【正文】 號 09250130 專業(yè)班級 通信工程（1）班 指導(dǎo)教師 侯亮 李立 學(xué) 院 計算機(jī)與通信學(xué)院 答辯日期 2013年6月13日 45 / 50基于邊緣檢測法的運(yùn)動目標(biāo)的提取Edge detection method based on the moving object extraction楊麗霞（Yang Lixia）09250130摘要在智能視頻監(jiān)控、運(yùn)動分析應(yīng)用中,一個基礎(chǔ)而又關(guān)鍵的任務(wù)是從視頻序列中實(shí)時地檢測和提取出運(yùn)動目標(biāo)，以便于對運(yùn)動目標(biāo)進(jìn)行檢測和跟蹤。當(dāng)前邊緣檢測技術(shù)應(yīng)用廣泛、發(fā)展非常迅速。本論文是基于邊緣檢測法的運(yùn)動目標(biāo)的提取。本文先介紹了圖像處理及邊緣檢測的一些基本內(nèi)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(diào)用各算子函數(shù)算法進(jìn)行實(shí)現(xiàn)，最終完成邊緣檢測及運(yùn)動目標(biāo)的提取。 Edge detection。 Moving object extraction目錄第1章 緒論 1第2章 邊緣檢測概述及各算子介紹 3 3 邊緣檢測算子 6 微分算子 6 高斯拉普拉斯算子(Laplacian of a Gaussian,LoG) 8 Canny算子 9第3章 基于邊緣檢測的運(yùn)動目標(biāo)提取算法選擇及實(shí)現(xiàn) 13 13 算法的選擇 13 Canny算法基本原理 14 基本流程與實(shí)現(xiàn) 14 14 圖像采集及預(yù)處理 15 圖像背景處理 16 高斯濾波 17 基于Canny算子的邊緣檢測 17 不同算子比較 19第4章 總結(jié) 22參考文獻(xiàn) 23附錄 251：論文應(yīng)用程序 252：外文文獻(xiàn) 283：外文翻譯 37致謝 45第1章 緒論圖像是一種重要的信息源，圖像處理的最終目的就是要幫助人類理解信息的內(nèi)涵。隨著計算機(jī)技術(shù)的迅猛發(fā)展，圖像處理技術(shù)已經(jīng)廣泛應(yīng)用于各個領(lǐng)域。數(shù)字圖像邊緣檢測技術(shù)起源于20世紀(jì)20年代，當(dāng)時受條件的限制一直沒有取得較大進(jìn)展，直到20世紀(jì)60年代后期電子技術(shù)、計算機(jī)技術(shù)有了相當(dāng)?shù)陌l(fā)展，數(shù)字圖像邊緣檢測處理技術(shù)才開始進(jìn)入了高速發(fā)展時期。數(shù)字圖像邊緣檢測處理技術(shù)在最近的10年發(fā)展尤為迅速，每年均有數(shù)以百計的新算法誕生，其中包括canny算法、小波變換等多種有相當(dāng)影響的算法，這些算法在設(shè)計時大量運(yùn)用數(shù)學(xué)、數(shù)字信號處理、信息論以及色度學(xué)的有關(guān)知識，而且不少新算法還充分吸取了神經(jīng)網(wǎng)絡(luò)、遺傳算法、人工智能以及模糊邏輯等相關(guān)理論的一些思想，開闊了進(jìn)行數(shù)字圖像邊緣檢測處理的設(shè)計思路[2]。圖像邊緣檢測處理作為一門學(xué)科已經(jīng)被美國數(shù)學(xué)學(xué)會列為應(yīng)用數(shù)學(xué)的一個研究分支。近年來，圖像分析和處理緊緊圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面迅速發(fā)展起來。邊緣檢測是一個基本的工具用于大多數(shù)圖像處理應(yīng)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。一個邊緣檢測濾波器也可以用來改善出現(xiàn)模糊或反鋸齒的視頻流。的邊緣檢測算子來計算所選擇的像素為中心的矩陣區(qū)域的中心的形成的矩陣?；谔荻鹊倪吘壧綔y器是Roberts，Prewitt和Sobel算子的例子。斜坡的不同組成部分的貢獻(xiàn)相結(jié)合，得到的邊緣強(qiáng)度的總價值[3] 。Matlab是一種向量語言，它非常適合于進(jìn)行圖像處理。當(dāng)前邊緣檢測技術(shù)應(yīng)用廣泛、發(fā)展非常迅速。傳統(tǒng)的邊緣檢測算法面臨著許多難以克服的問題，同時由于圖像本身的復(fù)雜性和邊緣檢測技術(shù)發(fā)展所遇到的難題，邊緣檢測本身也是一個難題。本論文主要包括兩部分，第一部分是基礎(chǔ)部分，包括前兩章內(nèi)容，主要介紹了基礎(chǔ)概念和基本特性，以及Matlab在本課題中的應(yīng)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(jié)果分析。第二章是圖像邊緣檢測的概述、邊緣檢測的原理以及算法，其中會介紹到Robert算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、Canny算子、拉普拉斯高斯(LOG)算子等等。