-相对路径
毕业设计
(
论文
)
英文翻译<
/p>
学生姓名:
陈修敏
学
号:
P1501080712
所在学院:
浦江学院
专
业:
自动化
英文翻译题目
:
Comparative Analysis of Edge
Detection
T
echniques
for extracting Refined
Boundaries
指导教师:
陈玉明
2011
年
12
月
用于边界精确提取的边缘检测技术的比较分析
Parvinder Singh Sandhu1,
Mamta Juneja and Ekta Walia
计算机科学与工程系,
Rayat
和
Bahra
工程和生物技术研究所,
Punjab
理工大
学,印度信息技术
系,
Maharishi Markendeshwar
大学
,
Mullana
,
Haryana<
/p>
,印度
摘要
.
边缘检测是从数字图像提取有用信息的计算机视觉中的一项重
要任务。
我们
所提出的技术的主要目标是获得薄边缘,
使得结果更适合进一步应用,
如边界检
测,图像
分割,移动检测
/
估计,纹理分析,目标识别等。我们测试了四
种使用
不同方法检测边缘的边缘检测技术,
各种情况下,
根据比较它们的结果来确定在
不同的条件下哪一种检测更可取。
然后这些数据可以被用来创建一个多边缘检测
系统,
< br>分析现场运行最适合当前的边缘检测设置数据。
对于边缘探测器的其中之
一,
我们认为有两个不同的执行方式,
一种是使
用强度信息另一种使用颜色信息。
我们还考虑一个附加的边缘缘检测器,
它采取了不同的理念来边缘检测。
不是试
图找到理想的
边缘检测来适用于传统的照片,
它只是更有效的改变摄影方法从而
更有利于边缘检测。
它利用一个摄像头,
在不同的照明条件下
拍摄快速连续的多
个图像。
关键字
.
Canny
边缘检测,
Marr-Hildreth
算子边缘检测,布尔边
缘检测,多重闪
光边缘检测。
1.
介绍
边
缘检测是计算机视觉领域的一个非常重要的领域。
边缘定义的在图像区域
之间的边界有助于分割和识别物体。
在图像的强度上他们可以显示阴影落在图像
上或任何其他明显的变化。
边缘检测是低层次的图像处理的基本
原则,
良好的边
缘是更高层次图像处理的必要条件。
问题是,
一般边缘检测表现非常糟糕
。
在特定情况下,
虽然他们的行为可能
在容忍的范围内,
但通常边缘检测难以适应不同的状况。
边缘检
测的质量高度依
赖照明条件,
存在对象的同等强度,
现场边缘的密度和噪音。
虽然这些问题都可
以通过调整在边缘检测器中的某些确定的分值和改变被认为是
一个边缘的临界
值来处理,
一直没有很好的方法自动确定并设置
这些值,
所以每次探测器运行设
定的不同的数值时,
它们必须由操作员手动改变。
由于不同的边缘探测在不同的
条件下会工作更好,
拥有一个利用多个边缘检测,
当现
场条件对检测方法最为理
想时使用每一个检测的运算法则会很理想。
为了创建这个系统,
你必须先知道哪
个边缘探测在我们研究
的目标条件下有更好的表现。
我们测试了四种使用不同方
法检测
边缘的边缘检测技术,
根据各种情况下比较他们的结果来确定在不同的条
件下哪一种检测更可取。
然后这些数据可以被用来创建一个多边缘检测系统,<
/p>
它
可以分析场景和运行最适合当前数据集的边缘检测。
作为一种边缘检测,
我们认
为是两个不同的实施方
式,一种只使用强度另一种使用颜色信息。
我们还
考虑一个额外的采用了不同的理念的边缘检测。
而不是试图找到理想
的边缘检测,
以适用于传统的照片,
虽然只是改变了摄影的
方法但更有利于边缘
检测的它会更有效。
它利用一个摄像头在不
同的照明条件下快速连续地拍摄多个
图像。
由于这种边缘检测中
使用的硬件和其他边缘检测中使用的是不同,
所以它
不会被包括
在多个边缘检测系统中,但可以考虑作为一个可行的替代。
2.
