基于局部统计特征的边缘检测.docVIP

基于局部统计特征的边缘检测 　　摘要：该文通过分析图像灰度信息的变化，提出局部变异系数的概念，并指出使用该特征进行图像边缘检测的可行性。对于提出的算法，该文结合不同图像进行了实验仿真，并对实验结果进行了分析。由实验结果表明，针对某些图像，使用局部变异系数能较好的提取出图像的边缘。最后，还指出了该算法一些改进的方法。 　　关键词：局部变异系数；非最大抑制；边缘检测 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)27-2047-02 　　Local Statistical Character-based Edge Detection 　　WAN Zhe 　　(Faculty of Information Engineering, JiangXi University of Science and Technology, Ganzhou 34100, China) 　　Abstract: To analysing the information of gray in a picture,the concept-local variation coefficient was proposed in this paper, at the same time,feasibility of this concept which was use for edge detection was pointed out. The experimental results and its analysis were both shown in this paper. The experimental results demonstrate that the method is sutiable for edge extraction of some image.At the last,some disadvantages of this method, in addition, the improvement for it were introduced in this paper. 　　Key words: local variation coefficient; nonmaximal suppress; edge detection 　　 　　1 引言 　　 　　图像的边缘检测可以在空间域或频率中进行，基于空间域的边缘检测的研究是由来以久也是使用最多的方法，目前人们已经提出了大量的在空间域中进行的边缘检测方法，其中使用梯度信息的边缘检测方法是人们使用最为广泛的技术，它的代表为Sobel算子、Krisch-方向算子、LoG算子、Canny算子等等。而使用图像的各种统计特征，如均值、方差、 阶矩等来对边缘进行提取也是常被使用的方法。在统计学上，变异系数是描述随机变量取值波动性的一个特征值，它是随机变量在样本空间中取值变化的无量纲性描述，常被用来比较不同随机变量的变化率。本文分析了图像灰度信息的变化，联系了变异系数与数据集之间的联系，提出了局部变异系数的概念，并使用该特征对图像边缘进行检测，下面给出相关的概念与可行性分析。 　　 　　2 局部变异系数与其可行性分析 　　 　　2.1 定义 　　经典梯度算子是考察某个中心像素点以及其邻域内灰度的变化量，确定中心像素点的局部梯度值，最后通过比较梯度值与阀值，如果中心像素点大于阀值就判定该中心像素点为一个边缘点。通常会选择梯度图中最高梯度值的一个百分比作为阀值，这样就带来了一个问题。灰度层次变化丰富的区域，梯度值不一定大，一个具体的例子就是具有低对比度的两个相邻区域，此时，仅仅考虑像素的梯度值大小来确定边缘就有可能造成边缘的误分割。 　　那么是否有其它的特征可以表征出区域间灰度层次变化但又要求与变化量大小无关。局部熵[1]与局部模糊方差[2]是两类可供选择的方法，前者使用小邻域内灰度概率分布的煽信息作为度量，但没有考虑到灰度值信息，后者使用模糊变换方法获得图像模糊矩阵，然后计算模糊矩阵的局部邻域方差作为度量特征，使用该方法可以兼顾了灰度的局部层次变化与梯度值信息，但计算量相对较大，而且模糊变换方法会引起区域轮廓的变化。为此，本文提出了局部变异系数作为灰度层次变化的度量特征。 　　考察了统计学中变异系数的概念，结合了图像的特征，提出了局部变异系数。对于图像的任意像素点(i,j)，取以其为中心的(2n+1) ×(2n+1)的邻域窗口W（图1）， 　　 　　其中Wk(k=1,…,4)分别是大小为(n+1) ×(n+1)的子区域，以每个子区域的灰度均值X(i)( i=1,…,4)代表每个区域，则X可以被看成一个随机变量，那么局部变异系数被定义