基于方向滤波的监控图像边缘检测.pdf

《基于方向滤波的监控图像边缘检测.pdf》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、2011年第30卷第4期传感器与微系统(TransducerandMicrosystemTechnologies)127基于方向滤波的监控图像边缘检测刘付民，张治斌(河南理工大学计算机科学与技术学院，河南焦作454000)摘要：监控图像的边缘检测是进行高级图像处理和模式识别的基础工作。将方向滤波理论引入监控图像的边缘检测中。通过Roberts算子的四方向滤波扩展，介绍了方向滤波用于边缘检测的一般过程；针对监控图像中斜坡边缘丰富的特点，引入Petrou．Kittler滤波器作为基础滤波器；用方向滤波理论改造Petrou—Kittler滤波器，

2、形成了三方向Petrou—Kittler边缘检测器。实验结果表明：监控图像经过三方向Petrou—Kittler边缘检测器处理，检出的边缘信息完整、细滑、分割区域正确。关键词：监控图像；边缘检测；斜坡边缘；方向滤波中图分类号：TP242文献标识码：A文章编号：1000-9787(2011)04-0127-04EdgedetectionofmonitoringimagebasedondirectionalfiIIlterLIUFu—min，ZHANGZhi—bin(SchoolofComputerScienceandTechnology，He

3、nanPolytechnicUniversity，Jiaozuo454000，China)Abstract：Edgedetectionofmonitoringimageisbasicworkforadvancedimageprocessingandpatternrecognition．Theoryofdirectionalfilterisintroducedintoedgedetectionofmonitoringimage．Processofedgedetectionbaseddirectionalfilteriselaboratedby

4、takingRobertsoperatorasanexample．Petrou—KittlerfiheriSintroducedasbasicfilter，aimingtorampedgeinmonitoringimage．Petrou—Kittlerfilterisreconstructedbydirectionalfiltertheory．andtri—directionalPetrou．Kittlerfiltercameintobeings．Experimentalresultsshowthatedgeinformationiscom

5、plete，thinandcorrectbyprocessingoftri—directionalPetrou—Kittlerfilter．Keywords：monitoringimage；edgedetection；rampedge；directionalfilter0引言又进行了深入的研究，确立了边缘检测中的一些最优化标目前，监控系统在超市、银行、政府机关、住宅小区、公准，使边缘检测技术日臻完善。大量的研究工作表明：不同共场所都得到了广泛应用⋯。监控系统中，通过摄像机等的滤波算子对不同类型的边缘检测效果是不同的，各具针传感器拍摄的监控图

6、像，是获得现场情况的主要载体。随对性。如：监控现场形成的图像中，斜坡形边缘丰富，就需着图像处理技术的飞速发展，人们对监控图像的要求也不要用对斜坡边缘效果良好的算子。研究中还发现，大多数断提高。相比于最初的图像采集，现在的监控系统具有更边缘检测算子都具有方向性，比如Sobel算子在具体实现中，加强大的图像处理能力，在原始监控图像的基础上，可就是通过水平和垂直2个方向的模板实现边缘检测的。以进行很多高级的图像处理，以获取更有价值的监控信息。本文将边缘检测中的方向性加以扩展，在边缘检测中边缘检测技术，无疑是监控图像处理中不可或缺的关引入方向滤波的

7、概念，并结合监控图像中斜坡边缘丰富的键技术。通过边缘检测，图像中各个区域被划分出来，特点，有针对性地选择Petrou—Kittler滤波器作为基础滤以便于提取更加有用的部分，人们熟知的指纹识别、人脸检波器，设计了一种专门应用于监控图像边缘检测的三方向测技术，都离不开边缘检测处理。最优滤波器。由于图像边缘处的梯度有着明显的变化，因此，很多能1方向滤波和共轭图像够检测梯度变化的滤波器都应用于边缘检测。最常见的莫首先介绍一下方向滤波的概念。考虑像素的一个邻过于Robort算子，Sobel算子，Log算子。之后，Canny域R，按照方向d扩展，如图

8、1所示。收稿日期：2011_028基金项目：河南省科技计划资助项目(092300410216)；河南省软科学研究计划资助项目(102400450034)128传感器与微系统第3O