Detection Manner based on wavelettransform and canny operator-CHN可以用.docVIP

基于小波变换和Canny算子的检测方法 （1.中国矿业大学（北京），北京 100083） 摘要：本文首先分析了基于小波变换的图像分解和重建，然后分析了基于传统Canny算子的图像边缘检测方法。实验结果显示，本文提出的方法比Canny边缘检测器有更好的适应性，可以更精确地定位，能有效地抑制噪声，以更为鲜明的边缘特点适应图像。 关键字：小波变换；Canny算子；边缘检测 1. 引言 对于图像处理任务，例如图像处理速度和精确性，要求对目标边缘进行精确的定位和检测。图像一般是很复杂的，在图像的不同区域有极大的多样性。前人采用的方法，例如用于边缘检测的一阶和二阶微分算子，因为性能不佳、对噪声比较敏感，所以不太适用。为解决这个问题，后人采用的方法，例如经典的Canny边缘检测器，结合了光滑函数和过零侦测法。Canny检测器采用Guassian一阶导数，将图像的光滑和梯度计算结合起来。经证明，它是SNR和边缘定位乘积的最佳逼近。采用模极大值图像的双阈值，它能有效地除去噪声和“影子”图像。除Gaussian方法之外，其它图像光滑过滤器，比如指数过滤器，也能用来提高计算效率。不过，不论局部图像特点和多样性如何，这些方法都采用了全局阀值。 小波变换的出现为边缘检测提供了一个新的思路。小波变换（WT）指得信号分析的可能性之一，它将信号分解成时间和尺度的二维函数。将图像小波变换成不同的尺度，然后进行处理，得到不同尺度的模大值图像。本文分析了基于小波变换的图像分解和重建，然后分析了基于传统Canny算子的图像边缘检测技术。该方法能有效地除去噪声，但不损失边缘的重要细节。 2. 传统的Canny图像边缘检测方法 Canny算子是一个最佳的边缘检测器（按照专门的标准，还有其它的检测器也被称为是最佳的，只是标准稍稍不同而已）。它把输入看作是一个灰度图像，而把输出看作是一个可显示被追踪强度间断面位置的图像。 Canny算子以多级步骤工作。首先，图像用Gaussian卷积进行光滑处理，然后，用一个简单的二维一阶导数算子（有点类似罗伯特交叉算子）将经过光滑后的图像上的高阶空间导数的区域高亮显示。边缘在梯度幅度值图像产生了脊。本算法然后沿着这些脊的顶端进行追踪，将那些实际上不位于脊顶的所有像素归零，以便在输出中给出一条细线，这个过程称为非最大值抑制。追踪过程显示了受到两个阈值控制的滞后作用：T1 和 T2，T1 T2。追踪只能从高于T1的脊的一点上开始。然后，继续从该点的两个方向上追踪，直到脊的高度低于T2。这个滞后作用确保了含噪声的边缘不会破碎成多个边缘碎片。经典的Canny边缘检测图像如图1所示。 图1 Canny边缘检测 Canny算子的效果取决于三个参数：光滑阶段采用的Gaussian内核的宽度、追踪器采用的高低阀值。增加Gaussian内核的宽度可以减少检测器对噪声的敏感性，但失去了图像的某些更细微部分，同时也略微增加了被检测图像的定位误差。 3. 小波变换 小波变换是一种对信号的时间尺度分析法，它具有多分辨率分析的特点，具有时频域信号中的局部特点能力。它的窗口大小确定，而形状多变，时间窗和频率窗可以局部改变。 （1） 其中， 时间窗和频率窗可以通过改变t和b来改变。 小波分析将信号分割为高频d1和低频al两个部分。在低频al中丢失的信息在分解中由高频信息dl所捕获。在分解的下一层，a1被分解为低频a2和高频d2两个部分。在低频a2中丢失的信息被高频信息d2捕获。如此下去，能被分解成更深的层级。 图2 小波函数分解示意图 在二维中，需要一个二维尺度函数，在三维中，需要一个二维尺度函数。每个函数是一个一维尺度函数和相应的小波的乘积。除了产生一维结果的乘积外，例如，其它四个乘积形成了各自的尺度函数， （2） 以及各自的定向灵敏小波 （3） （4） （5） 这些小波可沿不同方向测量函数变差 – 图像的强度或灰度变差：沿行测量变差（例如，横向边缘），沿列测量变差（例如，纵向边缘），沿对角线测量变差。定向灵敏度是方程.(3)- (5)给出的可分割性的自然结果。 在过程中丢失的所有背景噪声都被消除了。此结果是通过计算除去具有最高分辨率细部系数的分解图像的快速沃尔什阈值和是小波的低通量滤波和高通量滤波，是尺度空间比例因子序列的剩余部分，则二维小波分解和重建公式为：