一种新的彩色图像边缘检测算法

合集下载

一种改进的彩色图像形态学边缘检测算法设计

传统的边缘检测算法一般利用梯度极大值或二阶导数过零点值来检测边缘，噪声比较敏感，处理含有噪声的图像时，对在易造
１彩色图像形态学基本算子令ｆ＝（，，）是ＲＧＢ颜色空间的彩色图像，任意像素点＿厂
色向量＿＜ｆ反之，厂；如果ｄｆ，。＜ｄｆ，。，ｆ＞；（ｆ）（ｆ）则ｆ对于ｄｆ，）ｄｆ，。情况，（厂。一（ｆ）利用字典序比较，定义颜色向
量序如下：条件当
ａ（）（ｒｇｆ＝【，０）（一（
的边缘，图像灰度发生空间突变的像素集合就是图像的边缘。差的算法提取的图像边缘效果更好。即图
像边缘表达了图像的基本形状，含了图像的主要特征信息，包因测的任务就是确定和提取边缘信息，图像分析、为目标识别和图像
ｆ１＝
）一／）。】
（）２
实验结果见图ｌ其中第一行中第一幅是原始图像；二幅是：第本文提出的改进算法提取的彩色边缘图像，二行的第二幅图像第是它对应的灰度图像；二行的第一幅，第是利用文献【】ｌ的算法提取
①基金项目：安徽高校省级自然科学（２０Ｂ２）ＫＪ０８ｌ８。
科技资讯ＳＥＣＥ＆ＴＣＨＯＬＹＮＯＲＣＩＮＥＮＯＧＩＦＭＡ￣０Ｎ１

一种新的模糊彩色图像边缘检测算法

维普资讯
第２０卷第３期２００７年５月
重庆教育学院学报
ＪｕｎｌｆｏｇｉｇＣｏｌｇｆｄｃｔｎｏｒａｎｑｎｌｅｏｕａｉｏＣｈｅＥｏ
Ｖｏ．０１Ｎｏ３２．Ｍａ２０ｙ，０７
定的难度，导致计算的速度受到影响。为减少数据处理的烦琐。引入特征散度描述彩色图像像素差异
一
性。借助竞争算法来提取边缘，并从而减低算法的计
算量。仅仅这些是不够的。但虽然降低了计算量，为
了能得到更准确的边缘。仍然需要借助一个有利的
多的信息和特征。但是彩色图像数据量大，算和处计理时间多。这无疑会增加边缘检测工作的难度。ｉＬｌｙＲｉｉｎｕＬａｇ和ＣｒＧＬｏｅ提出一种模糊竞争边缘ａｌ．ｏｎｙ
Ｄ，：ｐ（Ｑ芝Ｐ）ｌｎ
维普资讯
为交叉熵。对称形式其
Ｄｉｅｔｏｒｃｉｎｌ
Ｄｉｅｉｒｃｔ３ｏｎ
Ｄ：：Ｐ丝艺ｉＬ（Ｑ芝ｉ＋ｑ＿Ｐ）ｌｎｇｌ
施成湘
（重庆教育学院数学系，庆４Ｏ６）重ＯＯ７
摘要：提高算法的普适能力，文提出了一种新的模糊彩色图像边缘检测算法。法引入了特征散度度量像为本算素差异性，借多尺度理论去噪和准确定位的优势，效地检测彩色图像的边缘。凭有与传统的边缘提取算法和模糊竞

基于Canny理论的彩色图像边缘检测

关键词：彩色图像；ａｎ算子；Ｃｙｎ边缘检测；梯度图像中图分类号：Ｔ１．文献标识码：ＡＰ３７４边缘信息检测不出来。因此，研究如何检测彩色图像边缘是非常必要的。作者在本文中提出一种基于Ｃｎ理论的彩色图像边缘检测方法，ｎａｙ彩色图像的梯度幅值用其ｒｇ分量的梯度幅值之和计、、ｂ算，方向角用ｒｇｂ、、分量的Ｙ方向梯度幅值之和，与ｒｇｂ、、分量的方向梯度幅值之和的比来确定，可以较好地检测出彩色图像的边缘。
基金项目：四川省科技厅重点项目（２）Ｚ３收稿日期：２０００６— ６—０６
ｃ
《嘲
Ｉ＋ＩＩ＋ＩＯ言言ＩｒＩ
定义ｐＰｙｐ如下ｒ和
ｐ＝
维普资讯
维普资讯
第２卷第４９期
物探化探计算技术
２７０年１竞０
文章编号：１０— １４（０７０ —０７ —０ｏ１７９２０）４３０３基于Ｃｎｙ理源自论的彩色图像边缘检测ａｎ
解振东
（成都理工大学信息工程学院，成都摘６０５）１０９
要：选用定位准确的Ｃｎｙａｎ算子，出一种基于Ｃｎｙ提ａｎ理论的彩色图像边缘检测方法。彩
色图像的梯度幅值用其ｒｇｂ、、分量的梯度幅值之和计算，方向角用ｒｇ分量的Ｙ方向梯度、、ｂ
幅值之和与ｒｇ分量的方向梯度幅值之和的比来确定。从检测结果中可以看出，于Ｃ — 、、ｂ基ｎａｎｙ理论的彩色图像边缘检测能检测出更多的边缘细节。这说明，用该方法检测彩色图像的边缘是有效的。

