基于小波多分辨性质的边缘检测.pdfVIP

基于小波多分辨性质的边缘检测4 贾超翟渊博张树壮 燕山大学信息科学与工程学院河北省秦皇岛市066004 摘要：针对依靠以往的小波方法得到的梯度图来提取边缘将会产生噪声边和坏边的问题，提出了 对无位移梯度图利用Contextual滤波器进行边缘检测和多尺度边缘跟踪的方法。通过与其他的方法进行 定性和定量的比较，结果表明在对梯度图的优化和进行边缘检测方面要优于以往的基于小波的边缘检 测方法。 关犍词：边缘提取边缘检测边缘跟踪小波变换 1前 言 近年来，利用小波变换进行边缘检测成为热点。小波变换是一个关于信号基于基本小波函数变换转化 的描述”j。小波变换可以产生很好的效果，大尺度下抑制噪声，小尺度下精确定位。MaUat和Zhang利用 小波变换实现了一个多分辨分析的Canny边缘检测算子lI】。VanderZwet和Reiber提出了一种基于图像的 梯度变换方法以搜索边缘8j。但是所得到的结果中出现坏边，断边，模糊边问题突出。 本文首先利用小波变换多分辨性将图像分解为不同的尺度和不同的频率段，从高频段提取出多尺度的 梯度图中跟踪被检测的边缘。从而解决边缘存在的噪声边和坏边问题。 2无位移梯度图的产生 边缘检测利用图像边缘信号变化的梯度信息来实现，但梯度图仅包含了局部的梯度信息，需要小波分 解产生无位移梯度图来取得更多的图像信息。无位移梯度图可以更好的观察和得到被分析图像的边缘信息。 法实现过程比较复杂。本文采用依靠小波多分辨性结合非向下取样的小波变换来产生无位移梯度图。 瀚一一、nI 淞卜： ＼Ⅻ ＼ ＼ }◇。 ml 圈1离散小波分解子波示意图 无位移梯度图通过对分解梯度图中相应梯度量级的系数求和得到，一个图像的离散小波的子波三尺度 二值分解如图1所示，设原始图像的大小为N+N，原始图分解为非向下取样子波LLl和三个非向下取样 +基金资助：河北省自然科学基金(E2004000244) 作者简介：贾超(1967一)，男，博士，副教授，主要研究方向为计算机图形学t虚拟仿真等。 434 计算机技术与应用进展·2006 用多个尺度的作用之后小波基所有分解的相应系数通过筛选产生多尺度的梯度图G1，再以次类推进行进 步的分解得到G2，G3。 3边缘检测 下面对上述方法得到的G1进行边缘检测。 方形频窗的中心为P。j，然后定义对于在频窗中Pii的基于四个方向(水平，垂直，左顶，右底)的探测指针以 检测是否Pii为边缘点。对于pij水平方向的指针村l给出如下： Ml_j1 …1 10 其他 2，M3，M4 gD是Pij梯度图量级，M=1说明Po是一个边缘点。M=0说明P日非边缘点。其他方向的探测指M 3^M4，如果 定义与之相似。MiI的值对于PiJ来说是Pi】在四个方向上“or’的关系：M，l=Ml^M2^M Mi；=1，说明至少在一个方向上pi，是边缘点。 第二步，设定双域值进一步确定更准确的边点。设两个域值Tl和Th是各自用于产生边陶I．和I。的， 这里工Th，对I．的检测会产生许多可忽略的边缘，而对I。的检测则容易丢失不可忽略的边缘。结合I，和 l。可以取得更合理的边缘。设8I为I。中象素点的关系，拟合Ih和I。时如果存在至少一个I。的象素点与sl重 叠，则s，将全部被保留在边图中。另一方面，结果边图是由I．的边集的分割子集{s．)构成，每个割