资源描述：
《改进的SUSAN图像边缘检测算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、战术导弹技术TacticalMissileTechnologyNovember,2007,(6):83~8683[文章编号]10091300(2007)06008304改进的SUSAN图像边缘检测算法杨胜科,张潮(中国科学院上海技术物理研究所,上海200083)[摘要]SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点,但仍有不足之处.提出了一种自适应选取阈值的方法,并对SUSAN边缘检测算法进行了改进.在此基础上,提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果.[关键
2、词]SUSAN;边缘检测;算法[中图分类号]TP391.41[文献标识码]AAdvancedAlgorithmforImageEdgeDetectionUsingSUSANOperatorYangShengke,ZhangChao(ShanghaiInstituteofTechnicalPhysics,CAS,Shanghai200083,China)Abstract:AlgorithmforimageedgedetectionusingSUSANoperatorhastheadva
3、ntagesofstrongerantinoiseabilityandveracityaswellassomedisadvantages.Akindofmethodforadaptiveselectionofthresholdisputforward,andtheSUSANedgedetectionisimproved.Onthisbasis,imagefeatureforobjectrecognitionisextractedtomakeprecisemeasurementandimageanalysisbetter.
4、Keywords:SUSAN;edgedetection;algorithm1引言2SUSAN算法原理图像测量系统的测量原理是通过处理被测物体图1为一个矩形在白色背景上将一圆模板置于图像的边缘而获得物体的几何参数的,因而图像边图上5个不同的位置.将模板中的各点与核心点的缘检测是测量的基础和关键.早期常用的像素级边灰度值用下面的相似比较函数进行比较:缘检测方法主要是一些经典的边缘检测算子算法,1,if
5、I(x,y)-I(x0,y0)
6、t;c(x,y)=如Laplacian算子、Sobel算子等.这些算法的精确度0,
7、if
8、I(x,y)-I(x0,y0)
9、>t.为1个像素精度,至于更准确的位置,传统的算法(1)就无能为力了.后来,英国学者Smith提出了SU式中,I(x0,y0)和I(x,y)分别是核心与模板中其SAN算法,这是一种最小核值相似区算法,在该算它点的灰度值,t是确定相似程度的阈值.t的选取法的基础上利用亚像素方法可以获得亚像素精度的[1]要根据图像中目标与背景的对比程度来确定.边缘信息.[作者简介]杨胜科,博士研究生.3SUSAN边缘检测算法[收稿日期]20060302SUSAN边缘检测算法是用给定大小的模板对8
10、4战术导弹技术TacticalMissileTechnologyNovember,2007,(6)图1四个不同位置的圆模板及其SUSAN区的显示图像中的像素点进行运算以产生边缘初始响应,再4.1自适应阈值t的选取对边缘初始响应进行处理以得到最终的边缘.为了由于受图像中目标与背景的对比度和背景的复提高运算速度,本文采用传统的3!3的模板,对模杂程度的影响,SUSAN算法中阈值t的选取对边缘板中各点的运算均不含核心点.为了更为精确地检检测的效果影响很大.对于对比度较好的图像阈值t[2]测,采用下面更稳定、更有效的相似比较
11、函数:取20,甚至更大,也能得到较好的特征物体边缘检6I(x,y)-I(x0,y0)测效果;而对于对比度较小或要得到图像更多的细c(x,y)=exp-.t节信息的情况,阈值t就要取的较小才能满足要求.(2)但这要求根据图像的对比度及要获得细节的程度,理论和试验均证明,指数取6时,错误的否定人工输入一些阈值而得到满意的阈值t.因此,这在和错误的肯定的概率最小.很大程度上制约了其在自动处理方面的应用,针对SUSAN区的大小可由下式计算:此问题,本文提出一种能自动选取阈值t的方法,n(x0,y0)=c(x,y).(3)(x,
12、y)∀(x,y)使其能适应图像序列的自动处理.00根据试验分析可知,在实际噪声图像中,如果通常,图像中大多数服从高斯分布的噪声点的核心点在边缘附近,n的值一般不会大于nmax的梯度模Gm一般不会很大,而在边缘附近的像素点3/4.因此,定义几何阈值g=3nmax/4,用下式来产却有较大的
