自适应阈值分割的图像边缘检测方法研究

自适应阈值分割的图像边缘检测方法研究

ID:14817720

大小:30.00 KB

页数:10页

时间:2018-07-30

自适应阈值分割的图像边缘检测方法研究_第1页
自适应阈值分割的图像边缘检测方法研究_第2页
自适应阈值分割的图像边缘检测方法研究_第3页
自适应阈值分割的图像边缘检测方法研究_第4页
自适应阈值分割的图像边缘检测方法研究_第5页
资源描述:

《自适应阈值分割的图像边缘检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、自适应阈值分割的图像边缘检测方法研究自适应阚值分割的图像边缘检测方法研究——高岚廖云良朱波华,等自适应阈值分割的图像边缘检测方法研究高岚廖云良朱波华李俊周金勇(武汉理工大学武汉430063)摘要边缘是图像视觉中的一种重要信息,是图像最基本的特征之一.在边缘检测过程中为了消除传统分水线算法引起的过分割现象,给出了一种新的过分割区域合并算法,该方法能把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域.然后利用轮廓提取算法去除图像内部的像素点,经最后处理得到的部分即是图像的边缘.关键词水线阈值;轮廓提取;边缘检测中围法分类号:TP301文献标识码:AO前言图像边缘表示为图像信息的

2、某种不连续性(如灰度突变,纹理及色彩的变化等).边缘检测是图像分析和模式识别的主要特征提取手段,检测的结果直接决定着后续处理的精度与结果[1].正是由于边缘检测具有非常重要的实用价值,所以人们一直致力于研究和解决如何构造具有良好性质的边缘检测算子的问题.人们已经提出了一些较好的基于模板和梯度的算法[2],传统经典的边缘提取方法利用边缘邻近区域的一阶或二阶方向导数变化规律来检测边缘.例如Sobel算子是基于一阶方向导数在边缘处取最大值的变化规律来提取边缘的.虽然这些算子计算简单,速度较快,但都存在如下缺陷:对噪声的干扰都很敏感;会引起图像中相邻区域边缘的重叠;在噪声较大时,这些算子可能

3、无法检测图像可靠的边缘位置.后来,人们又根据所需检测的图像的基本形状,提出了直线检测嘲,图像边界的角点检测[4等方法;但这些方法又具有一定的局限性:它们仅对单一的边缘有效,对复杂图像的边缘不能取得更好的效果.针对上述问题,笔者提出一种利用阈值分割和轮廓提取相结合的方法实现图像边缘的精确检测,有效地抑制噪声干扰的影响,保证了图像边缘的连续性,完整性和精确定位.1图像边缘的精确检测1.1基本原理在图像边缘的检测过程中,为了有效地抑制收稿日期:2007—07—27噪声的影响[5],同时更准确地检测出图像边缘的门限值.可以通过水线算法进行图像分割,然后再利用轮廓提取算法去除图像内部像素点,最

4、后得到的剩余部分即是图像的边缘.这样通过对各像素点自身灰度值的分析和计算,避免了在边缘检测的计算过程中,使噪声干扰的影响进一步扩大,损坏图像边缘.1.2自适应阈值分割算法水线阈值算法和其它在选定的阈值处分割不同,它是一种自适应迭代阈值分割算法.分水线算法以形态学梯度(或其他梯度)的极小值点作为溢流的种子点.梯度由环绕暗(低梯度)的内部区域的亮(高梯度)的外环组成,如图1所示,图像中具有均匀低灰度的区域称为极小区域.流域分小区域图1水线阈值算法原始图例水线算法的基本思想是把目标图像看作地质表面,灰度值对应表面的海拔高低,图像中像素点按照其地形特征可以归为3类:1)谷底(minima).

5、属于局部极小区域内的像素点.将一滴水珠放置在该点处,水珠将会停留在原处.2)分水线(watershed).属于局部峰值的像素点.将一滴水珠放置在该点处.水珠将会等概率地流入一个以上不同的谷底.74交通与计算机2007年第5期第25卷总138期3)盆地(catchmentbasins).不属于上述两类区域的像素点.将一滴水珠放置在该点处,水珠将会流入一个特定的谷底.因此,图像分割问题可以归结为求分水线的问题.水从谷底开始不断向上漫溢,当不同盆地中的水面升高到将要汇合到一起时,就产生出一道分水线.水面不断上涨,只有高出水面的部分可以看到,直到淹没所有分水线.如图2所示.堤积水盆地面图2水

6、线阈值算法算例由于在原始图像中的噪声或一些微小的灰度值起伏,在梯度图像中可能存在许多假的极小值点,这样就会造成分割过度.即使对梯度图像作平滑处理,存在的极小值点数也往往会多于原始图像中物体的数目.为了解决分割过度的问题,选取梯度极小值点为种子点,并在溢流过程中完成对过分割小区域的合并.本方法叙述如下.1)对原始图像计算其梯度,计算其梯度极大值g,极小值gi;2)搜索梯度为极小值gi的点,把相连通的梯度为gmin的点连接为极小区域,并在标记数组中对极小区域进行标记,把标记放入记号数组;3)梯度值g从极小值gi到极大值gin.变化,步长为1;4)从记号数组中依次选择一个标记,设为,得到标

7、记数组中标记为的周围梯度值为g的点P.若点P只与记号为的标记区相邻,则把点P标记为L;若点P与多于一个标记区相邻,则把点P归为与其灰度最相似的标记区,并对这些相邻的区域按下列准则决定是否进行合并.重复上面操作直到记号数组中的各记号处理完为止.5)如果还有未标记的梯度值为g的点,在这些点中搜索梯度为g的极小值点,把相连通的梯度为g的点连接为极小区域,并在标记数组中对极小区域进行标记,把标记放入记号数组,以便在下一循环合并时处理.6)如果在标记数组中还有未处理

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。