基于细胞神经网络鲁棒性的彩色图像边缘检测

２０ｌ３年
１月
图学学报
ＪｏＵＲＮＡＬｏＦＧＲＡＰＨＩＣＳ
Ｊａｎｕａｒｙ２０１３Ｖ０１．３４Ｎｏ．１
ห้องสมุดไป่ตู้
第３４卷第１期
基于细胞神经网络鲁棒性的彩色图像边缘检测
姜庆玲
（铁岭师范高等专科学校理工学院，辽宁铁岭１１２０００）
ｐｉｘｅｌｂｙｔｈｅＥｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅ，ａｌｌｏｗｉｎｇｔｈｅＣＮＮｅｑｕａｔｉｏｎｆｏｒｏｐｅｒａｔｉｏｎｉｎＲＧＢｃｏｌｏｒｓｐａｃｅ．ＴｏｍａｋｅａｔｈｅｏｒｅｔｉｃａｌａｎａｌｙｓｉｓａｎｄｒｏｂｕｓｔｎｅｓｓｒｅｓｅａｒｃｈｏｒｆＣＮＮｔｅｍｐｌａｔｅ，ａＣＮＮｒｏｂｕｓｔｎｅｓｓｔｈｅｏｒｅｍｉｓｐｒｏｐｏｓｅｄｔｈａｔａｃｈｉｅｖｅｓｔｈｅｆｕｎｃｔｉｏｎａｌｒｅｑｕｉｒｅｍｅｎｔｓｏｆｔｈｅｃｏｌｏｒｉｍａｇｅｅｄｇｅｄｅｔｅｃｔｉｏｎ，ａｎｄｐｒｏｖｉｄｅｓｔｈｅａｎａｌｙｔｉｃａｌｃｒｉｔｅｒｉａｆｏｒｄｅｓｉｇｎｉｎｇｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇＣＮＮｔｅｍｐｌａｔｅｓｐａｒａｍｅｔｅｒｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｉｓｅｆｆｅｃｔｉｖｅｏｒｆｔｈｅｃｏｌｏｒｉｍａｇｅｅｄｇｅｅｘｔｒａｃｔｉｏｎ．Ａｑｕａｎｔｉｔａｔｉｖｅｅｖａｌｕａｔｉｏｎｖａｌｉｄａｔｅｓｔｈｅａｄｖａｎｔａｇｅｓｏｆｔｈｅａｃｃｕｒａｔｅｅｄｇｅｄｅｔｅｃｔｉｏｎｐｏｓｉｔｉｏｎｉｎｇ．

一种新彩色图像边缘检测算法

一种新的彩色图像边缘检测算法摘要:本文提出了一种新的彩色图像边缘检测算法。

实验证明该算法能较好的得到彩色图像的边缘。

关键词:luv彩色空间边缘检测分数低阶统计中图分类号:tp312 文献标识码:a 文章编号:1674-098x （2011）12（b）-0013-01边缘是图像中灰度级或者结构或多或少存在突变的地方,表明一个区域的终结和另一个区域位置的开始。

