《基于冲突再分配DSmT的多尺度融合边缘检测算法》由会员分享，可在线阅读，更多相关《基于冲突再分配DSmT的多尺度融合边缘检测算法（9页珍藏版）》请在金锄头文库上搜索。
1、 基于冲突再分配基于冲突再分配 DSmTDSmT 的多尺度融合边缘检测算法的多尺度融合边缘检测算法摘要:由于实际景象地物特征复杂，单一尺度边缘检测算子提取的边缘与噪声点测度差异小，因此将导致细小地物与噪声相互掺杂，边缘提取不准确的现象。针对此问题，提出了一种基于冲突再分配 dsmt 的多尺度融合边缘检测算法。首先提取图像多尺度边缘测度，接着提出双向指数映射基本置信指派构造方法构造多尺度边缘测度基本置信指派，然后采用冲突再分配 dsmt 组合规则对多尺度边缘置信指派进行融合，最后根据融合后的边缘置信指派图通过双阈值法确定边缘像素。通过对可见光和合成孔径雷达（sar）图像的仿真实验表明，该算法相比
2、单一尺度的 canny 算子在边缘提取过程减小了误检和漏检边缘点数目，在抑制噪声的同时，大量保留了景象细节信息。关键词:边缘检测；冲突再分配；多尺度边缘测度；基本置信指派；证据理论multi.scale fused edge detection algorithm based on conflict redistribution dsmtqiao kui.xian 1, yin shi.bai 1，qu sheng.jie 2 *1.school of computer science and engineering, xi an technological university, xian
3、shaanxi 710032, china ; 2.school of automation, northwestern polytechnical university, xian shaanxi 710072,chinaabstract:single-scale edge detection operator itself is sensitive to noise which leads to little difference between the real and false edge, so the edge detected by it is not accurate, bec
4、ause ground object character is complex and thin ground object is intermingled with noise in real environment. so a novel multi-scale fused edge detection algorithm based on conflict redistribution dsmt is proposed in this paper. first multi-scale edge measure is extracted and then evidence theory i
5、s brought in. the basic belief assignment of multi-scale edge measure is constructed by a new method of bidirectional exponent and then fused by conflict redistribution dsmt combination rule. at last edge points are extracted by multiple thresholds. simulation with both optical and sar images shows
6、that the edge detection method of this paper suppresses noise effectively, meanwhile preserving rich details.single.scale edge detection operator itself is sensitive to noise, which leads to little difference between the real and false edge, so the edge detected by it is not accurate, because ground
7、 object character is complex and thin ground object is intermingled with noise in real environment. therefore, a new multi.scale fused edge detection algorithm based on conflict redistribution dsmt was proposed in this paper. first, multi.scale edge measure was extracted and then evidence theory was
8、 brought in. the basic belief assignment of multi.scale edge measure was constructed by a new method of bidirectional exponent and then fused by conflict redistribution dsmt combination rule. at last, edge points were extracted by multiple thresholds. the simulation with both optical and synthetic a
