基于红外图像的边缘特征提取大学论文.docx
《基于红外图像的边缘特征提取大学论文.docx》由会员分享，可在线阅读，更多相关《基于红外图像的边缘特征提取大学论文.docx（14页珍藏版）》请在冰豆网上搜索。
基于红外图像的边缘特征提取大学论文
基于红外图像的边缘特征提取
摘要：
对红外图像的边缘特征进行提取时需进行预处理，其作用是将获取的红外图像进行加工恢复增强图像中有用的信息，弱化去除图像中没有用的干扰信息，提高红外图像质量为图像特征的提取做准备，提高特征提取的精度。
红外图像的特征提取是指采用人工或自动的方法检测图像中的不变特征。
根据不同的特征用不同的算子进行图像特征的提取。
本文对现有代表性的各种图像边缘提取方法进行了介绍，对比、分析了各自的优缺点。
关键词：
红外图像；边缘特征，特征提取；算子
BasedontheEdgeofInfraredImageFeatureExtraction
ShenDong-sheng,CollegeofPhysicsandElectronicInformation
Abstract:
Theedgefeatureofinfraredimageswereextractedwhentheneedforpretreatment,anditsroleistoinfraredimagewillobtaintheimageenhancementprocessingrecoveryofusefulinformation,weakeningtheremovalofnointerferencewiththeinformationintheimage,improvethequalityoftheinfraredimagestoextracttheimagefeaturesforprepare,improvetheaccuracyoffeatureextraction.Featureextractionofinfraredimagereferstotheuseofthemethodofmanualorautomaticdetectionofinvariantfeaturesintheimage.Extractionaccordingtothedifferentcharacterswithdifferentoperatorsforimagefeature.Thispaperintroducestheextractionmethodforexistingrepresentativeofvariousimageedge,contrast,analyzestheiradvantagesanddisadvantages.
Keywords:
infraredimage;edgefeature,featureextraction;operator
引言
图像最基本的特征是边缘，边缘是图像性区域和另一个属性区域的交接处，是区域属性发生突变的地方，是图像中不确定性最大的地方，也是图像信息最集中的地方，图像的边缘包含着丰富的信息。
因此，图像的边缘提取在计算机视觉系统的初级处理中具有关键作用，但目前仍是“瓶颈”问题。
边缘检测技术对于数字图像是非常重要的，提取出边缘才能将目标和背景区分开来。
对几种最常用的图像边缘提取算法给出实验结果，并进行结果对比与分析。
1边缘特征提取算法
微分边缘提取算子就是利用微分提取图像的梯度特征从而检测出图像的边缘,可以分为一阶微分边缘检测算子和二阶微分边缘检测算子.有代表性的一阶微分边缘检测算子包括Roberts算子、Sobel算子、Prewitt算子、Canny算子等，其中：
因为Sobel算子计算简单，Canny算子定位精确、抗噪声能力强，所以广泛应用于红外图像的边缘特征提取[1]。
有代表性的二阶微分边缘检测算子包括Laplacian算子、LOG算子等，LOG算子的性能优于Laplacian算子。
1.1一阶微分算子法
图像边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。
图像边缘特征提取方法大致可分为:
基于经典微分边缘检测算子的提取方法、多尺度边缘检测方法、模糊增强边缘检测方法等.边缘的检测可借助空域微分算子通过卷积完成，导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法[2]，提取边界点集
一阶导数
与
是最简单的导数算子，一个连续函数
在位置
处方向导数的最大值
=
，称为梯度模，相应的，取得最大值的方向为
。
