《基于红外图像的边缘特征提取毕业论文》由会员分享，可在线阅读，更多相关《基于红外图像的边缘特征提取毕业论文（12页珍藏版）》请在金锄头文库上搜索。
1、. . . . 基于红外图像的边缘特征提取摘 要：对红外图像的边缘特征进行提取时需进行预处理，其作用是将获取的红外图像进行加工恢复增强图像中有用的信息，弱化去除图像中没有用的干扰信息，提高红外图像质量为图像特征的提取做准备，提高特征提取的精度。红外图像的特征提取是指采用人工或自动的方法检测图像中的不变特征。根据不同的特征用不同的算子进行图像特征的提取。本文对现有代表性的各种图像边缘提取方法进行了介绍，对比、分析了各自的优缺点。关键词：红外图像；边缘特征，特征提取；算子Based on the Edge of Infrared Image Feature ExtractionShen Dong-
2、sheng,College of Physics and Electronic InformationAbstract:The edge feature of infrared images were extracted when the need for pretreatment, and its role is to infrared image will obtain the image enhancement processing recovery of useful information,weakening the removal of no interference with t
3、he information in the image,improvethe quality of the infrared images to extract the image features for prepare, improvethe accuracy of feature extraction. Feature extraction of infrared image refers to the use of the method of manual or automatic detection of invariant features in the image. Extrac
4、tionaccording to the different characterswith differentoperators for image feature. This paper introduces the extraction method for existing representative of various image edge, contrast,analyzes their advantages and disadvantages.Key words:infrared image; edge feature, feature extraction; operator
5、引言图像最基本的特征是边缘，边缘是图像性区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像中不确定性最大的地方，也是图像信息最集中的地方，图像的边缘包含着丰富的信息。因此，图像的边缘提取在计算机视觉系统的初级处理中具有关键作用，但目前仍是“瓶颈”问题。边缘检测技术对于数字图像是非常重要的，提取出边缘才能将目标和背景区分开来。对几种最常用的图像边缘提取算法给出实验结果，并进行结果对比与分析。1 边缘特征提取算法微分边缘提取算子就是利用微分提取图像的梯度特征从而检测出图像的边缘,可以分为一阶微分边缘检测算子和二阶微分边缘检测算子.有代表性的一阶微分边缘检测算子包括Roberts算子、S
6、obel算子、Prewitt算子、Canny算子等，其中：因为Sobel算子计算简单，Canny算子定位精确、抗噪声能力强，所以广泛应用于红外图像的边缘特征提取1。有代表性的二阶微分边缘检测算子包括Laplacian算子、LOG算子等，LOG算子的性能优于Laplacian算子。1.1 一阶微分算子法图像边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。图像边缘特征提取方法大致可分为:基于经典微分边缘检测算子的提取方法、多尺度边缘检测方法、模糊增强边缘检测方法等.边缘的检测可借助空域微分算子通过卷积完成，导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得
7、的值较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法2，提取边界点集一阶导数与是最简单的导数算子，一个连续函数在位置处方向导数的最大值=，称为梯度模，相应的，取得最大值的方向为。利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。在实际中，对于一幅数字图像采用了梯度模的近似形式，如常用的罗伯特交叉算子（Roberts Cross）和索贝尔算子（Sobel）的表达式分别为：边缘检测算子检查每个象素的领域并对灰度变化率进行量化,也包含方向的确定。这里我使用的是Roberts边缘检测算子法。 Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子。
8、它在实际应用中可用如下公式表示1）Roberts算子表达式为：=max（，）和使用Sobel算子和算子的方法一样，类似地也可以得到Prewitt算子和Krisch算子卷积核形式，只不过这里Prewitt算子是使用了另两个不同的卷积核，而Krisch算子则是使用8个卷积核3，分别代表8个特定的边缘方向。由于边缘的图像灰度变化并不十分陡峭，图像中存在噪声，直接利用微分算子提取边界后，还需作某些处理（如连接与细化）才能形成一条有意义的边界。2）Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差。其原理是在图像空间利用两个方向模板与图像模板一个检测水平边缘，一个检测垂直边
