一种改进的核磁共振图像模糊边缘检测算法
基于改进模糊聚类分析的医学脑部MRI图像分割
第39卷 增刊2吉林大学学报(工学版)Vol.39 Sup.22009年9月Journal o f Jilin U niv ersity (Engineering and T echnolo gy Edition)S ept.2009收稿日期:2008-12-12.基金项目:吉林省科学技术厅项目(20070323).作者简介:周显国(-),高级工程师.研究方向:.E -mail:zx g2004zxg @基于改进模糊聚类分析的医学脑部M RI 图像分割周显国1,陈大可2,苑森淼2(1.吉林省人民医院,长春130022; 2.吉林大学通信工程学院,长春130022)摘 要:结合MRI 图像的直方图统计信息,提出了一种改进的快速FCM (H F -KFCM)算法。
算法首先利用多尺度窗口遍历的方法找到直方图的峰值点,然后将其作为模糊聚类的初始化中心,并使用基于统计信息的快速聚类方法进行遍历,以减少每次迭代的运算量。
仿真结果表明,该算法相比于标准FCM 算法和其他改进算法,在聚类有效性和模糊性上的分割效果显著提高。
关键词:信息处理技术;图像分割;脑部磁共振图像;模糊聚类;直方图统计中图分类号:T P391 文献标识码:A 文章编号:1671-5497(2009)Sup.2-0381-05Medical brain MRI images segmentation by improvedfuzzy C -Means clustering analysisZH OU Xian -guo 1,CH EN Da -ke 2,YUAN Sen -m iao 2(1.Peop le 's H osp ital of J ili n P r ovince ,Changchun 130022,China;2.College of Communication Eng ineer ing ,J ilin Univer sity ,Changchun 130022,China)Abstract:For the shor tcomings of huge calculation in M RI imag es segm entation w ith standard Fuzzy C -M ean alg orithm (FCM ),a new alg orithm com bined w ith histog ram statistical inform ation of Im pr oved Fast Fuzzy C -M ean alg orithm (H F -KFCM )w as proposed.Fir stly,the method o f mult-iscale windo w traverse is used by this algo rithm to find the histogram peaks.Then these peaks are defined as the fuzzy clustering initialization centre.M eanw hile,the fast FCM m ethod based on histo gram statistic is used as erg odicity to r educe each iter ation calculation.The simulation results show that com pared w ith standard FCM alg orithm and other im pro ved alg orithm s,the proposed algorithm can be im pr oved significantly in fuzzy and clustering effectiveness.Key words:information processing;image seg mentation;brain MRI im ag e;fuzzy C -M ean;histog ram statisticMRI 脑图像的分割问题已成为当今医学和计算机图像处理领域的一个研究热点[1-2]。
模糊图像的不连续边缘智能检测改进算法
第57卷 第4期吉林大学学报(理学版)V o l .57 N o .4 2019年7月J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n )J u l y 2019d o i :10.13413/j .c n k i .jd x b l x b .2018206模糊图像的不连续边缘智能检测改进算法楚 玺,周志祥,邓国军,邵 帅(重庆交通大学土木工程学院,山区桥梁与隧道工程国家重点实验室培育基地,重庆400074)摘要:针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测,只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘,检测性能具有局限性的问题,提出一种模糊图像的不连续边缘智能检测改进算法.