利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。
在实际中，对于一幅数字图像采用了梯度模的近似形式，如常用的罗伯特交叉算子（RobertsCross）和索贝尔算子（Sobel）的表达式分别为：
边缘检测算子检查每个象素的领域并对灰度变化率进行量化,也包含方向的确定。
这里我使用的是Roberts边缘检测算子法。
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子。
它在实际应用中可用如下公式表示
1）Roberts算子表达式为：
=max（
，
）
和使用Sobel算子和算子的方法一样，类似地也可以得到Prewitt算子和Krisch算子卷积核形式，只不过这里Prewitt算子是使用了另两个不同的卷积核，而Krisch算子则是使用8个卷积核[3]，分别代表8个特定的边缘方向。
由于边缘的图像灰度变化并不十分陡峭，图像中存在噪声，直接利用微分算子提取边界后，还需作某些处理（如连接及细化）才能形成一条有意义的边界。
2）Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差。
其原理是在图像空间利用两个方向模板与图
像模板一个检测水平边缘，一个检测垂直边缘。
对数字图像f（x，y），Prewitt算子的定义如下：
G（i）=|[f（i-1,j-1）+f（i-1,j）+f（i-1，j+1）]-[f（i+1,j-1）+f（i+1，j）+f（i+1，j+1）]|
G（j）=|[f（i-1,j+1）+f（i,j+1）+f（i+1，j+1）]-[f（i-1,j-1）+f（i,j-1）+f（i+1，j-1）]|
则P（i,j）=max[G（i）,G（j）]或P（i,j）=G（i）+G（j）
经典Prewitt算子认为：
凡灰度新值大于或等于阈值的像素点都是边缘点。
即选择适当的阈值T，若P（i,j）≥T，则（i,j）为边缘点，P（i,j）为边缘图像。
这种判定是欠合理的，会造成边缘点的误判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。
3）Sobel算法Sobel边缘检测算子。
Sobel算子包含2个3*3模板，l个用于检测水平边缘，一个用于检测，得到每个像素的水平和垂直方向的近似梯度值，然后结合2个梯度值得到图像的梯度值和梯度方向。
-1
-2
-1
1
2
1
-1
1
-2
2
-1
1
图1.1Sobel边缘检测算子
Sobel算子表达式为
由于Sobel算子是滤波算子的形式，可以利用快速卷积函数，简单有效，所以应用广泛。
但是Sobel算子只能检测水平和垂直2个方向的边缘，一般用于精度要求不高的情况。
4）Canny边缘检测算子
Canny算子求边缘点具体算法步骤如下：
用高斯滤波器平滑图像.
用一阶偏导有限差分计算梯度幅值和方向.
Gx=[f（x+1,y）-f（x,y）+f（x+1,y+1）-f（x,y+1）]/2
Gy=[f（x,y+1）-f（x,y）+f（x+1,y+1）-f（x+1,y）]/2
对梯度幅值进行非极大值抑制．
仅得到全局的梯度并不足以确定边缘，为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。
图1.2边缘和梯度方向示意图
1
2
3
8
4
7
6
5
图1.3梯度角离散图图1.4邻域图
将梯度角离散为圆周的四个扇区之一，以便用3*3的窗口作抑制运算。
四个扇区的标号为0到3。
对应3*3领域的四种可能组合。
在每一点上，领域的中心象素M[x,y]与沿着梯度线的两个象素比。
如果M[x,y]的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M[x,y]=0.
Canny算子无论在定位精度还是抗噪声方面[4]，明显优于其他的一阶微分边缘检测算子.低出错率、定位准确、单边缘响应，这是边缘检测通用的最优准则。
基于该准则，用Gaussian函数的导数作为最佳边缘检测算子，即Canny算子。
具体步骤如下：
①用二维高斯函数与图像进行卷积运算，这样做的目的是对原图像进行平滑滤波；②对第一步中得到的卷积后的图像做微分计算，得到每个像素的梯度的大小和方向；③对梯度进行非极大值抑制（Non-MaximaSuppression，NMS），细化图像边缘。
判断梯度值是否为局部极大值，把边缘细化为单像素；④阈值化和边缘连接，提高检测准确度。
经过极大值抑制并且阈值化后的结果是一个图像的边缘阵列，其中仍然有假边缘的存在。