9、缘。对数字图像f(x，y)，Prewitt算子的定义如下：G(i)=|f(i-1,j-1)+f(i-1,j)+f(i-1，j+1)-f(i+1,j-1)+f(i+1，j)+f(i+1，j+1)|G(j)=|f(i-1,j+1)+f(i,j+1)+f(i+1，j+1)-f(i-1,j-1)+f(i,j-1)+f(i+1，j-1)|则 P(i,j)=maxG(i),G(j)或 P(i,j)=G(i)+G(j)经典Prewitt算子认为：凡灰度新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值T，若P(i,j)T，则(i,j)为边缘点，P(i,j)为边缘图像。这种判定是欠合理的，会造成边缘点的误
10、判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。3）Sobel算法Sobel边缘检测算子。Sobel算子包含2个 3 * 3模板，l个用于检测水平边缘，一个用于检测，得到每个像素的水平和垂直方向的近似梯度值， 然后结合2个梯度值得到图像的梯度值和梯度方向。-1-2-1121-11-22-11图1.1Sobel边缘检测算子Sobel算子表达式为由于Sobel算子是滤波算子的形式，可以利用 快速卷积函数，简单有效，所以应用广泛。但是Sobel算子只能检测水平和垂直2个方向的边缘，一般 用于精度要求不高的情况。4）Canny边缘检测算子Canny算子求边缘点具体算法步骤
11、如下：用高斯滤波器平滑图像.用一阶偏导有限差分计算梯度幅值和方向.Gx=f(x+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)/2Gy=f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)/2对梯度幅值进行非极大值抑制 仅得到全局的梯度并不足以确定边缘，为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。图1.2边缘和梯度方向示意图12384765 图1.3 梯度角离散图 图1.4邻域图 将梯度角离散为圆周的四个扇区之一，以便用3*3的窗口作抑制运算。四个扇区的标号为0到3。对应3*3领域的四种可能组合。在每一点上，领域的中心象素Mx,y与沿着梯度线的两个象
12、素比。如果Mx,y的梯度值不比沿梯度线的两个相邻象素梯度值大，则令Mx,y=0.Canny算子无论在定位精度还是抗噪声方面4，明显优于其他的一阶微分边缘检测算子.低出错率、定位准确、 单边缘响应，这是边缘检测通用的最优准则。基于 该准则，用Gaussian函数的导数作为最佳边缘检测 算子，即Canny算子。具体步骤如下：用二维高 斯函数与图像进行卷积运算，这样做的目的是对原 图像进行平滑滤波；对第一步中得到的卷积后的 图像做微分计算，得到每个像素的梯度的大小和方 向；对梯度进行非极大值抑制（Non-Maxima Sup pression，NMS)，细化图像边缘。判断梯度值是 否为局部极大值，把
13、边缘细化为单像素；阈值化和边缘连接，提高检测准确度。经过极大值抑制并 且阈值化后的结果是一个图像的边缘阵列，其中仍然有假边缘的存在。采用双阈值作用于该边缘阵列，由高阈值得到的边缘图像含有很少的假边缘，但是同时也失去了一些有用的边缘信息；而由低阈值得到的边缘图像则保留了较多的信息。因此，可以以提高阈值得到的边缘图像为基础，以低阈值得到的图像为补充来连接图像的边缘。1.2 二阶微分算子法1）LOG边缘检测算子。LOG算子来源于Marr视觉理论中提出的边缘提取思想,即先对原始图像进行平滑处理5,从而实现对噪声最大程度的抑制,再对平滑后的图像提取边缘。LOG算子被誉为最佳边缘检测算子之一。高斯一拉普拉
14、斯 (Laplacian of Gaussian，LOG)算子利用高斯函数作 为平滑函数，然后用拉普拉斯算子提取二阶导数的 过零交叉点进行边缘检测。理论上，边缘点应处于 一阶导数的峰值点，在这些点上，二阶导数为0。在小波分析中，LOG算子被称为墨西哥草帽小波。其中Laplacian微分算子定义最单间的各项同性微分算子是拉普拉斯算子，一个二维图像f(x,y)的拉普拉斯微分算子的定义如下：将上式变换得写成权系数矩阵模板为LOG算子的基本步骤如下：采用二维高斯滤波器平滑滤波；采用二维拉普算子进行图像增强；依据二阶导数零交叉进行边缘检测。二维高斯滤波器的函数用与原始图像进行卷积6，得到平滑图像)其中*
15、是卷积运算符，再用拉普拉斯算子来获取平滑图像的二阶方向导数图像。由线性系统中卷积和微分的可交换性可得：对图像的高斯平滑滤波与拉普拉斯微分运算可以结合成一个卷积算子：式中即为LOG算子，又称为高斯拉普拉斯算子。求取的零穿点轨迹即可得到图像的边缘。以对原始灰度图像进行卷积运算后提取的零交叉点作为边缘点。2）改进的LOG边缘检测算法1双边滤波Tomasi和Manduchi于1998年提出了双边滤波算法7。该算法加权系数不仅考虑了像素间的距离，同时也考虑了灰度相似性。双边滤波方法可用如下公式表示：其中为去噪后图像,为空间域权值,为原图像,为像素处的邻域围。同理,在灰度围进行滤波与空间围滤波的方法相似。它可表示为:其中为灰度域权值，将空间邻近度与灰度相似度相结合进行滤波,就得到双边滤波为：在图像变化较为平缓的区域,其邻域像素灰度值相差不大,双边滤波转化为高斯低通滤波器；在图像变化剧烈的
