分区均值的自适应噪声图像边缘检测算法

《分区均值的自适应噪声图像边缘检测算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2015年4月15日现代电子技术Apr．2015第38卷第8期ModernElectronicsTechniqueVo1．38NO．8分区均值的自适应噪声图像边缘检测算法沈德海，侯建，鄂旭，张龙昌(渤海大学信息科学与技术学院，辽宁锦州121013)摘要：针对边缘检测算法存在的检测精度与抑噪的矛盾，提出一种基于新的图像边缘检测算法。算法将检测窗口按照0。，45。，90。和135。四个不同方向分别划分为两个子区域，先统计每个检测窗口(3x3)内脉冲噪声点的个数，如果超过3个，则扩大检测窗13至5x5。对于检测窗口每个方向划分的两个子区域，分别计算

2、区域内的非噪声点的平均灰度值，利用平均值差的绝对值作为窗1：7的方向梯度值，进而求得中心点的梯度。然后，对梯度图像采用改进的非极大值抑制方法进行细化，并提取边缘。实验结果表明，该算法检测的图像边缘方向性较强，边缘较细，不仅对不同程度脉冲噪声干扰图像具有较强的抑噪能力，而且对高斯噪声也具有一定程度的抑制效果，算法具有较强的适应性。关键词：边缘检测；噪声图像；分区；自适应中图分类号：TN911．73文献标识码：A文章编号：1004．373X(2015)08—0001—03Subzonemeanadaptiveedgedetectionalgori

3、thmfornoisyimagesSHENDe—hai，HOUJian，EXu，ZHANGLong—chang(CollegeofInformationScienceandTechnology，BohaiUniversity，Jinzhou121013，China)Abstract：Inviewofcontradictionbetweendetectionaccuracyandnoisesuppressionofedgedetectionalgorithm，anewedgedetectionalgorithmisproposed．Inthea

4、lgorithm，thedetectionwindowisdividedintotwosubzonesineachdirectionof0。．45。，90。and135。．Thenumberofpulsenoisepointsindetectionwindowof3×3iscounted．Ifthepointnumberismorethan3，thedetectionwindowsizeisextendedto5x5．Fortwosubzonesineachdirectionofdetectionwindow，themeangrayvalue

5、ofnon—noisepointsineverysubzoneiscalculatedrespectively．Theabsolutevalueofthetwomeanvaluesdifferenceistakenasdirectiongradientvaluetoacquirethegradientofcenterpoint，andthentheimprovednon—maximumsuppressionmeth—odisusedtorefinegradientimageandextracttheimageedge．Theexperimen

6、tresultsshowthatdirectionalityoftheimageedgedetectedbythenewalgorithmiswellandtheedgeisfine，andthealgorithmcansuppressdiferentdegreeimpulsenoiseandhasacertainsuppressioneffectonGaussiannoiseandstrongadaptability．Keywords：edgedetection；noisyimage；subzone；adaptability图像边缘是图像灰

7、度变化最为显著的区域川，包含基于空间域的算法，如Roberts算子、Sobel算子、Pre．了大量有价值的信息，是图像特征提取、图像分割及图witt算子、LoG算子等，这些算法直接对图像进行边缘像识别等的重要依据和基础。边缘检测就是确定边缘检测，没有抑制噪声过程，对噪声较为敏感。另一类是位置，提取图像的边缘框架，为后续工作提供关键的要基于空间频率域的算法，典型代表是基于小波理论及相素图，检测结果的精确度和细化程度对后续工作影响非应改进算法，对于噪声图像具有一定的抑制能力，但对常大。由于数字图像在成像、编码及传输等处理过程中噪声干扰较严重的图像

8、，检测效果不佳。近年来，一些新的算法被提出来，如数学形态学算法、神经网络算法、可能受到各种因素干扰而产生噪声，进而影响到图像边粗糙集算法及遗传算法--o-等，这些新