資源描述：
《基于多方向多尺度的強(qiáng)噪聲圖像邊緣檢測(cè)算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第29卷第4期2010年8月飛行器測(cè)控學(xué)報(bào)JournalofSpacecraftTT&CTechnologyV01．29NO．4Aug．2010基于多方向多尺度的強(qiáng)噪聲圖像邊緣檢測(cè)算法’王亮亮，李明，高昕(北京跟蹤與通信技術(shù)研究所·北京·100094)摘要：在噪聲圖像中如何有效地提取邊緣是圖像分析中的難點(diǎn)，至今還沒有得到圓滿解決。本文在修正的廣義形態(tài)邊緣檢測(cè)算子的基礎(chǔ)上，提出了基于多方向多尺度的強(qiáng)噪聲圖像邊緣檢測(cè)算法。該算法既能檢測(cè)出具有方向性的邊緣，還能有效抑制無方向性的噪聲。為驗(yàn)證算法的有效性，針對(duì)強(qiáng)噪聲圖像進(jìn)行了邊緣獲取實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明，該算法對(duì)獲取強(qiáng)噪聲的圖像
2、邊緣是非常有效的。關(guān)鍵詞：邊緣檢測(cè)；多方向；多尺度；結(jié)構(gòu)元素中圖分類號(hào)：TN911．73文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674—5620(2010)04一0033一04EdgeDetectionAlgorithmofHeavyNoisyImageBased0nMulti—DirectionandMulti—ScaleWANGLiang—liang，LIMing，GAOXin(BeijingInstituteofTrackingandTelecommunicationsTechnology，Beijing100094)Abstract：Efficientedgeextracti
3、oninanoisyimageisachallengeinthefieldofimageanalysisandnodesirablesolu-tionisyetavailable．Onthebasisofcorrectedgeneralmorphologicaledgedetectors，anedgedetectionalgorithmbasedOilmulti’directionandmulti—scaleisproposedforheavynoisyimageinthispaper．Itnotonlydetectsedgewithdirectionalitybuta
4、lsorestrainsnon-directionalnoiseeffectually．Totestvalidityofthealgorithm，aseriesofexperimentsareperformedandtheresultsshowthatthealgorithmiseffectivetodetecttheedgefromtheirheavynoisyimages．Keywords：EdgeDetection；MultH)irection；Multi—Scale；StructuralElementU引吾邊緣是圖像目標(biāo)的重要特征，它為圖像的識(shí)別、恢復(fù)、增強(qiáng)以及
5、重建提供了手段。邊緣檢測(cè)的困難在于噪聲和邊緣的取舍。邊緣和噪聲在空間域表現(xiàn)為灰度均有比較大的起落，在頻域均為高頻信號(hào)，容易混淆。如何在噪聲圖像中很好地提取邊緣是圖像處理中的熱點(diǎn)和難點(diǎn)n]。經(jīng)典的邊緣檢測(cè)方法(Sobel算子、I。OG算子、Canny算子等)引入了各種形式的微分運(yùn)算，在噪聲情況下，邊緣檢測(cè)效果較差乜]，而如果對(duì)噪聲圖像先濾波，則會(huì)不可避免地使邊緣模糊。數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)方法主要利用形態(tài)學(xué)梯度完成目標(biāo)邊緣的提取，其具有從形態(tài)上區(qū)分噪聲和邊緣的特點(diǎn)，在檢測(cè)圖像邊緣的連續(xù)性等方面優(yōu)于傳統(tǒng)算法‘3。引，其邊緣檢測(cè)的性能取決于結(jié)構(gòu)元素的選擇。本文基于廣義形態(tài)邊緣檢測(cè)
6、算子[5]，結(jié)合各項(xiàng)異性的形態(tài)學(xué)結(jié)構(gòu)元素及多尺度非均值加權(quán)的思想，提出了基于多方向多尺度的強(qiáng)噪聲圖像邊緣檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明，相較于傳統(tǒng)形態(tài)學(xué)算法，本文提出的算法對(duì)強(qiáng)噪聲圖像的邊緣檢測(cè)效果有很大改善。l修正的廣義形態(tài)邊緣檢測(cè)算子形態(tài)運(yùn)算利用預(yù)先定義的結(jié)構(gòu)元素對(duì)圖像進(jìn)行匹配，以達(dá)到提取信號(hào)、抑制噪聲的目的。形態(tài)腐蝕和開運(yùn)算可以抑制信號(hào)中的峰值(正脈沖)噪聲，而形態(tài)膨脹和閉運(yùn)算可以抑制信號(hào)中的底谷(負(fù)脈沖)噪聲。利用上述特征，設(shè)f(x，y)是輸入圖像，B(z，y)為結(jié)構(gòu)元素，可以得到抗噪型邊緣檢測(cè)算子叩]?？乖肱蛎浶停篏1(z，y)一(廠oB)oB一(，oB)·B(1)*
7、收稿日期：20】O一04—19#修回日期：2010--05--24‘第一作者簡(jiǎn)介：王亮亮(1984一)，男，碩士研究生，主要研究方向?yàn)槟繕?biāo)識(shí)別、圖像復(fù)原廈圖像分析，E—mail：yeyinmaoer@vip．qq．COITI34飛行器測(cè)控學(xué)報(bào)第29卷抗噪腐蝕型：G2(z，y)一(，·B)。B一(廠·B)eB(2)抗噪膨脹腐蝕型：G。(z，y)一(／oB)oB一(廠·B)@B(3)將該算子應(yīng)用于邊緣檢測(cè)時(shí)，正負(fù)脈沖的響應(yīng)都為零，可有效濾除噪聲。在此基礎(chǔ)h，文獻(xiàn)[5]提出在G。、G。、G。中采用不同的結(jié)構(gòu)元素，可以在濾除不同類型噪聲的同時(shí)達(dá)到
