基于紅外圖像的邊緣特征提取畢業(yè)論文-文庫(kù)吧資料
2025-07-10 11:25本頁(yè)面
【正文】 x y f x y?? 這樣既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和一些較小的結(jié)構(gòu)組織將被濾除，同時(shí)保護(hù)了圖像邊緣。 2 算法描述 雙邊濾波既可以較好地去除圖像噪聲，又 可以保護(hù)圖像的邊緣信息，解決了 LOG算子使用高斯濾波后圖像模糊和邊緣丟失問(wèn)題。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。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。 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]。求取 ? ?,Mxy 的零穿點(diǎn)軌跡即可得到圖像 ),( yxf 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(lái)獲取平滑圖像 ),( yxI 的二階方向?qū)?shù)圖像 ),( yxM 。在小波分析中， LOG 算子被稱(chēng)為墨西哥草帽小波。 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(guò)零交叉點(diǎn)進(jìn)行邊緣檢測(cè)。 LOG 算子來(lái)源于 Marr 視覺(jué)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。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(lái)連接圖像的邊緣。經(jīng)過(guò)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。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。如果 M[x,y]的梯度值不比沿梯度線(xiàn)的兩個(gè)相鄰象素梯度值大，則令 M[x,y]=0. ⑸ Canny 算子無(wú)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。對(duì)應(yīng) 3*3 領(lǐng)域的四種可能組合。 5 圖 邊緣和梯度方向示意圖 圖 梯度角離散圖 圖 鄰域圖 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。但是 Sobel 算子只能檢測(cè)水平和垂直 2 個(gè)方向的邊緣，一般 用于精度要求不高的情況。 Sobel算子包含 2個(gè) 3 * 3 模板， l個(gè)用于檢測(cè)水平邊緣，一個(gè)用于檢測(cè)，得到每個(gè)像素的水平和垂直方向的近似梯度值， 然后結(jié)合 2個(gè)梯度值得到圖像的梯度值和梯度方向。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)數(shù)字圖像 f(x， y)， Prewitt 算子的定義如下： G(i)=|[f(i1,j1)+f(i1,j)+f(i1， j+1)][f(i+1,j1)+f(i+1， j)+f(i+1，j+1)]| G(j)=|[f(i1,j+1)+f(
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1