采用双阈值作用于该边缘阵列，由高阈值得到的边缘图像含有很少的假边缘，但是同时也失去了一些有用的边缘信息；而由低阈值得到的边缘图像则保留了较多的信息。
因此，可以以提高阈值得到的边缘图像为基础，以低阈值得到的图像为补充来连接图像的边缘。
1.2二阶微分算子法
1）LOG边缘检测算子。
LOG算子来源于Marr视觉理论中提出的边缘提取思想,即先对原始图像进行平滑处理[5],从而实现对噪声最大程度的抑制,再对平滑后的图像提取边缘。
LOG算子被誉为最佳边缘检测算子之一。
高斯一拉普拉斯（LaplacianofGaussian，LOG）算子利用高斯函数作为平滑函数，然后用拉普拉斯算子提取二阶导数的过零交叉点进行边缘检测。
理论上，边缘点应处于一阶导数的峰值点，在这些点上，二阶导数为0。
在小波分析中，LOG算子被称为墨西哥草帽小波。
其中Laplacian微分算子定义
最单间的各项同性微分算子是拉普拉斯算子，一个二维图像f（x,y）的拉普拉斯微分算子的定义如下：
将上式变换得
写成权系数矩阵模板为
LOG算子的基本步骤如下：
采用二维高斯滤波器平滑滤波；
采用二维拉普算子进行图像增强；
依据二阶导数零交叉进行边缘检测。
二维高斯滤波器的函数
用
与原始图像
进行卷积[6]，得到平滑图像
）
其中*是卷积运算符，再用拉普拉斯算子
来获取平滑图像
的二阶方向导数图像
。
由线性系统中卷积和微分的可交换性可得：
对图像的高斯平滑滤波与拉普拉斯微分运算可以结合成一个卷积算子：
式中
即为LOG算子，又称为高斯拉普拉斯算子。
求取
的零穿点轨迹即可得到图像
的边缘。
以
对原始灰度图像进行卷积运算后提取的零交叉点作为边缘点。
2）改进的LOG边缘检测算法
1双边滤波
Tomasi和Manduchi于1998年提出了双边滤波算法[7]。
该算法加权系数不仅考虑了像素间的距离，同时也考虑了灰度相似性。
双边滤波方法可用如下公式表示：
其中
为去噪后图像,
为空间域权值,
为原图像,
为像素
处的邻域范围。
同理,在灰度范围内进行滤波与空间范围内滤波的方法相似。
它可表示为:
其中
为灰度域权值，将空间邻近度与灰度相似度相结合进行滤波,就得到双边滤波为：
在图像变化较为平缓的区域,其邻域内像素灰度值相差不大,双边滤波转化为高斯低通滤波器；在图像变化剧烈的区域,滤波器用边缘点邻域内灰度相似的像素点的灰度平均值代替原灰度值。
因此,双边滤波器既平滑了图像,又保护了图像边缘。
2算法描述
双边滤波既可以较好地去除图像噪声，又可以保护图像的边缘信息，解决了LOG算子使用高斯滤波后图像模糊和边缘丢失问题。
一般情况下，它的空间邻近度函数
和灰度相似度函数
都取为参数为欧几里得距离的高斯函数[8],通常定义为:
其中，
为基于高斯函数的空间标准差，
为基于高斯函数的灰度标准差。
将原始图像
与
进行卷积运算，得出平滑后的图像
，即：
这样既平滑了图像又降低了噪声，孤立的噪声点和一些较小的结构组织将被滤除，同时保护了图像边缘。
图像增强仍采用二维拉普算子进行处理。
得出：
拉普拉斯算子是一个二阶微分算子，它可在边缘处产生一个陡峭的零交叉，即一个由正到负的过零点，最后依据零交叉点进行边缘检测。
2Hough变换提取线特征算法。
Hough变换是一种常用的图像边缘检测技术[9]，它可以识别和检测图像空间的任意解析曲线。
Hough变换的本质是从图像空间到参数空间的映射，其基本思想是把解析曲线从图像空间映射到以参数为坐标的参数空间中，根据参数空间的一些标识反过来确定曲线的参数值，进而得出图像空间中各边界的确定性描述。
这样，Hough变换就把图像空间中较为困难的全局检测问题转化为参数空间中相对容易的局部峰值检测问题。
直线
用极坐标表示为
以参数
和
定义一个二维空间。
平面上的任意一条直线对应了
空间上的一个点，
平面上的一个点则对应
空间上的一条正弦曲线。
如果有一条由
和
确定的直线边缘，其上的每一个点都对应了
空间上的一条正弦曲线。
所有的这些曲线必定交于一点（
）。
通过检测
空间中重复次数多的点，作为参数拟合直线。
下图是本文通过Hough变换提取红外图像直线特征的流程图，红外图像经过一些预处理后，先对边缘进行Sobel提取，再通过霍夫变换将直线特征提取出来。
图2.1霍夫变换提取直线特征流程
3实验结果及分析
本实验采用原图像素为80*118的红外线图像，在MATLAB中进行图像各种算法处理变换的出下列结果
图3.1原图图3.2Roberts算子
图3.3Prewitt算子图3.4Sobel算子
图3.5Canny算子图3.6LOG边缘检测算子
