微粒群优化的Canny边缘检测方法.pdf

《微粒群优化的Canny边缘检测方法.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、微粒群优化的Canny边缘检测陈燕龙(广州航海高等专科学校信息与通讯工程学院，广东广州[摘要]通过对c猢y算法进行改进，提出了一种基于量子行为的微粒群优化算抑制效果明显，能够删除伪边缘，得到精确的边缘。实验结果表明，该算法在保证实时性度。[关键词]边缘检测；ca加y算子；微粒群优化；图像处理1．引言图像的边缘是图像的最基本特征。边缘检测在图像分割、图像增强及图像压缩等领域中有着广泛的应用，而且一直是数字图像处理领域研究的热点和焦点问题。图像边缘蕴含了丰富的内在信息，主要划分为阶跃状和屋脊状两种类型。阶跃状边缘两侧的

2、灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。C跏y提出了最佳边缘检测算子即C锄ny算子【1】，得到了广泛的应用，并成了与其它实验结果作比较的标准。其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。另外就是

3、其相对简单的算法使得整个过程可以在较短的时间内实现。实验结果也表明，c柚ny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果12】。但是在应用C锄v算子进行边缘检测时，对像素梯度进行模非极大值抑制后，要设定高、低2个阈值进行边缘筛选，这2个阈值的选取目前还没有统一的标准，对不同的图像缺乏自适应性，而且无法消除局部噪声干扰，在检测出伪边缘的同时还会丢失一些灰度值变化缓慢的局部边缘。本文在对传统Canny算法进行分析的基础上，提出了一种基于微粒群优化算法的Callny算法，针对不同图像自适应地生成动态阈值，取得

4、了良好的检测精度和准确度。并与基于遗传算法进行优化的结果进行了比较。2．Canny算法2．1最佳逼近函数对一幅图像进行边缘检测，一般可分为三步：滤波、增强和检测。Canny算法也是一个具有类似步骤的多阶段的优化算法。c姗y给出的评价边缘检测性能的3个指标如下：(1)高信噪比准则。点或边缘判断为非边缘点的概率最小。信噪比(SNR)的数学表达式为sNR=I『二G(．x)f【x)dxI／仃、／J二取x)dx(1)其中，坟x)是边界为【．∞，+∞】的滤波器脉冲响应；G(x)为边缘函数；盯为高斯噪声的均方根。信噪比越大，误检

5、率越低。(2)高定位精度准则。即检出的边缘点与实际边缘点距离最小，使定位精度最高。定位精度的数学表达式为，m，厂再广———～L_ocalization=lG’(一x)f’(x)d)【／盯、／If’2(x)d】【(2)其中，G’(-x)和f’(x)分别为G(一x)和“x)的一阶导数。L，0calizati伽的值越大，定位精度越高。(3)单一边缘响应准则。即和每个边缘有且只有一个响应，最大限度抑制伪边缘出现。要保证单一边缘响应，检测算子脉冲响应导数的零交叉点平均距离应满足『f。h”11尼D(f)2霄lL产(x)d)【／

6、

7、f，’2(x)d)【J(3)L，哪，J喵J设高斯二维函数为G(x，y)=(1／21r—exp【-(砖朔／2胡(4)式(4)即为满足3个准则的最佳逼近函数。C锄ny以上述指标和准则为基础，利用泛函求导方法导出高斯函数的一阶导数，推导出最优边缘检测算子的一个近似实现：边界点位于图像被高斯函数平滑后的梯度幅度的极大值点。2．2实现过程(J)平滑图像。利用式(5)所示的一维高斯函数对原始图像进行平滑除噪，从而得到平滑图像I(x，y)。G(x)=(1／2订cr2)exp(-x2／2叻(5)l(x，y)=【G(x)G(y)】

8、+坟x，y)(6)其中·表示卷积，f(x，y)是原始图像，仃是高斯函数的散布参数，用它控制平滑程度。(2)计算梯度方向和幅值。采用2x2邻域一阶偏导的有限差分计算平滑后的图像I(x，y)的梯度方向和幅值：M(x，y)=sqn【g^x，y)增Xx，y)】(7)O(x，y)=arc：tan[&(x，y)，岛(x，y)】(8)作者简介：陈燕龙，男，江苏沙洲人，硕士，副教授，研究方向：模式识别，图象处理等。基金项目：广州航海高等专科学枝自然科学基金．项目编号：200812B()3。一25—‘=嗽黝e=嗽．筻]其中，‰和gy

9、分别为原图像I(x，y)被滤波器e和‘沿行、列作用的结果。(3)对梯度图像进行非极大值抑制。若像素点(x，y)的梯度幅值M(x，y)不小于梯度方向上两个相邻像素点的梯度幅值，则判断该点为可能的边缘点【3】。(4)双阈值方法检测和连接边缘。取两次阈值也l(低阈值)和t112(高闽值)，对梯度图像进行双闽值化处理，可得到一个高阙值检测结果和低阀值检测结果，再在前