数字视频边缘检测技术的研究.docxVIP

数字视频边缘检测技术的研究 近年来，随着数字数据处理技术的进步和公众对工作和生活环境的安全需求的增加，数字视频处理技术发展迅速。一方面, 计算机、多媒体和数据通信技术的发展为数字视频处理技术的普及应用提供了更好的平台和技术支持;另一方面, 大规模集成电路的飞速发展, 促使DSP的性能越来越完善, 能够满足图像处理时对数据处理速度的实时要求。基于DSP芯片设计的数字视频处理系统应用广泛, 其优点是DSP资源丰富、编程灵活、算法设计简单, 并且在系统软件开发中可采用模块化设计, 可提高系统的通用性, 缩短系统的开发周期。目前数字视频处理系统正在向智能化发展, 基于对象 (object-based) 的跟踪和识别是智能视频监控的核心 1 图像边缘检测算法 1.1 阶导数检测 图像边缘定义为图像中相邻像素灰度具有阶跃变化或屋顶变化的那些像素的集合。根据灰度信号变化特点, 边缘一般可分为阶跃状和屋顶状两大类 可见, 图像边缘的特征在于灰度信号的快速变化。对阶跃边缘, 这种变化为跳变, 其一阶导数在图像边缘位置处将产生一个尖脉冲, 而其他位置都为0, 这表明可用一阶导数的幅度值来检测边缘的存在。其二阶导数在一阶导数的阶跃上升区有一个向上的脉冲, 而在一阶导数的阶跃下降区有一个向下的脉冲, 在这两个脉冲之间有一个过0点, 它的位置正对应原图像中边缘的位置, 所以可用二阶导数的过0点检测边缘位置, 而用二阶导数在过0点附近的符号确定边缘像素在图像边缘的暗区或明区。 对屋顶状边缘, 屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到, 其波形变化为尖脉冲, 所以它的一阶导数将产生上下两个脉冲, 而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的, 通过检测屋顶状边缘剖面的一阶导数过0点, 可以确定屋顶位置。 1.2 阶导数法的边缘检测算子 基于一阶导数法的边缘检测算子的基本思想是:用一阶微分算子和图像卷积检测图像一阶导数的峰值或者谷值确定边缘, 基于一阶导数法的边缘检测算子有梯度算子、Roberts算子、Prewitt算子、Sobel算子、Canny算子等。 基于二阶导数法的边缘检测算子的基本思想是:用二阶微分算子和图像卷积检测图像二阶导数的零点确定边缘, 并可通过二阶导数的正负判断像素在明区还是暗区。基于二阶导数法的边缘检测算子有Laplacian (LoG) 算子、Marr算子等。另外还有基于能量最小化准则的全局提取图像边缘方法、神经网络法和现代信号处理技术中的小波变换多尺度分析的图像边缘提取方法和基于小波包分解的图像边缘提取算法 1.3 lapacian算子的主要特征 边缘检测离不开检测信号突变的基本思路, 这会导致算法对噪声敏感, 从而影响其检测效果。梯度算子只计算相邻像素的灰度差值, 所以对噪声比较敏感且无法抑制噪声的影响;Roberts算子利用局部差分算子寻找边缘, 定位比较准确, 对噪声敏感, 但是较梯度算子效果略好;Prewitt算子是一种边缘样板算子, 在检测边缘的同时, 能抑制噪声的影响;Sobel算子对像素4邻域采用带权方法计算差分, 噪声抑制好, 但是检测的边缘较宽;Kirsch算子在保持细节和抗噪声方面都有较好的效果, 但其得到的图像边缘存在连续性较差的问题 利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感, 所以, 希望在边缘增强前滤除噪声。为此, Marr和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一起, 形成LoG (Laplacian of Gaussian, LoG) 算法, 也称之为拉普拉斯高斯算法或Marr算法。它是在Laplacian算子的基础上实现的, 它得益于对人的视觉机理的研究, 有一定的生物学和生理学意义。由于Laplacian算子对噪声比较敏感, 为了减少噪声影响, 可先对图像进行平滑, 然后再用Laplacian算子检测边缘。LoG边缘检测器的基本特征是: 1) 平滑滤波器是高斯滤波器; 2) 增强步骤采用二阶导数 (二维拉普拉斯函数) ; 3) 边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值; 4) 使用线性内插方法在子像素分辨率水平上估计边缘的位置。 这种方法的特点是图像首先与高斯滤波器进行卷积, 这一步既平滑了图像又降低了噪声, 孤立的噪声点和较小的结构组织将被滤除。由于平滑会导致边缘的延展, 因此边缘检测器只考虑那些具有局部梯度最大值的点为边缘点。这一点可以用二阶导数的零交叉点来实现。拉普拉斯函数用作二维二阶导数的近似, 是因为它是一种无方向算子。为了避免检测出非显著边缘, 应选择一阶导数大于某一阈值的零交叉点作为边缘点。 平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用, 因此, 平滑函数采用正态分布的高斯函数, 即: 其中σ是方差。