基于红外图像的边缘特征提取.doc

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 Extraction Shen Dong-sheng,College of Physics and Electronic Information Abstract: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 the information in the image,improve the quality of the infrared images to extract the image features for prepare, improve the 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. Extraction according to the different characters with different operators 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 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、Sobel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