彩色图像的边缘提取技术.docVIP

彩色图像的边缘提取技术 摘要：图像的边缘是图像的基本特征，也是图像信息的最大集中区域，边缘提取对图像场景的识别与理解十分重要，在计算机视觉系统的应用领域中具有关键作用。图像局部特征变化不连续的这部分像素的集合叫做边缘，例如灰度值、颜色、纹理结构等的突变，边缘可能存在于图像中的物体和物体之间、物体和背景之间。边缘提取可以广泛应用在特征提取、图像分割、图像识别等领域，是进行图像理解基本的预处理过程。进行边缘提取，可以在减少数据量的同时表达图像的特征，为图像识别提供有用的信息。 对于人类视觉系统来说，识别和理解自然图像是一个渐进和分层的过程。鉴于这一原理，我们提出了一种多通道的边缘提取技术，该技术的新颖之处在于使用了双向跟踪策略。首先对彩色图像的三个通道(R、G、B)分别进行边缘检测;再按照边缘数目排序;对边缘数目少的边缘图下跟踪(Forward tracking，FT)到相邻的边缘数目多的边缘图，然后对下跟踪的结果进行到边缘数目多的边缘图的上确认(Backward confirm，BC)操作;迭代双向跟踪得到最终输出结果。采用双向跟踪的策略，可以融合不同通道下的边缘信息，在保证边缘精度的同时有效抑制噪声，生成的边缘比现有的一些算法产生的边缘图效果更好。实验结果表明，本文算法在主观评测和客观性能指标评估中都优于目前先进的边缘提取算法。 关键词：彩色图像;边缘提取;双向跟踪;上跟踪;下确认;彩色通道 前言 人类主要通过视觉来从外界获得信息，而图像又是人类获得视觉信息的主要来源。边缘是图像最基本的特征，边缘提取能够减少所要处理的信息量，却又保留了对图像理解有用的信息，因此边缘提取在计算机视觉领域和工程应用中占据着非常重要的地位。生活经验让我们知道，当我们得到图像的边缘信息时，数据量会大大减少，为识别和分析图像简化时间、精力。并且在实际的生活中，我们通过理解纹理来理解图像，而理解纹理就需要我们对图像进行边缘提取。作为图像处理之中最基础和最重要的任务之一，边缘提取的精度对图像处理技术的结果有着直接的影响，比如图像复原、数据编码、物体识别和跟踪等。 因为边缘提取的重要性，20世纪60年代Roberts提出的Roberts算子在许多边缘提取的新算法中仍然被使用来进行梯度计算;还有1970s提出的Kirsch算子、Robinson算子也成为经典的边缘提取算法;Canny算法虽然历史久远，至今依然是一种标准的边缘提取算法。这些传统的算子大多对噪声很敏感，所以处理起实际图像的效果并不让人满意。近年来更多的边缘提取算法被相继提出，例如基于小波的边缘提取算法、基于数学形态的、基于神经网络的边缘提取算法等，这些算法有的注重爆照边缘精度，有的在去噪方面有更大的优势。通过这些研究的研究方向来看，学者们对于边缘提取的研究有着较为明显的趋势。即引入新方法、新概念，将多种方法有效的结合运用;不l 第一章 绪论 1.1课题研究背景及意义 信息技术随着科学技术的疾速发展也取得了进步，这使得人类社会进入到了信息资源成为了重要的战略资源的信息时代。随着多媒体技术的普及，图像作为信息载体之一已经越来越多地应用于各个行业的各个领域。根据人物的主观体验，图像可以获得更直观的内容信息。随着近年来微博、信等社交平台的广泛应用，大量图像信息在网络平台上传播，人们获取图像愈加便捷，图像内容愈加丰富多彩，新媒体，图像信息越来越引起计算机视觉研究者的关注和重视。图像处理技术普遍被应用于工农业、航空航天、医学业、军工业和公共安全等各种社会领域。 图像的边缘，通常都是图像灰度或色彩产生剧烈变动的地方。这些变动通常是由物体的形态结构，物体外表面反射的光或环境光变化引起的。它不仅能够传递图像的大部分信息，还能勾画出物体的基本轮廓，获取图像识别，修复，增强，重建等重要手段。 长期以来，人们通过对灰度图像边缘提取进行的大量研究，取得了较好的成果。但是，能够比灰度图像提供更多信息的就是彩色图像。例如图1.1所示，我们可以通过颜色差异清楚地区分彩色图像的边缘。有研究显示，与灰度图像中相同的边缘在彩色图像中约占有百分之九十，即有百分之十的边缘在灰度图像中是检测不到的[2]。因为这个原因，彩色图像的处理受到了广泛的关注。 图1.1 彩色图像的边缘图 彩色图像边缘提取技术普遍应用在工业检测、运动检测、人脸识别、图像分割等领域，图像边缘提取的结果对物体的检测和识别有很大的影响。因为图像中存在各种类型的对边缘检测结果影响很大的噪声，有些参数就需要手动设置，也就是说自适应的能力很差，对于彩色图像来说，目前还没有太多的边缘提取技术有很好的性能。一般来说，彩色图像的边缘提取技术还不够成熟。在实际项目中，彩色图像的边缘提取技