图像边缘检测中消除噪声影响的方法研究.docVIP

图像边缘检测中消除噪声影响的方法研究 　　摘 要：图像边缘检测是图像分析和处理的重要内容，而影响高效提取图像边缘的一个关键因素是噪声，因而如何在图像边缘检测中有效消除图像中的噪声，一直以来是图像处理中的难点和热点，本文对目前图像边缘检测中消除噪声影响三类主要方法的发展现状包括基于形态学的方法、基于色差的方法、基于模糊理论的方法进行了研究，并指出了每类方法以后的发展方向，并指出结合多种方法消除图像边缘检测中噪声的效果更好。 　　关键词：边缘检测；图像去噪；形态学；色差；模糊理论 　　中图法分类号：TP391 　　在图像获取和传输过程中，由于受图像摄取设备和传输设备的影响，图像中或多或少都存在着噪声，噪声的存在是影响人的视觉感官对图像分析和处理的关键因素之一，并且由于噪声一般情况是不可预测的随机信号，一般只能用概率统计的方法去认识噪声，因而在整个图像处理领域包括图像边缘检测中如何消除噪声的影响一直以来是许多研究人员努力致力于解决的问题。 　　多年来人们对消除包括图像边缘检测中噪声的影响进行了不懈努力，取得了许多研究成果[1][2]，但是由于图像边缘和噪声在图像中有着紧密的联系，首先是图像边缘和噪声在空间域方面灰度都有较大的变化值，其次在频域上都表示为高频信号，因而要很好地将在图像边缘的噪声提取出来，并不容易，为了进一步改善图像边缘检测中的消噪效果，本文对当前图像边缘检测中三类主要的消噪方法进行了研究。 　　1 基于形态学图像边缘检测中噪声的消除方法 　　将形态学应用于图像边缘检测中消除噪声，是将数学形态学作为工具从图像中提取对于表达和描绘区域形状有用的边缘图像分量，由于采用结构元素的方法实现其边缘检测，因而能从形态上将噪声和边缘就能区别出来，具体过程中主要采用形态学梯度的方法，但单一的基于广义形态边缘检测算子[3]在噪声污染较严重时能将噪声和图像边缘较好检测出来，但在噪声污染不是很严重时效果并不理想，文献[4]采用在多尺度中运用非均值加权的方法结合形态学中各结构元素的相异性，在广义形态学的基础上提出了在图像边缘检测中采用多方向多尺度非均值加权的方法，该方法不仅对解决图像边缘和噪声不易分开的问题起了重要作用，而且对无方向性的噪声能有效抑制，对有方向性的边缘也能有效检测出，但此算法速度较经典算子慢，实现也较复杂，如何寻找高效、简便的算法仍然是以后的目标。 　　2 基于色差图像边缘检测中噪声的消除方法 　　传统的边缘检测基本上是通过处理灰度图像来进行图像边缘检测的，即使是彩色图像也要转化为灰度图像，而现在的数字图像大多数都是彩色图像，由于传统图像边缘检测算法没有考虑色彩信息，因而在彩色图像边缘检测中效果并不如人意，虽然近年来，人们对彩色图像边缘检测进行了大量研究，但大多数边缘检测算法都是在原有灰度梯度算子上的基础上用色差代替亮度差，通过比较固定阈值和算子模板内核值差，来判断边缘点的方法进行改进的[5][6]，由于这些算法对阈值的选取都是在整个图像处理中采用的一个固定的色差阈值，因此会造成人眼对图像边缘和噪声难以分辨，对本来是视觉不敏感的区域也当成边缘检测出来，将本来不是边缘点判断为边缘点，为了解决上述问题，出现了一些改进方法，如文献[7]以计算每个像素邻域点均值亮度为基础，分别构造了两个权重函数，将原色彩梯度算子中亮度差进行改进，用Lab色差进行代替，最后将所得的色差阈值在基于色差的几种典型算子中进行实验，实验证明此算法能有效地将边缘和噪声分离出来，以前算法中由于噪声而引起的干扰信息大大降低，但是此算法虽然通过将噪声和边缘分离，对图像边缘检测的性能也有所提高，但实现比较复杂，运算量较大，速度较慢并且其自适应局部色差可视阈值的实现并不容易，其效率还有待提高。 　　3 基于模糊理论图像边缘检测中噪声的消除方法 　　模糊理论（FuzzyTheory）是指运用连续隶属度函数和模糊集合基本概念的理论，而由于实际的数字图像边缘中有许多模糊的数据，这刚好和人类视觉感受图像边缘的特性相符合，这也就是人类通过自身视觉感官的模糊性和图像边缘的模糊性来成功判断图像边缘的原因，目前模糊理论运用于图像边缘检测噪声消除中已取得了一些进展[8]，但这些算法对噪声消除方面效果并不明显，基本上都是在某一个范围内对消除噪声有一定效果，并且在图像边缘检测中对边缘点检测的正确率较低，存在有较多的漏检点，后来研究人员又进行了深入研究作了许多改进，在消除图像边缘检测中噪声影响方面，有了一定提高，如文献[9]采用非重叠层窗口将模糊矩阵分块，再通过模糊图像增强提高图像各区域之间的层次性，让边缘点更清晰，从实验效果来看，能有效地抑制噪声，也能明显消除噪声点，相比其他方法有着较强的抗噪性能，但此方法依然存在诸多问题，首先是此算法运算量大，速度慢，没有进行降噪