边缘检测算法在推移质轮廓提取中的应用-中国水利水电科学研究院.pdfVIP

中国水利水电科学研究院第12届青年学术交流会论文 文章编号： 边缘检测算法在推移质轮廓提取中的应用 许琳娟，刘春晶，曹文洪 （中国水利水电科学研究院，流域水循环模拟与调控国家重点实验室，北京，100048； 中国水利水电科学研究院，水利部水沙科学与江河治理重点实验室，北京，100048； 中国水利水电科学研究院，泥沙研究所，北京，100048） 摘要：河流中推移质颗粒的运动是一个十分复杂的问题。本文利用边缘检测技术对拍摄的推移质泥沙 颗粒图像进行处理，提取泥沙颗粒的轮廓，为获取泥沙颗粒的位置坐标及计算推移质输沙率提供基础。 文中首先介绍了边缘检测的原理及几种常用的边缘检测算子，指出了各种算子的优缺点，并利用各种 算子对泥沙颗粒的边缘轮廓进行提取。通过分析几种算子边缘检测的结果可知，Sobel算子在最佳阈值 处检测到的泥沙颗粒数量与原图最为接近，且提取的图像边缘效果较好，因此在处理含有泥沙颗粒的 图像时，推荐首先选用Sobel算子。 关键词：边缘检测；轮廓提取；泥沙颗粒；图像处理；阈值选取 0 引言 边缘检测是数字图像处理的基本技术，在图像分割、图像特征提取、模式识别等方面具 有广泛应用，其检测精度结果的好坏对于图像的特征提取、目标识别等有着重要的影响。利 用边缘检测技术，对拍摄的运动推移质颗粒图像进行处理，可获得推移质颗粒的轮廓及位置 坐标，为计算推移质输沙率提供了基础。 图像中包含着大量的信息量，对图像进行有效的边缘检测，可以从大量的信息中去除无 效信息，快速获取所要研究的有效信息。而怎样对图像进行精确的边缘检测，一直是人们关 [1] 注的热点。赵春江等 在梯度算子法的基础上，和提出了一种新的边缘增强算法，对于边缘 [2] 不明显的图像提取效果较好，但是此算法中的增强系数无法智能选取。黄剑玲等 将改进的 Log 算子和小波变换分别对原图像进行边缘检测，并将检测后的数据融合为最终的图像边缘， [3] 虽然结果较好，但却降低了边缘的提取速度。郭永宁等 提出一种新的基于模糊理论的边缘 检测的新方法，并与传统的Sobel，Log 和Prewitt 算法相比较，结果虽然比传统方法好，但 [4] 是计算复杂。徐腊梅等 将邓氏关联度和 Prewitt 算子相结合进行边缘检测，当图像的灰度 区域变化幅度较小的时候，提取的边缘较为完整，对于梯度幅度变化大的灰度图像，提取效 果一般。以上研究所采用的算法，都是针对经典图像或背景单一、线条简单的图像进行的边 缘检测；而对于背景复杂，实际应用中拍摄的图像的边缘提取，以上算法将不太适用。 基于前人的研究，本文介绍了边缘检测的原理和几种常见的边缘检测算子(如 Sobel 算 子、Prewitt 算子、Roberts 算子、Laplacian 算子、Log 算子)，选用水槽实验拍摄的推移质泥 沙颗粒图像，其图像具有背景噪声影响大，图像复杂，边缘模糊的特点，用边缘检测的方法 对选取图像进行处理，利用每种算子对推移质泥沙颗粒的轮廓进行提取，同时将它们边缘轮 廓检测的结果进行对比分析。 收稿日期：论文未公开发表过 基金项目：十二五科技支撑课题（2012BAB04B01 ；2013BAB12B01 ）；中国水科院科研专项（泥基本科研1457；1442）； 国家自然科学基金。 作者简介：许琳娟 （1984- ），女，河南省巩义市，博士生，主要从事水力学及河流动力学工作。E_mail:282957173@ 1 边缘检测原理 图像边缘是指具有图像局部特征的不连续性，邻域灰度值有反差变化的像素点的集合， [5] 如图像颜色的突变，图像灰度的突变，图像纹理的突变等 。边缘广泛存在与物体与背景、 目标与目标、区域与区域之间，它是图像的基本特征，包含了图像的大部分信息，是图像分 割、图像识别等的重要基础。 边缘检测就是根据图像中背景和目标物纹理或灰度特性上的突变性或不连续