理论概念
2.1
马尔算子边缘检测
p>
在
Canny
发表他的论文之前,
马尔算子边缘检测是一个非常受欢迎的边缘检
测。
它是一个渐变的采用拉普拉斯得到图像的二阶导数的基本算子。
这个方法是,
如果在图像的强度上有一点差,它将通过所示的在二阶导数中的零穿越表示出
来:
图
1
:二阶导数过零
所以一般马尔算子边缘检测算法如下:
a.
使用
高斯法平滑图像。这平滑减少了大量的由于噪音产生的错误。
b.<
/p>
应用两维拉普拉斯变换图像:
r
2
f
?
?
2
f
??
x
?
?
??
x
2
2
2
。
拉普拉斯算子的旋转不变性,通常被称为“墨西哥帽算子”
,因为它的形状如下
p>
图所示:
图<
/p>
2
:墨西哥帽算子
此操作是相当于求图像的二阶导数。
c.<
/p>
通过平滑图像的拉普拉斯算子中的每个像素的循环和观察符号变化。如果
< br>符号有变化,
而跨越这个斜坡后这个符号大于某个临界值,
把这个像素作为一个
边缘。另外,您可以通过使用简单的滞后,而不是用一个简单的临
界值(
Canny
边缘检测中所述)在斜坡上运行这些变化(<
/p>
[6]
中采取的算法)
。
边缘检测
p>
Canny
边缘检测被广泛认为是行业中标准的边缘检测算法。
p>
它是由约翰·
康
力于
1983
年在麻省理工学院的硕士论文中首次被提出
[2]<
/p>
,而且还优于许多已开
发的新算法。
Ca
nny
把边缘检测问题看成信号处理优化问题,
所以他开发了一
个
目标函数进行优化
[2]
。这个问题
的解决方法是一个相当复杂的指数函数,但
Canny
算发现几
种方法来近似和优化边缘搜索的问题。
Canny
边缘检测的步
骤如
下:
a.
平滑
二维高斯图像。在大多数情况下,二维高斯的计算是复杂的,所以它
是由两个一维高斯在
x
方向和
y
方向的近似。
p>
b.
得到图像的变化程度。它表明强度的变化,这种强度表明了边缘
的存在。
这实际上给出了两个结果,在
x
方向和
y
方向的梯度渐变。
p>
c.
非极值抑制。边缘将出现在梯度最大的点处。因此,所有不在最
大点处的
点不应该被抑制。
为了做到这一点,
< br>在每个像素处计算梯度的大小和方向。
然后,
如果梯度幅
度在一个像素的正面或负面的方向垂直梯度的距离更大就检查每个
像素点。如果像素不超
过两个,抑制它,如下所示:
图<
/p>
3
:非极大值抑制
p>
d
.
边缘临界值:
Canny
边缘检测计算临界值所使用的方法被称为“滞后”
。
它利用一个高的临界值和低的临界值。
如果有一个像素在高临界
值以上,
它就被
设置为边缘像素。
如果
一个像素的值中有一个高于低临界值而且这个像素与边缘
像素相邻,
它也会被设置为边缘像素。
如果一个像素的值中有一个在低临界值之
上,
但并不与边缘像素相邻,
它就不能被设置为边缘像
素。
又如果一个像素有一
个值低于低临界值,那它就不可能被设
置为边缘像素。
(算法的基础上
[3]
中的描
述)
。
2.3.
局部临界值和布尔函数的边缘检测
[1]
p>
这种边缘检测与许多应用
Canny
独创的
算法所得的边缘探测有根本的不同。
它不依赖于梯度或高斯平滑。
它利用局部和整体的临界值寻找边缘。
不同于其他
的边缘检测
,
它把一个像素窗口转换成基于局部临界值的二进制模式,
然后
应用
伪装以确定某一点是否存在边缘。
通过计算在这一基础点的
临界值,
边缘检测应
该对整个画面在灯光下的变化不敏感它不依
赖于模糊的图象,以减少图像的噪
声。相反,它看起来在局部一级上存在差异。算法如下
:
a.
