层次聚类算法的实时图像边缘检测及FPGA实现.pdfVIP

第 36卷 第 1期 红 外 技 术 Vol.36 No.1 2014年 1月 Infrared Technology Jan. 2014 53 层次聚类算法的实时图像边缘检测及 FPGA 实现 刘紫燕，祁 佳 （贵州大学 电子信息学院 贵州 贵阳 550025） 摘要：Sobel、Roberts 算子是基于微分得出的，由于模板和阈值固定，因此缺乏自适应性。将采集到 的实时灰度图像先进行中值滤波，使用分裂聚类算法对实时灰度图像梯度值进行第 1 次聚类，然后对 第 1 次分裂聚类的结果进行凝聚聚类，再进行第 2 次的分裂聚类，最后对第 2 次聚类的结果进行自适 应阈值判断得出图像边缘，并在 FPGA 上实现。实验结果表明，采用层次聚类算法检测出的边缘更加 精细，抑制噪声能力更强。 关键词：分裂聚类算法；凝聚聚类算法；自适应阈值；FPGA；边缘检测 中图分类号：TP391.4 文献标识码：A 文章编号：1001-8891(2014)01-0053-05 Hierarchical Clustering Algorithm of Real-Time Image Edge Detection on FPGA LIU Zi-yan，QI Jia （College of Electronic Information，Guizhou University，Guiyang 550025，China） Abstract：The classical edge operators are mostly based on the gradient computation such as Sobel, Roberts operator and so on, which has features of poor self-adaptability due to its fixed template and threshold. In this paper, the noise in real-time gray-scale image is filtered by median filtering, and then the gradient value of real-time gray-scale image is classified for the first time by split-level clustering algorithm. After that, this gradient is classified for the second time by agglomerative clustering algorithm. The image edge is obtained by using adaptive threshold. The results demonstrate that the edge detected by the hierarchical clustering algorithm is more accurate, and the background noise is filtered as well. Key words：split-level clustering algorithm，agglomerative clustering algorithm，adaptive threshold，FPGA， edge detection 0 引言 边缘是图像最基本的特征之一[1]，图像边缘一般 指图像灰度变化率最大的像素点的总和，边缘广泛地 分布于物体之间、物体与背景之间[2]。边缘检测是计 算机视觉、模式识别和图像处理等的基础，因此边缘 检测是图像处理中一个重要的环节[3]。 传统的微分法的边缘检测是常用的边缘检测算 法，基于微分算法的算子主要有 Sobel、Roberts、 Prewitt 和 Canny 算子等[3]。由于微分算子常在边缘附 近区域产生较宽的响应，因此结果通常需要加以细化 处理，这影响了边缘检测的精确度[4]。 聚类分析法是数据挖掘常用的算法之一，是根据 一定的分类规则，合理地划分数据集合，确定每个数 据所在类别。“聚类”就是“划分数据集合，确定每 个数据所在类别”的过程[5]。 层次聚类是聚类分析法的一种，分