资源描述：
《基于zernike正交矩的图像亚像素边缘检测算法改进》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、第34卷第9期自动化学报Vol.34,No.92008年9月ACTAAUTOMATICASINICASeptember,2008[2]了非极大值抑制和形态学连接操作的结果.这些算子都是在像素级上检测图像边缘.而在许多实际应用中,要求检测出的图像边缘达到亚像素级.例如,在计算机视觉测量领基于Zernike正交矩的图像亚像素域,被测件边缘点的精度往往直接影响到整个测量结果的精[3]边缘检测算法改进度,因此,研究图像的亚像素边缘检测算法有着重要的实际意义.亚像素边缘检测是指将边缘附近的像素进行分解,从1;221;21;2高世一赵明扬张雷邹媛媛而精确定位边缘.Lyvers等提出了
2、利用几何矩提取图像的[4]亚像素边缘,该方法利用6个图像几何矩,计算出4个阶摘要介绍了Zernike矩及基于Zernike矩的图像亚像素边缘检测跃边缘参数,图像矩是关于多项式的函数,但多项式不具备原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法[5¡6]正交性,所以在图像处理时会出现冗余信息.Ghosal和检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出了一Mehrotal首次提出了利用Zernike正交矩来检测亚像素边种改进算法.推导了7£7Zernike矩模板系数,提出一种新的边缘判[7]断依据.改进的算法能较好检测图像边缘并实现了较
3、高的边缘定位.最缘,在他们的算法中建立了理想的阶跃灰度模型,通过图像后,设计了3组不同的实验.实验结果同Canny算子及Ghosal算法的三个不同阶次Zernike矩计算模型的4个参数,以这4个相比,证明了改进算法的优越性.参数为判断边缘的依据来确定图像中物体的边缘.文献[8]关键词Zernike矩,亚像素,边缘检测,图像处理针对Ghosal算法中没有考虑模板效应进行改进,提取出的中图分类号TP751边缘同Ghosal算法相比有所改善但是仍然较粗,因而边缘定位精度较低.本文在分析Ghosal算法的基础上,对算法的ImprovedAlgorithmaboutSubpixel
4、Edge边缘判定条件进行了改进,实验结果表明了本算法的优越性.DetectionofImageBasedonZernike1Zernike矩及亚像素边缘检测OrthogonalMoments1.1Zernike矩GAOShi-Yi1;2ZHAOMing-Yang2ZHANGLei1;2Teague等以复域Zernike多项式为基,得到了具有正ZOUYuan-Yuan1;2[9¡10]交、旋转不变特性的Zernike矩.Zerniken阶多项式定AbstractTheprincipleofZernikemomentsandthemethod义为imµofsub-pixele
5、dgedetectionbasedonZernikemomentswerein-Vnm(½;µ)=Rnme(1)troducedinthispaper.Withtheconsiderationofthelimita-式中,m,n属于整数并满足条件:n¸0,n¡jmj为偶数且tionofthesubpixeledgedetectionalgorithmbyGhosal,suchjmj·n,i为虚数单位.实值多项式Rnm由下式给出asthelowerlocationprecisionoftheedgeandtheextractedwideredgethanthatoftheo
6、riginalimage,animprovedalgo-(n¡jXmj)=2(¡1)s(n¡s)!½n¡2srithmwasproposed.Ontheonehand,amaskofsizesevenbyRnm(½)=µ¶µ¶sevenwascalculatedandcouldbeappliedtoedgedetection.Onn+jmjn¡jmjs=0s!¡s!¡s!theotherhand,anewcriterionforedgedetectionwasputfor-22ward.Additionally,aseriesofexperimentsweredesign
7、edand(2)22implemented.TheexperimentresultsshowedthattheaccuracyZernike多项式在单位圆x+y=1内是正交的,即oftheimprovedalgorithmishigherthanthoseobtainedfromZZ¤¼usingCannyalgorithmandGhosalalgorithm.Vnm(½;µ)Vpq(½;µ)dxdy=(3)n+1KeywordsZernikemoments,subpixel,edgedetection,imagex2+y2·