首先通过广义交叉验证准则获取图像噪声方差估计值,对图像中高斯噪声进行判别,使用自适应模糊滤波器对含噪图像进行模糊滤波处理;然后采用改进模糊图像边缘检测算法,按图像含噪情形制定边缘检测策略,获取模糊图像边缘;最后通过灰度形态学的模糊图像不连续边缘检测算法,对模糊图像边缘受灰度值不均匀变化形成的膨胀㊁腐蚀㊁形态学梯度型不连续边缘进行检测.实验结果表明,该算法抗噪性较高,模糊图像不连续边缘检测的结果更清晰㊁完整.关键词:模糊图像;不连续边缘;边缘检测;广义交叉验证准则;自适应模糊滤波器;灰度形态学中图分类号:T P 311 文献标志码:A 文章编号:1671-5489(2019)04-0875-07I m p r o v e dA l g o r i t h mf o r I n t e l l i g e n tD e t e c t i o no f D i s c o n t i n u o u sE d g e s o fB l u r r e d I m a ge s C HU X i ,Z HO UZ h i x i a n g ,D E N G G u o ju n ,S H A OS h u a i (D e p a r t m e n t o f S t a t eK e y L a b o r a t o r y B r e e d i n g B a s e o f M o u n t a i nB r i d g eT u n n e lE n g i n e e r i n g ,S c h o o l o f C i v i lE n g i n e e r i n g ,C h o n g q i n g J i a o t o n g U n i v e r s i t y ,C h o n g q i n g 400074,C h i n a )收稿日期:2018-05-11.第一作者简介:楚 玺(1986 ),男,汉族,博士,讲师,从事结构健康监测和图像处理的研究,E -m a i l :j f n c h u x i @y a h o o .c o m.基金项目:国家自然科学基金(批准号:51778094;51708068).A b s t r a c t :A i m i n g a t t h e p r o b l e mt h a t t h e t r a d i t i o n a l d i s c o n t i n u o u s e d g e d e t e c t i o n a l g o r i t h m w a s u s e d t od e t e c t t h e e d g e c o n t r a s t o f t h ee n h a n c e d i m a g e ,b u t i tw a so n l y s u i t a b l e f o rd e t e c t i n g t h ee d g eo f t h e i m a g ew i t hn o s t r o n g c h a n g e o f g r a y v a l u e a n do r d i n a r y n o i s e ,a n d t h e d e t e c t i o n p e r f o r m a n c e h a d t h e l i m i t a t i o n ,w e p r o p o s e d a n i m p r o v e d a l g o r i t h mf o r i n t e l l i g e n t d e t e c t i o no f d i s c o n t i n u o u s e d ge sof b l u r r e d i m ag e s .F i r s t l y ,th ee s ti m a t i o n o ft h en o i s ev a r i a n c eo ft h ei m a g e w a so b t a i n e d b y t h e g e n e r a l i z e d c r o s s v a l i d a t i o nc r i t e r i o nt od i s c r i m i n a t e t h eG a u s sn o i s e i nt h e i m a g e ,a n dt h ea d a pt i v e f u z z y f i l t e rw a s u s e d t om a k e f u z z y f i l t e r i n g o f t h en o i s y i m a g e .S e c o n d l y ,t h e i m p r o v e d i m a g ee d g e d e t e c t i o na l g o r i t h mo f b l u r r e d i m a g ew a s u s e d t o a c q u i r e t h e e d g e o f t h e b l u r r e d i m a g e b y f o r m u l a t i n g t h e i m a g e e d g e d e t e c t i o n s t r a t e g y a c c o r d i n g t o t h e s i t u a t i o n o f i m a g e