基于紅外圖像的邊緣特征提取畢業(yè)論文(編輯修改稿)
2025-08-14 11:25 本頁面
【文章內(nèi)容簡(jiǎn)介】 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(hào)為 0 到 3。對(duì)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. 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(cè)算子 .低出錯(cuò)率、定位準(zhǔn)確、 單邊緣響應(yīng)，這是邊緣檢測(cè)通用的最優(yōu)準(zhǔn)則。基于 該準(zhǔn)則，用 Gaussian 函數(shù)的導(dǎo)數(shù)作為最佳邊緣檢測(cè) 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(duì)原 圖像進(jìn)行平滑濾波；②對(duì)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(duì)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(cè)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。 1 2 3 8 4 7 6 5 6 二階微分算子法 1） LOG 邊緣檢測(cè)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(duì)原始圖像進(jìn)行平滑處理 [5],從而實(shí)現(xiàn)對(duì)噪聲最大程度的抑 制 ,再對(duì)平滑后的圖像提取邊緣。 LOG 算子被譽(yù)為最佳邊緣檢測(cè)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(cè)。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(cè)。 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 。由線性系統(tǒng)中卷積和微分的可交換性可得： ? ? ? ?? ?2 2 2, , [ ( , ) ( , ) ] [ ( , ) ] ( , )M x y I x y G x y f x y G x y f x y? ? ? ? ? ? ? ? ⑹ 對(duì)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： )2ex p ()2(2 1),( 2 222 2242 ???? yxyxyxG ?????? 式中 ),(2 yxG? 即為 LOG 算子，又稱為高斯拉普拉斯算子。求取 ? ?,Mxy 的零穿點(diǎn)軌跡即可得到圖像 ),( yxf 的邊緣。以 ),(2 yxG? 對(duì)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(cè)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)系數(shù)不僅考慮了像素間的距離，同時(shí)也考慮了灰度相似性。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。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。它可表示為 : ? ?? ? ? ?? ? ? ?? ?,, ,rijrijw i j I i jf x y w i j???????
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1