龙源期刊?/p>
http://www.qikan.com.cn
基于多尺度形态学的运动目标边缘检测算?/p>
研究
作者:徐康?/p>
来源:《电子技术与软件工程?/p>
2016
年第
01
?/p>
研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学?/p>
度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图
像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结
果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确
率?/p>
【关键词】多尺度边缘检?/p>
形态学梯度
图像处理
1
引言
在图像处理中,边缘(
edge
)不仅仅是指表示物体边界的线,还应包括能够描绘图像特?/p>
的线要素,利用所提取的边缘点可以分割出特定的物体,因此边缘检测是一种重要的图像分割
方法,可作为复杂的图像识别、图像理解的预处理环节。常见的边缘检测算子包括:
Roberts
?/p>
Sobel
?/p>
Canny
算子等。当
Roberts
算子运用到彩色图像时,与灰度化彩色图像不同,它是将彩
色图像中两个像素?/p>
RGB
颜色空间的三个分量(
r
?/p>
g
?/p>
b
)的偶数距离代入
Roberts
算子中计
算,确定图像边缘,最终获得文本区域。在利用边缘检测的邮件地址标签图像分割方法中,?/p>
减小后续计算复杂度,首先图像需经过预处理和灰度化,再利?/p>
Sobel
算子检测图像边缘,?/p>
Hough
变换筛选和聚类边缘点,达到分割邮件图像地址信息的目的。在检测视频图像的算法
中,利用其边缘检测和线条特征,将
Canny
算子进行改进,然后应用于图像边缘检测中。一?/p>
候选图像的边缘被检测出,用连通扫描算法追踪相邻的边缘像素,形成线条,然后过滤线条?/p>
再将相邻的线条聚集起来,从而获得候选区域,最后依照图像特征确定图像区域?/p>
2
多尺度形态学梯度的边缘检?/p>
常用的边缘检测算子,计算图像中局部小区域的差分,这些算子对噪声较敏感,且常会?/p>
检测边缘的同时加强噪声。而形态边缘检测器建立在形态梯度基础之上,虽也对噪声较敏感,
但不会引起噪声的加强或放大?/p>
其中?/p>
f
为原始图像,
g
为结构元素。单尺度形态学梯度算子性能由结构元?/p>
g
的大小所
决定。倘若
g
足够大,对斜坡边缘而言,梯度算子的输出与边缘高度相等。大结构元素会加?/p>
边缘间的影响,将会引发梯度极大值与边缘的差异;而小结构元素虽使得梯度算子具备高分辨
率的优势,但对斜坡边缘会出现一个很小的输出结果?/p>