基于直方图的感兴趣区图像边缘检测

《基于直方图的感兴趣区图像边缘检测》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、第２２卷第８期强激光与粒子束Ｖｏｌ．２２，Ｎｏ．８２０１０年８月ＨＩＧＨＰＯＷＥＲＬＡＳＥＲＡＮＤＰＡＲＴＩＣＬＥＢＥＡＭＳＡｕｇ．，２０１０文章编号：１００１４３２２（２０１０）０８１８４７０５基于直方图的感兴趣区图像边缘检测张立保１，李冬玲１，余先川１，王鹏飞１，蔡蕾２（１．北京师范大学信息科学与技术学院，北京１００８７５；２．交通部公路科学研究院国家智能交通系统技术研究中心，北京１０００８８）摘要：当图像中的某些区域具有比其它部分更高的重要性时，基于感兴趣区域（ＲＯＩ）的边缘检测功能就尤为重要。但是当前大部分算法均针对图像整体检测，这在一定程度

2、上会影响对ＲＯＩ区域的检测效果。针对该问题，提出一种基于ＲＯＩ的边缘检测算法。新算法首先利用修正后的图像直方图特征选取ＲＯＩ区域的分割阈值，然后根据分割阈值从背景中分离出ＲＯＩ区域，最后选择最优边缘检测算子，完成基于ＲＯＩ的边缘检测。实验结果表明：新算法能够更好的支持对ＲＯＩ区域的边缘抽取。关键词：图像处理；边缘检测；感兴趣区；直方图修正；阈值分割中图分类号：Ｏ４３９文献标志码：Ａ犱狅犻：１０．３７８８／ＨＰＬＰＢ２０１０２２０８．１８４７边缘检测是图像分割、目标识别、区域形状提取等领域的重要研究基础，目前已成为机器视觉研究领域最活跃的课题之一，在工程应用中

3、占有十分重要的地位。有关边缘检测已经有很多成熟的算法，如梯度算子、拉普拉斯算子、ＬＯＧ算子以及Ｃａｎｎｙ算子等，各算子对不同类型的图像在处理方面都有自己的优势。近年来，人们将小波分析的多尺度概念、信息论的交叉熵等概念应用于边缘检测过程中，实现了在复杂噪声环境下以及物体较小时对目标边缘的较好检测。例如文献［１］基于Ｇａｂｏｒ滤波器在空间和频率域上都显示良好的局部性能，提出一种基于自适应Ｇａｂｏｒ滤波器的设计方法，文献［２］对该算法做了进一步改进，提出一种用于边缘检测的优化Ｇａｂｏｒ滤波器，具有良好的边缘检测效果。文献［３］提出一种图像边缘检测的算法，通过差分运

4、算把边缘检测问题转化为目标检测问题，利用熵极小化方法确定图像的边缘。上述算法对整幅图像边缘检测具有较好效果，但在实际应用中人们往往只对图像的某些部分感兴趣。更希望将图像进行分割，提取感兴趣区域［４５］（ＲＯＩ），然后对ＲＯＩ区域进行单独分析与处理，达到减少信息处理量、提高图像处理运算速度的目的。但是，目前多数算法只能针对图像整体检测，没有考虑ＲＯＩ特征，因此影响了对ＲＯＩ区域的边缘检测。针对上述问题，本文提出一种新的基于ＲＯＩ的边缘检测策略。１图像边缘检测算子１．１拉普拉斯算子２维函数的拉普拉斯算子是一种二阶导数算子，定义为２２２犳（狓，狔）＝犳＋犳

5、（１）２２狓狔１．２犔犗犌算子ＬＯＧ算子实际上是拉普拉斯算子与高斯算子的综合。定义高斯函数犺（狉）为２／２σ２）（２）犺（狉）＝－ｅｘｐ（－狉则其拉普拉斯算子２犺（狉）为２２２犺（狉）＝－狉－σｅｘｐ（－狉２／２σ２）（３）４σ即先用平滑函数对图像进行卷积，再计算结果的拉普拉斯算子。１．３犆犪狀狀狔算子Ｃａｎｎｙ把边缘检测问题转换为检测单位函数极大值的问题。先将图像用指定标准偏差的高斯滤波器来平收稿日期：２００９１０１０；修订日期：２０１００４１５基金项目：国家自然科学基金项目（６０６０２０３５）；国家高技术发展计划项目作者简介：张立保（１

6、９７７—），男，博士，副教授，主要从事红外及遥感图像处理方面研究；ｌｉｂａｏｚｈａｎｇ＠１６３．ｃｏｍ。１８４８强激光与粒子束第２２卷滑，再计算局部梯度及边缘方向，定义边缘点为梯度方向上其强度局部最大的点，并追寻踪迹，做非最大值抑制处理，最后进行边缘连接。２基于犚犗犐的边缘检测２．１图像直方图获取与修正直方图由扫描整幅图像得出，直观反映出一幅图像的灰度范围、灰度级频数以及灰度分布。直方图的提取本质上是一个对原始图像存储矩阵的遍历和统计的过程。实现过程分三步：第一，输入原始图像；第二，读取图像大小，判断存储图像矩阵的行数和列数；第三，遍历矩阵，比较各像素点灰度

7、值，利用累加器计算各灰度值对应的像素点数。图像的多样性及图像像素间存在的明暗差别，使得直方图的分布具有较大的随机性。一般来说，未经处理的原始图像的直方图是高低不齐的，且分布也很不均匀，需要对图像的直方图进行灰度拉伸与平滑处理。直方图的灰度拉伸分３步：第一，读取并存储直方图信息；第二，定位原灰度分布范围；第三，扩展灰度分布范围。图１给出了硬币图像在灰度拉伸前后的对比。图２给出了硬币的原始直方图与灰度拉伸后的直方图，其中，横坐标表示图像的灰度值，纵坐标表示像素个数。Ｆｉｇ．１Ｇｒａｙｓｃａｌｅｓｔｒｅｔｃｈｉｎｇｆｏｒｉｍａｇｅｏｆｃｏｉｎｓ图１对硬币图像的灰

8、度拉伸Ｆｉｇ．２Ｈｉｓｔｏｇｒａｍｓｏｆｉｍａｇｅｏ