:聚類分析法、Dempstershafe推理法、墑法和表決法、神經(jīng)網(wǎng)絡(luò)法、聯(lián)合統(tǒng)計(jì)、帶約束的高斯一馬爾可夫估計(jì)、廣義卡爾曼濾波、貝葉斯估計(jì)法等。決策級(jí)圖像融合方法包括:模糊邏輯、帶置信度因子的生成規(guī)則、關(guān)系事件代數(shù)方法、貝葉斯估計(jì)法、DS證據(jù)推理法等。4實(shí)驗(yàn)結(jié)果和分析由于實(shí)驗(yàn)室材料有限不能以大尺寸零件來(lái)完成本課題。這里用寬度為3mm的錐形零件來(lái)代替大尺寸零件，本次實(shí)驗(yàn)主要通過(guò)圖像處理的方