基于anny算子的年轮边界特征提取方法.docVIP

基于Canny算子的年轮边界特征提取方法 边缘信息是图像的重要特征之一，而且 边缘检测技术在图像分割、目标识别、区域形态提取 等计算机处理领域中发挥着重要作用。针对树木年轮 边界特征在复杂背景下提取难的问题，选用并研究 Canny算子来提取年轮的边界特征，仿真结果表明， 该方法识别复杂树木年轮线的效果较好，为树木年轮 参数测量做准备 关键词：树轮图像；Canny算子；边缘检测；特 征提取 0引言 在计算机视觉研宄领域中，特征提取一直是一个 值得探讨的问题，这一问题研究是与数字图像处理技 术的发展密不可分。随着科技的发展、研究的深入和 技术手段的不断进步，数字图像边缘检测技术的应用 范围也越来越广泛，在图像分割、运动检测、目标跟 踪、人脸识别等领域中发挥着重要作用。图像的边缘 信息是图像的重要特征，它包含了用于识别图像的有 用信息，可以检测和识别图像，进行特征提取。因此 像边缘检测技术是图像处理技术的研宄热点之一，如何消除在处理图像时噪声干扰带来的虚假边缘，并 保证检测出的边缘信息更加清晰、准确，提高边缘检 测精度和探索边缘检测技术在实际工程中的应用是边 缘检测技术的重要研宄内容 从一幅图像中提取出什么样的特征，主要由研究 者所关心的具体问题来决定，图像特征的提取通常是 以经验为先导，需要具体问题具体分析。本文中，针 对年轮的边界特征提取就是从处理后的结果图像中有 效提取年轮边界信息，为树木年轮参数测量做准备。 1年轮图像的特征描述 年轮图像是由一系列有规律的明暗轮圈构成，它 们的几何形状和宽度变化彼此是不均匀的，每一个轮 包括浅色调的早材和深色调的晚材两部分，表征树 木生长的一个周期。正常情况下每年形成一个生长环， 即生长轮，也叫年轮或树轮［1］。在年轮图像的获取过 程中，树脂道斑、采样过程中的损伤斑驳、样本自身 裂痕以及打磨留下的擦纹等，都会引起图像的噪声。 2年轮边界特征提取的一般方法 一般来讲，代表图像二维特征的有边缘、区域、 形状和纹理等特征。不同的边界特征有不同的提取方 法。 形状特征 形状特征是指图像中物体的几何特征，根据其几 何形状又分为块状形的和线形的形状特征［1］。 区域分割 区域分割［2］是把图像分割成具有某种意义的部 分图像(如对象物区域与背景区域)的方法。最简单 的方法就是二值化处理，其关键在于阈值的确定。 纹理特征 纹理［3］ (texture)可认为是灰度和颜色的二维变 化图案，是区域所具有的重要特征之一。不管是什么 样的东西，若一直放大下去再进行观察的话，就一定 能显现出纹理。 边缘检测 边缘检测［4-5］的基本思想是在图像物体的边界处， 灰度存在着急剧变化。因此，寻找灰度变化较大的点 就能找到边缘。常用方法有： 一次微分 一次微分的离散形式，即差分为： 由于微分反映了函数的变化率，因此当大于某一 阈值时就表明在点处灰度有较大变化，该处就可能是 边缘的一个点。在很多场合，常采用反映梯度的各种 边缘检测算子，如Roberts算子，Sobel算子等。 二次微分 由于一次微分是一种向量，与标量相比它的数据 存储量大，并且在斜率一样的宽区域上，若把全部区 域都当作边缘取出时，情况有时会变化。故有必要做 二次微分，即采用二阶差分，这就是拉普拉斯算子 (LoG)。 3 Canny算子的边缘检测算法 Canny算子考核边缘检测的指标有：低误判率(信 噪比准则)；高定位精度(定位精度准则)；抑制虚假 边缘(单边缘响应准则)。 信噪比准则。即丢失真实边缘检测的概率 要低，同时将非边缘点误判为边缘点的概率要低。信 噪比的数学表达式为： 式中：为边界是的滤波器的脉冲响应；为边界 函数；为高斯噪声的均方差。惹信噪比越大，则边缘 提取质量越好。 定位精度准则。即检测出来边缘上的点应 该和实际边缘的点最相近。定位精准的数学表达式为: 式中：和分别是和的一阶导数。Location的 值越大，则定位精度就越大。 单边缘响应准则。即要保证单边缘只有一 个像素响应，检测算子的脉冲响应导数的零交叉点平 均距离应满足为的二阶导数，即为： 该算子的边缘检测步骤：第一，先对树木年轮彩 色图像进行灰度化处理；第二，对待处理的灰度图像 选用一定的Giiass滤波器进行平滑降噪处理；第三， 用一阶偏导的有限差分来计算梯度的幅值和方向；并 且对梯度幅值进行非极大值抑制；第四，利用双阈值 检测和连接边缘。该算子与其它边缘检测算子的差别 在于，它使用两个不同的阈值分别检测强边缘和弱边 缘，而且仅当强边缘与弱边缘相连时才将弱边缘包含 在输出图像中，因此，该算子不容易受到噪声的干扰， 能够检测到真正的弱边缘。 4仿真实验分析 在对树轮图像进行边缘检测前，首先对原始图像 进行中值滤波处理。为了验证Canny边缘检测算子的 效果，分别采用 Robert