图3.1为红外线原始图像，图3.2~3.6分别对应Roberts、Prewitt、Sobel、Candy、Log算子边缘提取结果[10]。
由上面图片比较得出Roberts提取边缘的结果边缘较粗，边缘定位不是很明显，很容易丢失一部分边缘，而且没有经过图像平滑计算，不能抑制噪声。
Sobel和Prewitt提取边缘的结果较为相似，虽然对噪声有平滑作用，但是也产生了一些伪装边缘，是的边缘比较粗，降低了检测定位精度。
Log和Laplacian是两种结合算子其图像的边缘提取结果比较完整，边缘提取较为准确，但是含有噪声点。
Candy算子是一类最优边缘检测算子，提取边缘最为完整，连续性好，定位也很准确，这主要是它进行了“非极大值抑制”和形态学链接操作的结果。
4结束语
经典的特征提取算法，而关于图像边缘特征的提取，
介绍了Sobel算子、Roberts算子、Prewitt算子、Canny算子和LOG（LaplaceGauss）算子，并分析了这几种算子的优点和不足。
还在对图像进行霍夫变换提取直线特征时，综合运用了图像预处理的几种基本的算法，针对红外图像的自身的特点，设计了一个预处理的系统流程，不仅有灰度均衡、滤波去噪，还有阈值变换、开运算等，得到了比较好的提取效果。
经典的特征提取算法，而关于图像边缘特征的提取，还在对图像进行霍夫变换提取直线特征时，综合运用了图像预处理的几种基本的算法，针对红外图像的自身的特点，设计了一个预处理的系统流程，不仅有灰度均衡、滤波去噪，还有阈值变换、开运算等，得到了比较好的提取效果。
附录
边缘提取的matlab源代码：
H=imread（'tuxiang.jpg'）;
b1=rgb2gray（H）;
h58=fspecial（'gaussia',5,0.8）;%高斯滤波器
b=imfilter（b1,h58）;
bw1=edge（b,'sobel'）;%sobel算子
bw2=edge（b,'prewitt'）;%prewitt算子
bw3=edge（b,'roberts'）;%roberts算子
bw4=edge（b,'log'）;%log算子
bw5=edge（b,'canny'）;%canny算子
figure;imshow（bw1）;imwrite（bw1,'bwsobel.jpg'）;
figure;imshow（bw2）;imwrite（bw2,'bwprewitt.jpg'）;
figure;imshow（bw3）;imwrite（bw3,'bwroberts.jpg'）;
figure;imshow（bw4）;imwrite（bw4,'bwlog.jpg'）;
figure;imshow（bw5）;imwrite（bw5,'bwcanny.jpg'）;
代码功能：
现将红外线彩色图像在MATLAB软件环境中转化为灰度图像。
然后进行高斯滤波，最后在进行各中想要算子对图像边缘特征提取处理
参考文献：
[1]王润生.图像理解[M].长沙:
国防科技大学出版社，
1998
[2]文贡坚，王润生.一种稳健的直线提取算法[J].软件学
报,2001,12（11）:
1660-16661.
[3]孙即祥编著.数字图像处理[M].河北教育出版社，1993-06
[4]游素亚,杨静.图像边缘检测技术的发展与现状[J].电子科技导报，1995,（8）：
25-28
[5]陆宗骐，梁诚.用Sobel算子细化边缘[J].中国图象图形学报，2000，5（6）:
516-520.
[6]李国宽，彭嘉雄.基于小波变换的红外成像弱小目标检测方法[J].华中理工大学学报,2000,28（5）:
69-71.
[7]王学伟,张卫国,沈同圣,等.飞机目标动态红外图像的计算机生成[J].红外与激光工程,1999,28
（2）:
21-24.
[8]徐英.红外图像序列中运动弱小目标检测的方法研究[J].红外技术，2002,24（6）:
27-30.
[9]孙德宝,周卫祥,彭嘉雄.红外图像序列运动小目标检测的出路算法研究[J].红外与激光工程,2000,29
（2）:
12-14.
[10]CormacHerley,ZixiangXiong.Jointspace-frequencysegmentationusingbalancedwaveletpackedtreesforleast-costimagerepresenta-tion[J].IEEETransOnImageProcessings1997,6（9）:
1213-1230
[10]阮秋琦编著.数字图像处理学[M].电子工业出版社，2001-01
升级会员 