9、perture radar （sar） images shows that the edge detection method of this paper suppresses noise effectively, while preserving rich details. key words:edge detection；conflict redistribution (cr)；multi.scale edge measure；basic belief assignment (bba)；evidence theory0 引言 图像边缘检测是图像匹配、识别与分析等领域的基础课题，国内外在该领
10、域展开大量的研究 1-6 。在复杂场景的实际应用中，图像往往存在负载地物并且容易受到噪声干扰，信噪比较低，单一尺度的 canny、sobel 和 log 等算子提取的真实边缘与噪声点测度差异小，导致细小地物与高频噪声相互掺杂，边缘检测精度低。 边缘检测算子对噪声的鲁棒性和定位精度是相互矛盾的，小尺度算子有利于边缘定位，但对噪声极为敏感；大尺度算子虽然对噪声鲁棒性好，但边缘定位精度差，有时会丢失某些局部细节。多尺度边缘检测算法被证明是有效的 7-8 ，在小尺度上可以对景象细节进行检测，在大尺度上能很好地抑制噪声，多个尺度融和后提取边缘，就可以在保留景象细节的基础上提高算法对噪声的鲁棒性。由于受到
11、成像机理以及噪声的影响，任何边缘检测算子都存在不确定性，多尺度边缘测度之间也存在一定的冲突，证据推理理论被证明可以更好地处理具有不确定、冲突和模糊的多源信息融合问题 9 ，因此可以将多尺度边缘测度的融合看作存在不确定和冲突的信息融合过程。 综上，本文提出一种基于证据推理的多尺度融合边缘提取算法。首先计算图像多尺度边缘测度响应，然后引入证据推理理论，将多尺度边缘测度作为证据推理的证据体，采用文中给出的双向指数法构造多尺度边缘测度的基本置信指派(basic belief assignment, bba)，然后利用冲突再分配 dsmt 组合规则（conflict redistribution dsm
12、t，cr.dsmt）进行融合，通过双阈值方法确定边缘像素点并进行非极大值抑制和细化，最后通过对可见光和合成孔径雷达(synthetic aperture radar,sar)图像的边缘检测实验对算法的有效性进行了验证。 1 基于证据推理的鲁棒边缘检测算法 1.1 多尺度边缘检测算子提取 由于不同尺度下边缘测度会存在较大冲突，而 dempster 理论在处理高冲突问题时，会出现 zadeh 悖论和 bba 分配不合理情况10 ，dsmt 在多证据融合下，主焦元 bba 难以收敛，因此采用新近提出的 cr.dsmt 组合规则 11 ，该组合规则在 dsmt 辨识框架下，对冲突按一定原则再分配，解决
13、 zadeh 悖论的同时相对较好地处理了主焦元 bba 收敛问题。假设辨识框架为2 ， 1, 2, 3, 4, 5,为证据中的焦元，则： m()=0(8) 当组合的焦元中不包含冲突焦元时: m(a)=x 1,x 2,x kd x 1x 2x k=aki=1m i(x i) (9) 当冲突焦元之间相互组合以及冲突与不确定信息焦元组合时: m(u)=x 1,x 2,x kd u u(x 1)u(x 2)u(x k)ki=1m i(x i)(10)其中 u(x）是组成 x 的所有 i 的并集。 当冲突焦元与涉及产生该冲突的单焦元组合时: m(u)=x 1,x 2,x kd u x 1x 2x kki
14、=1m i(x i)(11) 式(8)(11)为 cr.dsmt 组合公式，将多尺度边缘测度 bba 图像逐点采用 cr.dsmt 组合公式融合后，保留融合后的 bba 图像。1.3 双阈值法确定边缘像素 指通过上述步骤得到了融合后边缘测度 bba 图像，统计该图像的直方图分布，选用两个阈值 t 1 和 t 2(t 1t 2)，从而得到两个边缘图像 i edge1 和 i edge2 。由于i edge1 是使用大阈值得到的，因此含有较少的伪边缘，而可能失去细节信息，i edge2 阈值较小,保留了较多的细节信息的同时引入了虚假边缘点。双阈值确定边缘点的步骤如下：在图像 i edge1 中扫描
15、，当遇到一个非零值像素点时，在图像i edge2 中搜寻对应位置点的 8 邻域像素点，若在i edge2 中为边缘点，则将 i edge1 中对应位置赋值为1，最终得到的 i edge1 即为边缘图像，最后对i edge1 进行非极大值抑制和细化操作。 2 仿真实验与分析 为了验证本文算法有效性，采用真实场景的 sar 和光学图像进行实验，分别验证本文算法对噪声的鲁棒性以及 cr.dsmt 融合效果。实验采用计算机配置为 cpu 双核 1.6 ghz，内存 1 gb，编程语言为 matlab 2010。光学图像为某城市地区图像，sar 图像为华盛顿某区域图像，分辨率为 5 m/像素，两者均包含
16、了较为复杂的地面景物。 2.1 算法对噪声的鲁棒性验证 首先采用本文算法提取边缘，分别与融合前单尺度提取的边缘进行对比。光学图像高斯尺度 为 1、2；sar 图像尺度为3、5。 根据定义，取值为与高斯噪声方差或斑点噪声密度相关值， =2。对光学和 sar 和图像分别施加不同强度的高斯和斑点噪声，图 3 为光学图像边缘提取结果，图 4 为 sar 图像边缘提取结果。可以看出，由于噪声的影响，小尺度边缘提取过程中产生了大量的琐碎和虚假边缘；尺度较大时，虽然对噪声和琐碎边缘进行了有效地抑制，代价是牺牲了图像中的细节信息。本文算法提取的边缘不仅有效地抑制了噪声干扰，而且保留了图像细节信息，边缘提取更加准确。 2.2 cr.dsmt 融合效果验证 通过 cr.dsmt 融合，部分小尺度下误检