課題研究部分，第三章是依照課題所需進(jìn)行算法選擇和基本流程確定，然后按照流程進(jìn)行編程。第2章 邊緣檢測概述及各算子介紹邊緣檢測是圖像處理和計算機(jī)視覺中的術(shù)語，尤其在特征檢測和特征抽取領(lǐng)域，是一種用來識別數(shù)字圖像亮度驟變點(diǎn)即不連續(xù)點(diǎn)的算法。雖然某些文獻(xiàn)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。一個典型的邊界可能是（例如）一塊紅色和一塊黃色之間的邊界；與之相反的是邊線，可能是在另外一種不變的背景上的少數(shù)不同顏色的點(diǎn)。圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分。圖像的邊緣部分集中了圖像的大部分信息，圖像的邊緣的確定與提取對于整個圖像場景的識別與理解是非常重要的同時也是圖像分割所依賴的重要特性。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。邊緣檢測原理：邊緣檢測是根據(jù)數(shù)字圖像中的突變信息檢測圖像的邊緣灰度的不連續(xù)性，找出兩種景物的分界線。 階躍型 凸緣型 屋頂型 邊緣灰度變化利用邊緣檢測來分割圖像，其基本思想就是先檢測圖像中的邊緣點(diǎn)，再按照某種策略將邊沿點(diǎn)連接長輪廓，從而構(gòu)成分割區(qū)域。圖像中某物體邊界上的像素點(diǎn)，其領(lǐng)域?qū)⑹且粋€灰度級變化帶。對于連續(xù)圖像f(x,y)，其方向?qū)?shù)在邊緣（法線）方向上有局部最大值。最早的邊緣檢測方法都是基于像素的數(shù)值導(dǎo)數(shù)的，在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運(yùn)算。邊緣檢測是先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過設(shè)置閾值的方法提取邊緣點(diǎn)集。所以邊緣檢測包含以下兩項內(nèi)容：（1） 用邊緣算子提取邊緣點(diǎn)集。要做好邊緣檢測初步準(zhǔn)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(yīng)這種變化的檢測方法。當(dāng)需要提取多空間范圍內(nèi)的變化特性時，要考慮多算子的綜合應(yīng)用。再就是考慮信號加噪聲的條件檢測，利用統(tǒng)計信號分析，或通過對圖像區(qū)域的建模，而進(jìn)一步使檢測參數(shù)化。第五，在正確檢測邊緣的基礎(chǔ)上，要考慮精確定位的問題。從人的直觀感受來說，邊緣對應(yīng)于物體的幾何邊界。但在遇到包含紋理的圖像上，這有點(diǎn)問題，比如說，圖像中的人穿了黑白格子的衣服，我們往往不希望提取出來的邊緣包括衣服上的方格。但一般認(rèn)為邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域，這從數(shù)學(xué)上，最直觀的方法就是微分(對于數(shù)字圖像來說就是差分)，在信號處理的角度來看，也可以說是用高通濾波器，即保留高頻信號。此外，還需要把邊緣細(xì)化成只有一個像素的寬度。邊緣檢測算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)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(guān)的邊緣檢測器的性能。因此增強(qiáng)邊緣和降低噪聲之間需要折中。而濾波器在降低噪聲的同時也導(dǎo)致邊緣強(qiáng)度的損失。增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)領(lǐng)域強(qiáng)度的變化值。邊緣增強(qiáng)一般是通過計算梯度幅值來完成的。一般通過計算梯度幅值完成。在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。但在有些圖像中梯度幅值較大的并不是邊緣點(diǎn)。（4）定位。： 平滑圖像平滑圖像原始圖像邊緣的二值化圖像閾值分割 圖 梯度算子像 邊緣增強(qiáng) 濾波 邊緣檢測 邊緣定位 邊緣檢測算法的基本步驟 邊緣檢測算子邊緣檢測算子是利用圖像邊緣的突變性質(zhì)來檢測邊緣的。 微分算子 算子 Roberts算子是一種利用局部差分算子尋找邊緣的算子，它由下式給出： (21)Roberts算子是22算子模板，對具有灰度變化陡峭的低噪聲圖像響應(yīng)最好，并且對邊緣的定位準(zhǔn)確，但由于22大小模板沒有清楚地中心點(diǎn)所以很難使用。它由(23)式給出： (23)其中的偏導(dǎo)數(shù)用下（24）、（25）式計算： (24) (25)其中常數(shù)。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。運(yùn)算結(jié)果是一幅邊緣幅度圖像。一般來說，距離越大，產(chǎn)生的影響越小。 高斯拉普拉斯算子(Laplacian of a Gaussian,LoG) 利用圖像強(qiáng)度二階導(dǎo)數(shù)的零交叉點(diǎn)來求邊緣點(diǎn)的算法很容易受到噪聲干擾，所以在邊緣檢測前濾除噪聲是十分必要的。