基于均值梯度的脉冲噪声图像边缘检测算法.docVIP

基于均值梯度的脉冲噪声图像边缘检测算法 　　摘 要： 为了有效地检测出受脉冲噪声污染图像的边缘，提出了一种基于均值梯度的图像边缘检测算法。算法将检测窗口根据水平和垂直方向分成上、下、左、右4个不同区域，先计算每个区域内非噪声点的平均灰度值，然后利用这些值的差分计算图像梯度，得出梯度图像，最后对梯度图像采用了改进的非极大值抑制方法对梯度图像进行细化并提取边缘。实验结果表明，该算法能够较好地检测出受较高密度脉冲噪声干扰的图像边缘，而且边缘较细，效果明显优于传统Sobel算法，具有较强的实用性。 　　关键词： 边缘检测; 脉冲噪声; 均值梯度; 非极大值抑制 　　中图分类号： TN91919?34; TP391.41 文献标识码： A 文章编号： 1004?373X（2015）06?0119?03 　　Mean gradient based edge detection algorithm for image with impulse noise 　　SHEN De?hai， HOU Jian， E Xu， ZHANG Long?chang 　　（College of Information Science and Technology， Bohai University， Jinzhou 121013， China） 　　Abstract： In order to detect the edge of image polluted by impulse noise， an image edge detection algorithm based on mean gradient is proposed. The algorithm divided the detection window into up， down， left and right areas according to the horizontal and vertical directions， which calculates the average gray value of non noise pixels in every area first， and then calculates the image gradient according to the mean difference of these values to get the gradient image. Finally， the improve non?maximum suppression method is adopted to refine the gradient image and extract the image edge. The experiment results show that the algorithm can detect the edge of image polluted by higher density impulse noise， and the edge is thinning， and the effect of the algorithm is better than the traditional Sobel algorithm. 　　Keywords： edge detection; impulse noise; mean gradient; non?maximum suppression 　　0 引 言 　　边缘是图像中目标与背景的分界线，灰度值变化最为显著。图像边缘是图像的最基本特征之一，包含了许多重要的信息，是图像识别、图像分割和图像理解的重要依据[1]。边缘检测就是将图像不同区域的边界进行确定并提取出来，其效果直接影响后续图像处理的精度和性能。由于数字图像在获取和传输过程中可能受到各种因素的影响而产生噪声，进而影响到图像边缘检测的效果，直接影响到图像的后续处理工作。因此，在检测图像边缘的同时如何有效地抑制噪声一直是图像处理领域研究的热点之一。传统的边缘检测算法如Roberts算子[2]、Sobel算子[3]、Prewitt算子[4]、LoG算子[5]、Canny算子[6]及Kirsch算子等，它们主要是基于图像强度的一阶或二阶导数的计算，算法简单，但对噪声比较敏感。近年来，一些基于新理论的算法被提了出来，如数学形态学算法[7]、小波算法[8]、神经网络算法[9]及遗传算法[10]等，这些边缘检测算法在噪声抑制性能上有了一定的提高，但也各自的存在着算法复杂、普适性差及实时性差等问题。本文借鉴传统边缘检测算法的梯度计算原理，提出了一种基于均值梯度的边缘检测算法，并采用改进的非极大值抑制方法对梯度