数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础,图像理解和分析的第一步往往就是边缘检测。

它为图像的识别、恢复、增强以及重建提供了手段。

1 基于alpha稳定分布模型的去噪算法在许多的图像处理应用领域中,噪声去除和图像平滑都是非常重要的。

经典的彩色图像滤波方法包括:均值滤波,中值滤波,维纳滤波,以及利用现在人们研究的热点——小波实现去噪的软,硬阈值法。

虽然小波阈值去噪方法要比其他几种方法优越,但要得到能够更好地满足图像处理特殊要求的阈值还是有一定困难的。

由于上述缺点,本文使用基于alpha稳定分布模型的彩色图像去噪方法进行预处理,来消除脉冲噪声。

1.1 alpha稳定分布定义如果随机变量存在参数和实数使其特征函数具有如下的形式: （1）式中,则随机变量服从稳定分布。

式（1）中,参数称为特征指数,它决定该分布脉冲特性的程度。

值越小,所对应分布的拖尾越厚,因此脉冲特性越显著。

相反,随着值变大,所对应分布的拖尾变薄,且脉冲特性减弱。

当时,为高斯分布。

由于稳定分布的特征函数（式（1））是由4个参数来确定的,我们用来表示稳定分布,并记为,当为对称稳定分布,满足时,记为。

1.2 分数低阶统计量对于,且。

则对于任意,有,对于任意,有,即的稳定随机变量没有有限的二阶矩,这表明许多在高斯情况下有效的技术不能应用于这种场合。

一般而言,随机变量的二阶矩通常定义为。

对于稳定分布随机变量,定义分数低阶矩（flom）为,其中。

设为一分布的随机变量,其位置参数,分散系数为,其中为伽马函数。

基于数学形态学的彩色图像边缘检测

ｃｌｒｉｇｏｈｌｉａａｉｐｒｔｒｒｍｐｏｅｏｏｍａｅｍｒｏｏｇｃｌｂｓｃｏｅａｏｓａｅｉｒｖｄ．Ｉｒｖｅｏｅａｏｓａｅｉｅｓｔｖｏｐｍｐｏｄｐｒｔｒｒｎｓｎｉｉｅｔ
ｂｎｌｚｇｔｅｃａａｔｉｉｆｈｏｓｍａｌｓｌａｄｐｐｅｏｓ）ｏｔｍｉａｎｇ，ｙａａｉｈｒｃｅｓｃｏｅｎｉｙｎｈｒｔｓｔｅ（ｉｙａｎｅｐｒห้องสมุดไป่ตู้ｉｃｎａｎｔｇｉｅｎｔｎｅｉｍａ
较好地保持图像边缘细节。
关
键
词：计算机应用；边缘检测；数学形态学；彩色图像
文章编号：１０—１８２１）６０４ —４０３０５（００—０３０１
中图分类号：Ｔ９．Ｐ３１４文献标识码：Ａ
ＣｏｏｍａｅＥｄｇｅｅｔｏｓｄｏａｈｅａｉａｏｐｈｏｏｙｌｒＩｇｅＤｔｃｉｎＢａｅｎＭｔｍｔｃｌＭｒｌｇ
Ａｂｔａｔｈｒｄｔｎｌｅｇｅｅｔｏｔｏｓｈｖｉｈｓｎｉｖｔｓｔｏｓ，ａｎｖｌｓｒｃ：ＴｅｔａｉｏａｄｅｄｔｃｉｎｍｅｈｄａｅｈｇｅｓｔｉｅｏｎｉｉｉｉｅｏｅｃｌｒｉａｅｅｇｅｅｔｎａｇｒｈｂｓｄｏｔｅｔｃｌｒｈｌｇｒｐｓｄＧｒｙｓａｅｏｏｇｄｅｄｔｃｉｌｏｉｍａｅｎｍａｈｍａｉａｍｏｔｍｏｐｏｏｙｉｐｏｏｅ．ａ — ｃｌｓｍｏｐｏｏｙｉｘｅｄｄｔｏｏａｅｂｏｔｎａｈｐｘｌｓａｖｃｏｒｈｌｇｓｅｔｎｅｏｃｌｒｉｇｙｓｒｉｇｅｃｉｅｅｔｒｉＲＧＢｐｃ．ｄｔｅｍａｎｓａｅＡｎｎｈ

