基于四元数改进型最小核值相似区边缘检测.docVIP

基于四元数改进型最小核值相似区边缘检测 　　摘要 针对基于亮度和色度的彩色图像边缘检测在检测过程中忽略亮度和色度之间关联性而导致部分边缘不能有效地被检测出来的问题，提出了一种基于四元数的改进型最小核值相似区（SUSAN边缘检测算法。首先，利用四元数矢量旋转原理将HSI颜色空间的三维信息映射成二维平面信息实现空间降维，同时引入标量V来综合表示H、S、I三通道之间的关系；然后，将标量V作为算子的核函数；最后，利用改进的SUSAN算子完成图像的边缘检测。实验结果表明，提出的算法针对色度相同、饱和度存在差异以及饱和度相同、色度存在差异的彩色图像，在边缘检测的定位误差率上降低了1.5%。在实际的应用中，能够更好地获得图像中的目标信息，同时也为后续的分割和识别研究提供更好的先验知识。 　　关键词 彩色图像；四元数；空间降维；最小核值相似区；边缘检测 　　中图分类号 0 　　引言 　　边缘作为图像的特征之一，包含了大量的图像信息。因此，文献[1]指出有效的边缘检测对于图像的处理过程具有重要的意义。边缘是性质不同区域边界，反映了图像的局部区域特征。彩色图像边缘检测都是基于某种颜色空间下进行的，常用的有红绿蓝（Red Green Blue， RGB，色度饱和度亮度（Hue Saturation Value， HSV，色调饱和度强度（Hue Saturation Intensity， HSI，国际照明委员会色彩模型（Commission Internationale de IEclairage Luminanceab， CIELab彩色空间等。从应用最广泛的RGB空间出发， 文献[2]基于彩色图像中的亮度分量信息，利用灰度算子进行边缘检测，显然得到的是彩色图像的灰度边缘；与前者不同，文献[3]将灰度算子应用于各个颜色分量，然后通过类别方差进行阈值自适应选取，同时根据色彩不变特性对边缘分类，依据分类结果得到最终边缘。同样是基于各颜色分量的灰度边缘检测，文献[4]采用自适应阈值算法选取最优阈值，同时结合细化算法对边缘作精确提取。无论是单通道还是多通道的灰度检测其缺陷在于忽略了彩色空间分量之间的关联性，从而导致部分彩色边缘不能被检测出来。为了有效地检测出彩色边缘，文献[5]提出了一种融合亮度和颜色差异的彩色边缘检测方法，与以往方法相比，该算法能检测出更多的边缘细节。与前者不同，文献[6]基于物体表面材料反射模型，通过几何分析彩色图像通道间耦合特性并将其应用于彩色边缘检测。由于RGB空间各分量间存在很强的关联性，使得很难在该空间较好的实现彩色边缘检测，文献[7]从CIELab空间出发，将彩色图像的色差定义为相邻像素点的欧氏距离，使用色差代替亮度差实现彩色边缘检测；同样是CIELab空间，文献[8]分别对该空间的亮度分量L和颜色分量a、b进行分数阶微积分，获取亮度边缘和色度边缘，最后融合二者边缘，由于亮度与色度在反映图像边缘方面并非保持一致的，融合后的边缘存在扩张以及伪边缘现象。文献[9]利用色调距离计算色调图像的梯度以去除伪边缘，同时分析了饱和度对色调的影响，利用饱和度非线性函数模型控制的色调梯度计算方法，实现了新的彩色边缘检测。然而该方法是分通道处理同时构建通道关系函数，从而导致计算量和复杂度增大。文献[10]通过图像矩保持原理，将彩色空间映射到单维度处理，有效地降低了空间维度，较好地实现边缘检测。同样基于空间降维原理，文献[11]基于四元数理论提出了四元数分数阶微分（Quaternion Fractional Differential， QFD，然后将其应用于彩色图像的边缘检测。不同于前者，文献[12]通过提取图像的颜色主轴来表示图像的亮度和色度信息，从而将彩色图像降维成包含色度信息的灰度图像进行边缘检测，空间降维方法尽管简化了计算复杂度，但是忽视了RGB空间各通道之间的强关联性，从而导致部分彩色边缘无法检测出来。 　　文献[13-14]指出彩色图像与灰度图像在边缘上有近90%的相同信息，另外的10% 是彩色图像特有的，基于上述定义，彩色图像的边缘既反映了其灰度图中亮度的边缘同时也包含其彩色边缘。针对现有彩色图像的边缘检测存在的问题，本文提出了一种基于四元数的改进型最小核值相似区（Smallest Univalue Segment Assimilating Nucleus， SUSAN边缘检测算法。算法创新点有：1引入四元数将HSI空间映射为二维平面实现空间降维，有效地将图像各通道信息统一处理，抑制了多通道融合导致的边缘伪边缘现象；2改进SUSAN算子的核函数，实现彩色图像边缘检测。实验结果也验证了算法在有效的边缘检测数目上，效果优于多通道融合的边缘检测方法。 　　1.1算法描述 　　现有的彩色图像边缘检测方法通常忽略了颜色空间各通