基于多滤波器集成的边缘检测.pdf

第23卷 第11期 电 子 与 信 息 学 报 Vol 23 No11 2001年 1 1月 JOURNAL OF ELECTRONICS AND INFORMATION TEcHNoL0GY Nov 2001 基于多滤波器集成的边缘检测 j 维 僚荽 然 (大连理工大学电 信邑1 程学院 大连 1160231 摘 要 该文用多种滤波器从 图像中提取扳度分布特征 针对不同类别的边缘，分别用不同的灰度分布特征 组台进行检剐；把不同樊别边缘的毪测结果枭戚U实现圈像边缘检测．本文所提方法把边缘检测转化为模式识 别问题．从而增加了边缘垃}j!】的灵活性，同时乜提高了检测质量．实验结果表明该方法具有较好的检涮般果和 抗噪 能力． 关薯词 边缘检测，多滤波器集成，图像 中冒号 TN9l1 73 边缘检测问题是早期视觉中的主要研究内容 比较成熟的边缘检测方法是线性滤波方法． 其中最具 有代表性的有 70年代末 80年代韧 Marr_Itildreth提出的基于视觉理论的边缘检测理 论 J； 1983年 Winkin[ 提 出的尺度空间滤波理论； 1986年 Canny提 出的最优滤波器 is J； 而 M~latl 4_又将 Mart等人的方法统一于小波理论之下，完善了 Mart的计算视觉模型。十几年 的发展使线性滤波理论 已经相当成熟 但是它的检测结果和人的视觉水平 仍然有着天壤之别。 线性滤波方法是通过计算像素点某个邻域灰度值分布的导数特征 (如梯度最大值)实现边缘检测 的．而实际图像的边缘是复杂的，在多噪声和 图像畸变 时，像 素点处单一的导数特征显然不能 有效表征边缘点的全 部信息。而且线性滤波方法 只能检测是否是边界，但不能判断是 哪一类 边 缘 ． 本文提出的基于 多滤波器 集成边缘检测方法是从更低的层次描述边缘 ，并且对于 不同类别 的边缘用不同的方法检测 。因此本文的方法不仅可 以获得很好的检测效果 ，而 且还可 以判断出 边缘的类别．用简单的推理就可 从边缘类别信息 中得出更多的对图像的理 解，这对 于模式识 别问题和计算 机视觉 问题是很有意义的。 2基于多滤波器集成的边缘检测 2．1边界 的分类 已经提 出的众多边缘检测算子和算法所依据 的边缘模型基本上都是定义在一维上的阶跃型 和屋脊型。这与实际图像中的情况有很大差距，这种简单的边缘模型已经影响到了问题的本质。 本文将二维意义上的边界分为以下 3种； (1)二维阶跃边界； (2)二维线边界； (3)二维角边 界． 2．2基于多滤波器集成 的边缘检 测方法 线性滤波方法的 “只通过导数特 征检测边缘”和 “用一种处理方法检测不同类别 的边缘 的特性是不恰当的．本文的主要思想是用各种不同的滤 波器从图像 中尽可 能多地提取 图像 的灰 度分布特征 ；针对不 同类别 的边缘，分 别用不同的灰度分布特征组合进行检测；把 不同类别边 缘的检测结果集成起 来实现边缘检测．用 以提取特征的滤波 器要具有选择性和抗 噪性 ．选择性 是指滤波器 只对一种 或几 种边缘有较高的输出，而对其它种类的边界输 出较小．抗 噪性是 指滤 波器对噪声有较强的滤除作用． 下面首先给 出几个具 有选择性的滤波器，同时用实验结果检测其选择性和抗噪性 。然后用 min—max重心法 实现多滤波器集成．并用实验结果验证本文方法 的效果。 1999_07—20收到， 2000一D2—28定稿 中国船舶工业总公司国家部级基盘资助项目 维普资讯 1062 电 子 与 信 息 学 报 蛐 卷 3具有选择性的几种滤波器 3．1二维梯度滤波 器 该滤波器 主要针对第一类边界提 出，不同方向有 不同的表述形式，大小为 5×5(如 图 l(c) 以 90。方向为侧)．用 GRAD{O】表示，则 )点的滤波输出 gl ( ，J1为 grad{／．J)=m~x{G[tAD(0)I(i．川0=0。，30。，45。、60。，90。．120。、135。，150。) (1 ，【 j)是 (i，J)点邻域的灰度矩阵． 3．2=维梯度滤波器性能 这里检验 3 1节 中给出的梯度滤波器性能．实验 图像 是 256×256的 Lena图像．实验结果 如图 1( ) 1【b)所示．虽然梯度滤波器可单独进行边缘检测．但该滤波器对角边界和点脉冲噪声 检测效果 不理想． ％ ％ O 一％ 一J／n ％ ％ 0 一％ ％ ％ 0 - 一％ 监 益 0 一 一 ％ ％ 0 一 ％ 【a)雁蛤图像 【b)柱测结果 (C)90。梯度滤渡器 图 1 梯度撼被器性能 (二二) (a1原始图像 (b】检测结果 【c)加噪图像 ％ ％ 一 一 一 一 一 一烁 一％ - 0 0 一％ 0 0 (d】检测结果 (