基于HSI颜色空间的彩色图像边缘检测

ｅｆｅｃｔｉｖｅｎｅｓｓｏｆｄｅｔｅｃｔｉｏｎ．ＴｈｅｍｅａｓｒｅｕｍｅｎｔｏｆｃｏｌｏｒｄｉｓｔａｎｃｅｉｓｉｍｐｒｏｖｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｏｒｒｅｌａｔｉｖｅｔｏａｎｄＳｃｏｍｐｏｎｅｎｔ．Ｉｔｕｓｅｓｅｄｇｅ
ｏｎＨＳＩｃｏｌｏｒｓｐａｃｅｗｈｉｃｈｒｅｆｌｅｃｔｓｔｈｅｆｅａｔｕｒｅｏｆｈｕｍａｎｖｉｓｉｏｎ．ＡｎｅｗｃｏｍｐｏｎｅｎｔＶｃｏｍｂｉｎｉｎｇｔｈｅＨ，Ｓ，１ｃｏｍｐｏｎｅｎ
ＣｏｌｏｒＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＢａｓｅｄ０ｎＨＳＩＣｏｌｏｒＳｐａｃｅ
Ⅺ ＥＹａｎ－ｍｅｉ．ＦＡＮＺｈｅｎ．ＺＨＡＮＧＳｅｎ — ｌｉｎ
ｇｒｏｗｉｎｇｍｅｔｈｏｄｔｏｇｅｔｔｈｅｅｄｇｅｉｍａｇｅｓｏｆｔｈｅｆｏｕｒｃｏｍｐｏｎｅｎｔｓ．Ｔａｋｉｎｇａｄｖａｎｔａｇｅｏｆｄａｔａｆｕｓｉｏｎｔｅｃｈｎｉｑｕｅ，ｔｈｅｆｏｒｕｅｄｇｅｉｍａｇｅｓａｒｅｃｏｍｂｉｎｅｄｉｎｔｏａｎｅｄｇｅｉｍａｇｅｏｆｔｈｅｃｏｌｏｒｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｅｆｅｃｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｎｏｉｓｅｅｆｅｃｔｓａｎｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｅｄｇｅｉｎｆｏｒｍａｔｉｏｎ．

基于改进粒子群算法的彩色图像边缘检测方法

或是局部极小点邻域的一个点。也就是说，早熟收敛并不能
ｂ ∈｛，，２５。ｆ０１…，５｝为了对称，Ｒ将ＧＢ空间的原点坐标从（，Ｏ００），移到ＲＢ空间的中，１７５１７５１７）Ｇ６（２．，：２．，则表示彩色像素２，５ｆ的纯虚四元数为：ｑ＝ｒ－１７５ｉ（一１７５＋ｂ一ｙｉｉ（／２．＋黝）２．ｊ（／）ｊ
保证算法收敛到局部极小点，并且，ＳＰＯ向最优点的收敛速度也比较缓慢。实际上对ＰＯ的研究发现，ＳＳＰＯ早期收敛速度较快，但到寻优后期，寻优结果的改进则不尽理想。这主
要归因于算法收敛到局部极小点时，缺少有效机制使算法逃离局部极小点。针对这些问题，出现了许多改进算法＿，考６】虑到本实验中的求解函数是高维函数，且有多个局部极值，
１概述
边缘检测是图像处理中最基本的问题之一，是后续图
像分割、特征提取等的基础。基于灰度图像的边缘检测方法已经相当成熟，近年来，数字彩色图像的广泛运用使彩色数字图像处理技术日益受到关注，其常用的彩色表示方法是ＲＧＢ三色模型空间，而传统的边缘检测算法如Ｒｂｒ算子、ｏｅｔ
像边缘检测中，提出一种新的彩色图像边缘检测方法。实验结果表明，该方法对彩色图像的边缘检测效果较好，能够提取图像纹理细节，
且算法稳定、容易收敛，边缘检测速度也较快。关健诃：彩色图像；四元数；四元数矢量旋转；粒子群优化；边缘检测
ＣｏｏｍａｅＥｄｅＤｅｅｔｏｅｈｏｓｄ０ｌｒＩｇｇｔｃｉｎＭｔｄＢａｅｎ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一种新的彩色图像边缘检测算法
作者：李丽
来源：《科技创新导报》2011年第35期
摘要:本文提出了一种新的彩色图像边缘检测算法。

实验证明该算法能较好的得到彩色图像的边缘。

关键词:LUV彩色空间边缘检测分数低阶统计
中图分类号:TP312 文献标识码:A 文章编号:1674-098X（2011）12（b）-0013-01
边缘是图像中灰度级或者结构或多或少存在突变的地方,表明一个区域的终结和另一个区
域位置的开始。

