边缘检测算子及其在火焰图像中的应用

《边缘检测算子及其在火焰图像中的应用》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、边缘检测算子及其在火焰图像中的应用摘要：本文介绍了几种经典的火焰图像边缘检测算子,并利用这些算子进行火焰图像的边缘检测，总结出相对比较有效的火焰图像边缘检测算子，为进一步施行火焰特征参数的提取提供依据。关键词：火灾探测；火焰图像；边缘检测算子EdgeDetectionOperatorsandTheirApplicationinFlameImageAbstract:Inthisarticle,severalkindsofclassicalflameimageedgedetectionoperators

2、areintroduced.Thenweappliedtheminflameimageedgedetection.Atlastweconcludedthebesteffectiveflameimageedgedetectionoperator.Thatwillaffordgistforustopickupflame'scharacterparameters.Keywords:firedetection;flameimage;edgedetectionoperator1引言火焰图像是火灾图像探测方法的

3、主要信息来源，其信息的丰富和直观，为早期火灾的辨识和判断奠定了基础。对火焰图像进行边缘检测既可以为火焰图像的恢复、增强和重构提供理论与方法，又可以为火焰特征的提取提供依据，成为火灾图像探测方法中不可缺少的一步。边缘一般是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合，可以粗略地分为阶跃边缘(stepedge)与屋顶边缘(roofedge)，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间[1]。边缘对图像识别和分析十分有用，它能勾画出目标物体轮廓，使观察者一目了然，包含了丰富的信息

4、（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。近年来，随着数学和人工智能的发展，出现了一些新的边缘检测方法，如数学形态法[2]、小波变换法[3]、神经网络法、模糊检测法[4]、IFS边缘检测算子等等。而常用的方法有：基于一阶微分算子的罗伯特（Roberts）算子、索贝尔（Sobel）算子、Prewitt算子、坎尼（Canny）算子方法和基于二阶微分算子的拉普拉斯（Laplacian）算子。本文简要地介绍了几种经典算子的原理，设计了相关实验来提取火焰图像，并使用Matlab对火焰图像进行边

5、缘检测，分析这几种经典算子的优劣，找出适合进行火焰图像边缘检测的最佳算子，以确保提取的火焰参数的准确性，提高火灾的判别精度。2边缘检测算子经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法[5]。边缘检测的基本思想是通过检测每个像元和其邻域的状态，以决定该像元是否位于一个物体的边界上。如果每一个像元位于一个物体的边界上，则其邻域像元灰度值的变化就比较大。假如可以应用某种算法检测出这种变化并进行量化

6、表示，那么就可以确定物体的边界[6]。常用的边缘检测算子主要有：罗伯特（Roberts）边缘算子、索贝尔（Sobel）边缘算子、Prewitt边缘算子、拉普拉斯（Laplacian）边缘算子、高斯-拉普拉斯（LaplacianofGaussian）边缘算子和坎尼（Canny）边缘算子。2.1罗伯特（Roberts）边缘算子罗伯特（Roberts）边缘算子是一种斜向偏差分的梯度计算方法，梯度的大小代表边缘的强度，梯度的方向与边缘走向垂直。该算子通常有下列计算公式表示：（1）式中是具有整数像素坐标的输入

7、图像，平方根运算使该处理类似于在人类视觉系统中发生的过程，罗伯特（Roberts）操作实际上是求旋转±45°两个方向上微分值的和。罗伯特（Roberts）边缘算子定位精度高，在水平和垂直方向效果较好，但对噪声敏感。2.2索贝尔（Sobel）边缘算子索贝尔算子是一组方向算子，从不同的方向检测边缘。索贝尔算子不是简单求平均再差分，而是加强了中心像素上下左右四个方向像素的权重，运算结果是一幅边缘图像。该算子通常有下列计算公式表示：（2）（3）（4）式中、分别表示x方向和y方向的一阶微分，为Sobel算子的

8、梯度，是具有整数像素坐标的输入图像。求出梯度后，可设定一个常数，当>时，标出该点为边界点，其像素值设定为0，其它的设定为255，适当调整常数的大小来达到最佳效果。索贝尔（Sobel）算子通常对灰度渐变和噪声较多的图像处理得较好。2.3Prewitt边缘算子Prewitt边缘算子是一种边缘样板算子，利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘，对噪声具有平滑作用。由于边缘点像素的灰度值与其邻域点像素的灰度值有显著不同，在实际应用中通常采用微分算子和模板匹配方