他的基本特征有：(1) 平滑濾波器是高斯濾波器；(2) 增強(qiáng)步驟采用二階導(dǎo)數(shù)(二維拉普拉斯函數(shù))；(3) 邊緣檢測判據(jù)是二階導(dǎo)數(shù)零交叉點(diǎn)并對應(yīng)一階導(dǎo)數(shù)的較大峰值；(4) 使用線性內(nèi)插方法在子象素分辨率水平上估計邊緣的位置。常用的LoG算子是55的模板[9]，： 拉普拉斯算子卷積模板，所以人們常把LoG濾波器叫做墨西哥草帽濾波器[9]。LOG算法中的高斯平滑運(yùn)算會導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊。即大值的濾波器產(chǎn)生魯棒邊緣，小值的濾波器產(chǎn)生精確定位的邊緣。Canny算子是John Canny在1986年發(fā)表的論文中首次提出的一種邊緣檢測算法，當(dāng)時彌補(bǔ)了其他算法的不太好的缺點(diǎn)，因此Canny算子被認(rèn)為是邊緣檢測領(lǐng)域較好的算法，并一直被引用，近幾年來，隨著研究的深入，性能更加完善的改性型的Canny算子也層出不窮，例如自適應(yīng)Canny算子等。Canny算子檢測邊緣的實(shí)質(zhì)是求信號函數(shù)的極大值問題來判定圖像邊緣像素點(diǎn)。高的定位精度：Location越大越好， (210)邊緣響應(yīng)次數(shù)最少：要保證只有一個像素響應(yīng)，檢測算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離D(f)滿足式： (211)最后通過以下式得出算子的近似實(shí)現(xiàn)：邊緣點(diǎn)位于圖像被高斯平滑后的梯度值的極大值點(diǎn)。 Canny算法過程Canny算法詳細(xì)過程：高斯函數(shù)： (213)n表示高斯濾波器窗口大小 偏導(dǎo)數(shù)：使用微分算子求出偏導(dǎo)數(shù) (214)梯度大小 (215)非極大值抑制：沿幅角方向檢測模值的極大值點(diǎn)，即邊緣點(diǎn)。 邊緣方向示意圖 雙閾值檢測[12]：由于單閾值處理時，合適的閾值選擇較困難，常常需要采用反復(fù)試驗，因此采用雙閾值檢測算法。較小閾值檢測得到的圖像a則保留著較多的邊緣信息，以此為基礎(chǔ)，補(bǔ)充圖像b中的丟失的信息，連接圖像邊緣[13]。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。這就是Canny邊緣檢測算子[14]。Canny邊緣檢測算法：step1:用高斯濾波器平滑圖象；step2:用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向；step3:對梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測和連接邊緣。針對不同的圖像處理算法，因此用戶最好還是根據(jù)對某個圖像處理軟件或高級程序語言的掌握程度來編寫自己的圖像處理程序。系統(tǒng)本身提供了大量的矩陣及其他運(yùn)算函數(shù)，可以方便地進(jìn)行很復(fù)雜的計算，且運(yùn)算效率極高。此外，Matlab還具備圖形用戶界面（GUI）工具，允許用戶把Matlab當(dāng)做一個應(yīng)用開發(fā)工具來使用。Matlab在圖形圖像方面的應(yīng)用有很多。對數(shù)字圖像基礎(chǔ)處理，Matlab顏色模型、Matlab的圖像處理工具提供了多種圖像顯示和顏色處理技術(shù)，數(shù)字圖像的文件格式，數(shù)字圖像的類型及數(shù)字圖像的存儲類型等都可以用Matlab編程解決。 算法的選擇近幾年來，圖像分析和處理都是圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面發(fā)展起來的。圖像邊緣識別與在實(shí)際中有很重要的應(yīng)用，一直是圖像邊緣檢測中的熱點(diǎn)和難點(diǎn)，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(shù)提取圖像邊緣、利用差分技術(shù)提取圖像邊緣、利用小波分析技術(shù)提取圖像邊緣等方法是常用的方法，但各種算法結(jié)果差異很大[16]。而Canny算子邊緣檢測算法則是既能濾去噪聲又保持邊緣特性的邊緣檢測的一階微分算法中的最佳選擇方法。我們從三個標(biāo)準(zhǔn)來說明，它對受到白噪聲影響的階躍型邊緣是最優(yōu)的。不丟失重要的邊緣，不應(yīng)有虛假的邊緣。實(shí)際邊緣與檢測到的邊緣位置之間的偏差最小。將多個響應(yīng)降低為單個邊緣響應(yīng)。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。這就是Canny邊緣檢測算子[17]。Canny邊緣檢測算法：高斯濾波器平滑圖象；一階偏導(dǎo)的有限差分來計算梯度的幅值和方向； 對梯度幅值進(jìn)行非極大值抑制；雙閾值算法檢測和連接邊緣。也可以拍攝視頻，選取合適圖像進(jìn)行實(shí)驗。 圖像采集及預(yù)處理圖像采集，可用系統(tǒng)