数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础,图像理解和分析的第一步往往就是边缘检测。

它为图像的识别、恢复、增强以及重建提供了手段。

1 基于alpha稳定分布模型的去噪算法
在许多的图像处理应用领域中,噪声去除和图像平滑都是非常重要的。

经典的彩色图像滤
波方法包括:均值滤波,中值滤波,维纳滤波,以及利用现在人们研究的热点——小波实现去噪的软,硬阈值法。

虽然小波阈值去噪方法要比其他几种方法优越,但要得到能够更好地满足图像处理
特殊要求的阈值还是有一定困难的。

由于上述缺点,本文使用基于alpha稳定分布模型的彩色图像去噪方法进行预处理,来消除脉冲噪声。

1.1 alpha稳定分布定义
如果随机变量存在参数和实数使其特征函数具有如下的形式:
（1）
式中,则随机变量服从稳定分布。

式（1）中,参数称为特征指数,它决定该分布脉冲特性的程度。

值越小,所对应分布的拖尾
越厚,因此脉冲特性越显著。

相反,随着值变大,所对应分布的拖尾变薄,且脉冲特性减弱。

当时,
为高斯分布。

由于稳定分布的特征函数（式（1））是由4个参数来确定的,我们用来表示稳定分布,并记为,当为对称稳定分布,满足时,记为。

1.2 分数低阶统计量
对于,且。

则对于任意,有,对于任意,有,即的稳定随机变量没有有限的二阶矩,这表明许多在高斯情况下有效的技术不能应用于这种场合。

一般而言,随机变量的二阶矩通常定义为。

对于稳定分布随机变量,定义分数低阶矩（FLOM）为,其中。

设为一分布的随机变量,其位置参数,分散系数为,其中为伽马函数。

仅为和的函数,与随机变量无关。

2 快速熵阈值的彩色图像边缘自动检测
在彩色图像处理中,除了RGB空间外,通过线性或非线性变换可得到一些其他彩色空间。

这些彩色空间中基于视觉的HSL、HSV等空间被人们广泛地采用,不过这些空间的奇异性是一个不能忽视的问题。

为了避免图像处理过程中出现的奇异点,我们在CIELUV颜色空间进行边缘检测。

2.1 边缘自动检测
使用改进的各向同性边缘检测器进行边缘增强,通过快速熵阈值技术得到最优阈值来确定边界,最后结合该像素点与其八领域像素点的颜色均值之间的距离,进一步定位边界。

定义邻接区域边界增强的四种模式水平、垂直、东北对角线、西北对角线,这些边界增强作为中像素的权值,其中表示在该点处的灰度值,像素的局部边界增强的最大值用四个边界中的最大值定义。

把各向同性边缘检测器用于彩色图像,先分别计算彩色空间中三个分量的值,定义一个最优的阈值,若大于阈值则该点置为1否则置为0,仅以分量为例:综合三个分量的边界结果,确定像素是否为边界像素:
（2）
2.2 快速熵阈值
对一个输入图像,假设边界强度像素局部最大值的范围是,设最优阈值为,我们先给定一个阈值T,则强度为的像素数目为,则为边界的概率和非边界的概率分别为和,其中表示具有局部最大边界强度在范围内的像素总数,表示具有局部最大边界强度在范围内的像素总数,两类像素的熵和,则最优阈值满足:。

为了得到最优阈值,需要计算每个像素的两个熵,计算复杂度。

为了减少搜索的复杂度,我们使用一种快速的算法递归的计算和的概率和熵和,若设阈值为T,则我们得到和的表达式分别为和。

相应的,当阈值为T＋1时,像素数目分别为和。

2.3 颜色距离
经过上述算法处理后得到的边界通常是不连续或者是过检测的,再根据像素点与其八邻域像素的颜色均值之间的距离进一步定位边界,颜色均值和颜色距离分别定义为和。

式中,表示像素x的颜色值,是像素的八邻域像素的颜色均值,表示与之间的欧式距离。

3 实验
通过实验,验证了本文算法的有效性。

彩色图像分别采用Sobel算子,Prewitt算子和本文算法得到的边界提取的结果,从图中可以看出Sobel算子和Prewitt算子都是基于灰度图像进行处理的,把该算法用于彩色图像必然会导致颜色信息的丢失,得到的结果不符合人的视觉感受,不能得到准确切闭合的边界,而本文提出的算法在基于视觉的LUV彩色空间,在L、U、V三分量的基础上使用快速熵阈值技术自动的确定彩色边界并结合像素的颜色距离能够得到较好的边界,符合人的感知效应。

4 结语
本文提出了一种新的彩色图像边缘检测的方法。

通过先去除非高斯噪声再进行彩色图像的边缘检测,最后根据颜色信息进一步确定边界。

实验证明本文算法对无显著纹理的图像也能得到良好的边界,边缘检测结果和人的视觉具有良好的一致性。

未来的工作中,可以将图像的纹理特征融入算法中,边界检测性能将进一步的提高。

①作者简介:李丽:女,1979年生,讲师,博士在读,主要研究方向:图像与信号处理。