n o i s e .F i n a l l y,t h e d i s c o n t i n u o u s e d g ed e t e c t i o na l g o r i t h m o fb l u r r e di m a g eo f g r a y m o r p h o l o g y w a su s e dt od e t e c tt h ee x pa n s i o n ,c o r r o s i o na n d m o r p h o l o g i c g r a d i e n td i s c o n t i n u o u se d g e so ft h eb l u r r e di m a g ee d g ec a u s ed b y t he u n e v e n c h a n g eofg r a y v a l u e .Th ee x p e ri m e n t a l r e s u l t ss h o wt h a t t h e p r o p o s e da l g o r i t h m h a sh i g h n o i s e i mm u n i t y ,a n d t h e r e s u l t so f d i s c o n t i n u o u s e d g ed e t e c t i o no f t h eb l u r r e d i m a gea r e c l e a r e r a n dm o r e c o m p l e t e .K e yw o r d s :b l u r r e d i m a g e ;d i s c o n t i n u o u s e d g e ;e d g ed e t e c t i o n ;g e n e r a l i z e dc r o s sv a l i d a t i o nc r i t e r i o n ;a d a p t i v e f u z z y f i l t e r ;g r a y m o r p h o l o g y 图像边缘在受到噪声影响时,具有突变性㊁不连续性和灰度值的不均匀性,从而产生模糊图像不连续边缘.采用边缘检测对模糊图像进行调整,可避免损坏关键框架属性,有利于削减图像的数据量[1].传统的模糊图像不连续边缘检测算法是通过增强图像边缘对比度进行检测,只适用于检测灰度变化不强烈以及只受普通噪声影响的图像边缘,在不同噪声环境下不能通用.文献[2]提出了改进的R o b e r t s 边缘检测算法,该算法采用3ˑ3邻域代替R o b e r t s 算法中2ˑ2邻域计算梯度幅值,并利用图像块之间相似性的三维块匹配去噪模型,提高R o b e r t s 算子的检测精度和抗噪性能,通过最佳阈值迭代方法代替人为指定阈值获取最佳分割阈值,有效地提取了图像中的目标轮廓;文献[3]提出了一种新的K i r s c h 边缘检测算法,该算法首先利用模糊数学方法和中值滤波去除图像中的背景噪声和随机噪声,然后基于三阶样条小波系数构造4个滤波模板并获得滤波图像和极值点图像,最后根据最大熵算法自动获取的阈值和极值点图像得到边缘图像.但上述改进方法的检测性能均不理想,因此,本文对模糊图像的不连续边缘智能检测算法进行改进,首先利用广义交叉验证准则获取图像噪声方差估计值,根据噪声方差估计值判别图像的高斯噪声,然后采用自适应模糊滤波器对含噪图像进行模糊滤波处理,通过灰度形态学的模糊图像不连续边缘检测算法,对模糊图像边缘受灰度值不均与变化形成的膨胀㊁腐蚀㊁形态学梯度型不连续边缘进行检测,实现了对模糊图像不连续边缘的完整㊁准确检测.1 改进算法1.1 噪声估计图像的不连续边缘由高斯噪声的强度所致,因此在对图像进行边缘检测前,需判别噪声强度[4].在噪声具体特征未知的前提下,通过广义交叉验证准则获取图像噪声方差估计值σ2,计算公式为σ2=1n R S S ,(1)R S S =ðn i -111+s λ2i -æèçöø÷12D C T 2i (y ),(2)其中:y 表示需要调整的图像,(λ2i )i =1,2, ,n 表示D T D 的特征值,D 为n ˑn 三角矩阵,n 为图像像素点的数量;D C T i 表示第i 个元素的离散余弦变换[5];s 表示通过广义交叉验证准则得分最小化时获取的参数值.上述算法适用于在图像含有高斯噪声时精确估算噪声的方差,对图像的噪声强度进行判别.1.2 模糊滤波图像含有高斯噪声时会产生模糊图像[6],此时使用模糊边缘检测算法不能对其进行准确检测,因此在对模糊图像边缘检测前,应对图像进行滤波处理.本文采用自适应模糊滤波器对图像进行滤波处理,可得到更准确的边缘检测效果[7].自适应模糊滤波器通过计算目标像素点3ˑ3窗口内每点像素值与中心点像素值的差异均值和方差,获取与高斯分布匹配的隶属度函数,计算公式为W =e x p -(Ωi ,j ,r ,s -Ωi ,j )22σ2i ,{}j,(3)其中:Ωi ,j 和σ2i ,j 分别表示3ˑ3窗口内每点像素值与中心点像素值差异的均值和方差;i ,j 表示中心像素点的位置坐标;r ,s ɪ{-2,-1,0,1,2}表示像素分辨率.