資源描述：
《一種曲面擬合圖像邊緣特征提取算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、萬方數(shù)據(jù)2011年6月第38卷第3期西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)。丁()I刀RNAI，0FⅪDIANID咖RSnYJun．2011V01．38N0．3doi：10．3969／j．issn．1001—2400．2011．03．027一種曲面擬合圖像邊緣特征提取算法杜亞勤1，洪波2，郭雷1，楊寧1(1．西北工業(yè)大學(xué)自動(dòng)化學(xué)院，陜西西安710072；2．西安工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，陜西西安710032)摘要：針對(duì)傳統(tǒng)最小二乘支持向量回歸函數(shù)曲面擬合邊緣特征提取算法推廣性差的問題，提出首先在模糊特征平面對(duì)圖像進(jìn)行模糊去噪增強(qiáng)，使圖像各種邊緣信息凸顯，
2、弱化非邊緣信息；然后對(duì)圖像進(jìn)行最小二乘支持向量回歸函數(shù)曲面擬合，對(duì)擬合函數(shù)求導(dǎo)確定邊緣．在對(duì)每個(gè)點(diǎn)采用相同懲罰因子時(shí)，保證了圖像中每一像素的鄰域最佳函數(shù)擬合．仿真實(shí)驗(yàn)表明，該算法邊緣提取質(zhì)量清晰細(xì)致，效果較好，且各種參數(shù)的選擇不需人為調(diào)節(jié)，適合圖像預(yù)處理階段應(yīng)用．關(guān)鍵詞：模糊集；曲面擬合；邊緣檢測(cè)；最小二乘支持向量機(jī)；圖像處理中圖分類號(hào)：TP391．4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-2400(2011)03-0164-05NovelcurvefittingedgefeatureextractionalgorithmDUYaqinl，HONGB02，GU
3、OLeil，YANGNin91(1．Dept．ofAutomaticControl，NorthwesternPolytechnicalUniv．，Xi’an710072，China；2．ComputerScienceandEng．College，Xi’anTechnologicalUniv．，Xi’an710032，China)Abstract：Theedgecontainsmuchvisualinformationoftheimage，SOtheimagefeatureextractionisimportantinimageprocessing．Int
4、hispaper，theformerleastsquaressupportvectormachines(LS-SVM)ed薩featureextractionalgorithmisanalysed，anditisfoundthatitsuniversalityisweaken．Sothispaperproposesanovelmethodforedgeextraction，inwhichfirstlythedigitalimageistransferedtothefuzzycharacteristicplane，wheretheimageedgepart
5、isextruded，andtheotherpartisweakened．ThetheimageintensitysurfaceiswellfittedbytheLS—SVMfunction，inwhichthefirstandsecondderivativesarecalculated．Finally，theratllerfineimageedgefeaturecanbegained．ExperimentsshowthatthisalgorithmcanleadtoahiIghersegmentationqualityandthattheparamet
6、erscanbefixed，whichisveryusefulinimageprocessing．KeyWords：fuzzysets；curvefitting；edgedetection；leastsquaressupportvectormachines(Ls—SVM)；imageprocessing圖像的邊緣包含圖像許多重要視覺特征，提取邊緣特征是圖像壓縮、檢索等圖像處理的第1步．對(duì)此問題各國(guó)學(xué)者進(jìn)行了大量的研究，提出了許多算法¨引．其中曲面擬合法是一種常用的效果較好的圖像邊緣特征提取算法，檢測(cè)精度高．文獻(xiàn)[3]提出采用最小二乘支持向量(LS—SVM
7、)回歸函數(shù)作為曲面擬合函數(shù)對(duì)圖像提取邊緣特征，利用支持向量機(jī)在解決小樣本、非線性以及高維模式識(shí)別問題中顯示的特有優(yōu)勢(shì)來提取圖像邊緣特征，取得了較好效果．然而在LS—SVM中，每個(gè)輸入樣本被同等看待，每個(gè)樣本對(duì)應(yīng)的懲罰因子相同，易產(chǎn)生過擬合現(xiàn)象，導(dǎo)致算法推廣性能變差．文獻(xiàn)[4]對(duì)邊緣提取算法核函數(shù)及其各參數(shù)進(jìn)行了討論，針對(duì)不同圖像調(diào)節(jié)各參數(shù)可取得較好效果．但圖像特征提取是圖像處理前期的一種預(yù)處理形式，在不同的系統(tǒng)，如圖像檢索中，人為參與預(yù)處理階段參數(shù)調(diào)節(jié)的可能性很小，因此，該方法的處理效果會(huì)受到很大影響，收稿日期：2010—10·30基金項(xiàng)目：國(guó)家自然科學(xué)
8、基金資助項(xiàng)目(60675015)作者簡(jiǎn)介：杜亞勤(1972一)，女，副教授，西北