应用一个局部临界值到一
3x3
的图像窗口。因为这是一个局部临界值,所
以每次窗口移动时,
它就会重新计算这个值。
临界值是作为
在窗口中
9
个像素强
度值减去一些小的
公差值的的平均值被计算的。
如果一个像素的强度值大于这个
临
界值,它会被设置为
1
。如果一个像素的强度值小于这个临界值
,它会被设置
为
< br>0
。这给出了一个
3x3
窗口的
二进制模式。
b.
比较
二进制模式和边缘掩饰。
有
16
个可能
的边缘形式可以出现在一个
3x3
的窗口中,如图
4
所示。如果在步骤中二进制窗口获得的与任何
16
个掩饰相匹
配,窗口中的中心像素就被设置为边缘。
c.
重复步骤
a
和
b
把图像中每个像素作为窗口中
心像素点。它给出所有的边
缘,但结果也会由于噪音的原因给一些虚假的边缘。
d.
使用全局临界值消除虚假的边缘
。
每个
3x3
的窗口方差计算,
结果将有一
个边值最大。
然后将这个值与全局
临界值基于图像中的噪声等级作比较。
如果该
值大于临界值,它
将保持作为一个边缘。如果它不大于该值,则将其删除。
<
/p>
图
4
:可能边缘的
Maske3x3
窗口
2.4.<
/p>
使用欧几里德距离法和矢量角的彩色图像边缘检测
[4]
p>
大多数边缘检测工作作用于图像的灰度。
这样就削减了你工作的数据
量
(一
个通道,而不是三个)
,但你也
失去了一些现场信息。通过包括图像的颜色分量
的边缘检测应该能够探测到边缘地区高强
度的颜色变化,
但探测不到低强度的变
化。
边沿检测器使用两种检测方式:
欧几里德距离法和矢量角
度法。
欧氏距离法是一
个良好的基于强度变化的发现边缘的检测
方法,
矢量角度法则是一个良好的基于
强度和矢量角寻找边缘的
检测方法。该探测器在图像的
RGB
色彩空间中运用这
两个方法,
然后联接每个基于大部分基本颜色的结果。
< br>与矢量和矢量梯度形式不
同,我们选择运用矢量梯度形式。
两个像素之间的欧几里德距离定义为:
其中
V1
和
V2
是
RGB
三元组(
V =[R G
B]
)
。
两个像素之间的矢量角近似为:
因为
sin θ
≈
θ
(小角度)
。再次,
v1
和
v2
是
RGB
p>
三元组(
V =[R G
B]
)
。
欧
几里德距离和矢量角度使用了基于饱和法而相结合的方法。这组合被定义为:
其中
而
根据实
验“斜率”和“抵消”值在(
S
)中被设置,
< br>S1
和
S2
是每个像素的
饱和值。
这种组合权衡了矢量角在高显色性领域饱和度的不足和欧氏距
离在低饱
和度区的不足。
在图像中寻找边缘的算法如下:
a.<
/p>
对于图像中的每个像素,要得到像素点周围的
3x3
像素窗口。
b.
在中
心点和它周围的八个点之间,
计算基于饱和度的欧几里德距离法和矢
量角法的联合
c.
分配中心像素获得最大值。
p>
d.
当每个像素得到分配给它一个值,
运行
通过临界值计算得到的结果,
以杜
绝虚假的边缘。
2.5.
使用
Canny
算子的彩色图像边缘检测
使用颜
色信息的边缘检测的另一种方法是简单地延伸到基于边缘检测的色
彩空间的传统强度图像
。
这种方法旨在利用传统的边缘检测中已知的优势,
并试
图在三个颜色通道,而不是单一的强度信道下提供更多的信息,以克服其弱点。