一种基于数学形态学的毫米波图象边缘检测方法.pdfVIP

—— !里皇王堂叁皇堕皇薹竺堂垒苎±垄旦墨室堕兰叁 一种基于数学形态学的毫米波图象边缘检测方法 姜辛 杜慧茜 梅文博 (北京理工大学电子工程系 北京 100081) 摘要： 本文针对毫米波图像分辨率较低、噪声太、成像物体边缘提取困难等问题，提出了一种基于 数学形态学的毫米波图像边缘检测方法。该方法通过首先对图像在二值化的基础上分别进行形态学滤波 处理及形态学腐蚀处理，再将所得结果相减最终检测出图像的边缘。实验表明，这种方法能较好地检测 出毫米波图像中人与物体的边缘信息．同时又去掉了大多数由噪声引起的伪边缘，且能满足自适应性和 实时性的要求。 关键词： 毫米波图像 数学形态学 边缘检测 一、前言 边缘检测是图像处理与分析中最基础的内容之～，所谓边缘是指物体的轮廓或物体不同 表面之间的交界在图像中的反映。边缘轮廓是人类识别物体形状的重要因素，往往仅凭一条粗 略的边缘轮廓线就能识别出一个物体。边缘检测的方法有很多【1】，传统的边缘检测算子如 Canny算子在定位方面欠佳：曲面拟合方法运算量大，难以满足实时性要求；近年来相继出现 了一些新的边缘检测方法，如神经网络法、小波变换法、模糊检测法等。数学形态学作为～ 种用于图像边缘检测的新方法，具有非线形特性及基于集合运算的特性，既能很好的检测图 像边缘，又能满足实时性要求。该方法对边缘方向不敏感，且不用设定闽值，同时能在很大 程度上抑制噪声和探测真正的边缘。 毫米波由于具有不受天气影响、能穿透衣物和建筑材料吲等特性，使得被动式毫米波成像 技术的主要应用之一是从人体背景下检测出藏匿的物体。与可见光、红外成像图像相比，被 动式毫米波成像图像分辨率(尖锐度)较低【3】，且由于成像设备的限制，成像图像中噪声较强。 本文所涉及的毫米波图像主要应用于人体背景下隐匿物体的检测，图像处理后的主要目的是 边缘定位及提取边缘形状信息。 本文在研究数学形态学理论及边缘检测算法的基础上，结合毫米波图像的特点，提出了 一种基于数学形态学运算的毫米波图像边缘检测方法，实验表明，既得到了较好的边缘检测 效果，同时又有效的提高了抗噪性能。 二、正文 数学形态学是一种用于图像处理和模式识别的新的方法【4】。数学形态学的历史可追溯到 学的理论体系，又研究了基于数学形态学的图像处理系统。1982年，Serra出版的专著《Image andMathematical Analysis Morphology))是数学形态学发展的里程碑。随羡数学形态学理论的 不断完善与发展，数学形态学在图像边缘检测中得到了广泛的研究与应用。 基于数学形态学的边缘检测主要方法包括：形态学梯度法口】、Top-hat变换法【61和多尺度法 【71等。其中，形态学梯度法对噪声非常敏感，且结构元素的选取要求很高，当所处理图像不同 时选择适合的结构元素会带来很大的工作量：Top-hat变换法得到的边缘较粗，需进一步细化； 多尺度法虽然对噪声的抑制作用较好，但尺度大小的选取是因图像而异的，在进行各尺度下 中国电子学会电路与系统学会第十九届年会论文集 边缘I虱像的合成运算时权值的选取也不确定，且运算量较大。 三、二值形态变换 数学形态学中二值图像的形态变换是一种针对集合的处理过程”1，形态变换的实质是表达 物体或形状的集合与结构元素之间的相互作用。数学形态学的基本运算包括：膨胀、腐蚀、 开启和闭合。 令sE代表结构元素，对图像A中的每一点X，膨胀和腐蚀的定义分别为： 膨胀： 40．s：E={X：(一SE+z)nA≠≯} (1) 腐蚀： A@SE=扛：SE+X[“} (2) 一般意义上的膨胀是将与物体边界接触的背景像素合并到物体中的过程，用sE对A进行 膨胀的结果就是把结构元素sE平移后使sE与A的交集非空的点构成的集合；简单的腐蚀运 算是将一个物体沿边界减小的过程，用SE对A进行腐蚀的结果就是把结构元素SE平移后使 SE包含于A的所有点的集合。膨胀可去除前景噪声，腐蚀则可去除背景噪声。先腐蚀后膨胀 构成开启运算，它具有删除小物体、将物体拆分为小物体和平滑大物体边界而不明显改变它 们面积的作用；先膨胀后腐蚀构成闭合运算，它具有