图像边缘检测中的数据融合技术研究
[摘要]提出一种基于数据融合的图像边缘检测算法。实验结果证明融合后的边缘图像是一种有效的图像边缘检测方法。
[关键词]边缘检测 小波变换 数据融合
中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)0810033-01
一、引言
图像边缘是图像的基本特征之一,它包含对人类视觉和机器视觉有价值的物体边缘信息。图像中急剧变化的点,通常对应于代表图像结构的边缘部位,也就是图像信息的主要部分。传统的边缘检测方法如微分算子法,当检测图像纹理较为复杂的区域时通常失败,因而不稳定。新的边缘检测方法,如边界跟踪法,通用性不是很强。本文提出了一种综合的边缘检测方法。实验证明,采用该方法既有效地去除噪声干扰,又保留了图像边缘细节。
二、Sobel图像边缘检测算法
Sobel图像边缘检测算法是在图像空间利用两个方向模板与图像进行邻域卷积来完成的。Sobel算子的特点是它兼有图像平滑功能,抗噪声能力较强,可以提供较为精确的边缘方向信息。但是,在抗噪声好的同时增加了计算量,而且也会检测出伪边缘,定位精度不高。如果检测中对精度的要求不高,该方法较为常用。
三、小波变换
小波变换属于时频分析技术,在时域和频域都具有良好的局部化特性,小波变换的基函数不是固定不变的,因此,小波变换能够把信号分解成交织在一起的多种尺度成分,并对大小不同的尺度成分采用相应粗细的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节。设二维图像信号是二维平滑函数,满足:
对图像进行平滑后的图像为:
(3)
通常取尺度参数为 ,即转化为二进小波变换,对小波
作二进伸缩得到
变换的模和相角为:
模 沿 方向的局部极大值点对应于图像信号突变点(奇点)的位置,即图像的边缘位置。小波变换的极大值检测对应图像的边缘位置。
四、基于数据融合的边缘检测方法
单一的边缘检测方法只能从某一个方面反映图像的边缘信息,为了综合Sobel和小波变换两种方法的优点,本文提出一种基于数据融合的边缘检测方法,如下图所示。
首先,对原始图像分别采用改进Sobel算子、小波变换进行边缘检测。然后,将所得到的两幅边缘图像对应点的像素值加权平均,把两幅图像融合为一幅新的图像。最后再进行灰度阈值处理,去除不需要的多余信息,得到最终的边缘图像。
五、检测结果及分析
从实验结果上看,因为Sobel算子不是各向同性的,所以单独用Sobel算子检测出的边缘...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
