原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于贝叶斯统计推理的复杂场景边缘检测.pdf
华南理工大学学报(自然科学版)
JournalofSouthChina of
第35卷第9期 University V01．35No．9
Technology
Science
2007年9月 (Natural Edition) 2007
September
基于贝叶斯统计推理的复杂场景边缘检测+
张浩蔡晋辉黄平捷周泽魁
(浙江大学控制科学与工程系，浙江杭州310027)
摘要：复杂场景图像存在大量的噪声和纹理干扰，传统边缘算子的检测效果不理想．为
此．文中提出一种基于贝叶斯统计推理理论的多信息融合边缘检测算法．该算法融合了梯
度算子、拉普拉斯算子以及两级均值比率(ROA)算子的输出响应；通过最大类间属性互
信息对特征属性进行最优离散化；利用非参数直方图方法估计类概率密度函数；并通过贝
叶斯风险最小化原则实现边缘检测．试验中该方法的Bhattaeharyya误差界为0．093，工作
特性曲线下的面积(AUC)达到0．958，证明了该算法的有效性．与经典算子检测结果的比
较也表明，该算法能够有效地克服图像中的噪声和纹理干扰．
关键词：边缘检测；多元统计学习；贝叶斯推理；非参数估计；图像处理
中图分类号：TP391．41 文献标识码：A
边缘是图像的最基本特征之一，边缘检测是机 每个像素是否属于边缘，从而实现复杂场景的边缘
器视觉中的经典课题，是图像处理、图像分析、模式 检测．实验比较了多边缘信息统计和单边缘信息统
识别以及计算机视觉的基本步骤之一．传统边缘检
测算法(如Canny、Sobel、tog等)都是基于一阶或二
检测算法的工作特性(ROC)曲线‘“，结果验证了文
阶微分算子与图像进行卷积运算，只能针对局部给 中算法针对复杂场景边缘检测的有效性．
出模糊边缘信息；复杂场景中存在的高强度噪声以
及大量纹理，都会对传统边缘检测算法带来极大困 1 贝叶斯决策论
难．例如，纹理会造成基于一阶微分算子的边缘检测
贝叶斯决策论基于经验风险最小化原则，根据
算法误检，而基于二阶微分算子的边缘检测算法则
训练样本的统计信息推断待测样本的所属类别．设
对噪声十分敏感．已有大量文献”…证明，在自然场景
特征向量咖={咖，，币。，…，币。{表示样本n个属性的
(如道路场景、校园场景)下图像具有高度统一的全局
具体取值，}”。，W：，…，眈}表示有限的c个类别集，
结构统计特性，从而为运用多元贝叶斯统计推理理论
则西所属类别的后验概率可表示为
针对图像全局实现边缘检测提供了理论基础，
P(w，l西)=P(西1 (1)
文中运用贝叶斯统计推理理论，以像素为分类 w，)P(wj)／P(咖)
式中：P(q)为先验概率，P(咖I”，)为类条件慨率密
对象，分别统计了样本图像边缘像素和非边缘像素
文档评论（0）