通过把隶属度函数作为权值对3ˑ3窗口内每点像素加权,得出模糊滤波过程[8],计算公式为F i ,j =ð2r =-2ð2s =-2W i +r ,j +s ㊃C i +r ,j+s ð2r =-2ð2s =-2W i +r ,j +s ,(4)678 吉林大学学报(理学版) 第57卷其中:F i ,j 表示图像模糊滤波结果;W ,C 分别表示各点隶属度函数值和像素点灰度值.1.3 改进模糊图像边缘检测在对模糊图像边缘检测中,通过噪声判别对模糊图像进行滤波处理,采用改进模糊图像边缘检测算法对图像进行边缘检测,本文改进算法根据噪声强度的差异使用不同的边缘检测策略[9],计算公式为G (u )=g (u ),σ2<T n ,g (u f ),σ2>T n {,(5)其中,T n 表示真实图像的噪声阈值;u ,u f 分别表示原图和模糊滤波后的图像;g (㊃)表示采用模糊推理规范获取的检测结果.因此,在检测模糊图像边缘时,通过对噪声的判别,可对其使用不同的边缘检测方案.1.4 基于灰度形态学的模糊图像不连续边缘智能检测由于获取的模糊图像边缘灰度值变化强度不同,会导致出现模糊图像不连续边缘的现象.通过数学形态学可对灰度值差异的模糊图像不连续边缘进行智能检测.1.4.1 数学形态学 通过固有形态的结构元素判别并采集图像中相符的形状完成图像解读判别是数学形态学的基本思想.由于提取的有关图像结构信息受结构元素尺寸和形状条件的影响,因此构建具有差异性的结构元素能获取不同的结果,再对差异图像进行分析.本文通过灰度形态学对模糊图像进行不连续边缘检测.1.4.2 灰度形态学的基本运算 图像的灰度值突变会产生分布不均的现象,致使图像产生模糊不连续边缘,主要有4种形态:膨胀㊁腐蚀㊁开启和闭合.灰度形态学是通过在灰度图像上对膨胀㊁腐蚀㊁开启和闭合进行处理,其中开启和闭合形态统称为形态学梯度型形态.用f (x ,y )表示灰度图像,b (i ,j )表示结构元素,D f 和D b 分别表示f 和b 的定义域.4种形态描述如下:1)腐蚀定义为(f Θb )(x ,y )=m i n {f (x +i ,y +i )-b (i ,j )(x +i ,y +j )ɪD f ;(i ,j )ɪD b };(6) 2)膨胀定义为(f 췍b )(x ,y )=m a x {f (x -i ,y -i )-b (i ,j )(x -i ,y -j )ɪD f ;(i ,j )ɪD b };(7) 3)开启运算定义为f (x ,y )췍b (x ,y )=[(f Θb )췍b ](x ,y );(8) 4)闭合运算定义为f (x ,y )㊃b (x ,y )=[(f 췍b )Θb ](x ,y ).(9)1.4.3 灰度形态学的不连续边缘检测 通过上述描述,可知4种形态的区分方式,从而进行分类边缘提取.在同一区域内出现两个不同的灰度值边缘,通过形态学的转换,需提取的边缘灰度值和图像内非边缘的部分变化程度更分明,因此可提取到模糊图像的腐蚀㊁膨胀及形态学梯度型不连续边缘:1)基于灰度腐蚀的腐蚀边缘提取表达式为G e (x ,y )=f (x ,y )-f (x ,y )Θb (x ,y );(10) 2)基于灰度膨胀的膨胀边缘提取表达式为G d (x ,y )=f (x ,y )췍b (x ,y )-f (x ,y );(11) 3)基于形态学梯度的梯度波动边缘提取表达式为G d e (x ,y )=f (x ,y )췍b (x ,y )-f (x ,y )Θb (x ,y ).(12) 由式(10)~(12)可知,获取腐蚀型边缘时,需对原图像过滤其腐蚀后的图像,可获取检测边缘;获取膨胀型边缘时,需在原图像膨胀后的图像过滤原图像,可获得检测边缘;获取形态学梯度型边缘时,需将膨胀后的图像过滤腐蚀后的图像,可获得检测边缘.通过上述过程可实现模糊图像中腐蚀㊁膨胀㊁形态学梯度型等不连续边缘的检测.本文改进的模糊图像不连续边缘智能检测算法流程如图1所示.先利用广义交叉验证准则的估计算法对图像噪声强弱进行判别,然后对模糊图像进行滤波处理,改进的模糊图像边缘检测算法按图像778 第4期 楚 玺,等:模糊图像的不连续边缘智能检测改进算法含噪情形制定边缘检测策略,当图像处于弱噪时,采用模糊边缘检测算法;当图像处于强噪时,采用把模糊滤波处理和模糊边缘检测算法相结合的方法,实现模糊图像边缘检测.最后采用形态学算法实现模糊图像的不连续边缘智能检测[10].图1 模糊图像不连续边缘检测算法改进流程F i g .1 I m p r o v e d f l o wc h a r t o f d i s c o n t i n u o u s e d g e d e t e c t i o na l g o r i t h mo f b l u r r e d i m a ge 2 实验分析为了验证本文改进算法的有效性,针对噪声和灰度值两种干扰因素所产生的模糊图像不连续边缘智能检测进行仿真实验.实验选取某人脸识别数据库图像作为实验样本,实验环境:C P U 为I n t e l (R )3.19G H z ,内存为16G B ,分别在两种不同影响因素下进行实验.2.1 噪声干扰下算法性能检测把方差为0.006的弱高斯噪声和方差为0.03的强高斯噪声分别加到L e n a 原图中(256ˑ256),实验对比分析本文算法㊁文献[2]算法和文献[3]算法的性能.融入弱高斯噪声(σ2=0.006)的L e n a 图像不连续边缘检测结果如图2所示,设置本文算法的噪声阈值T n =0.01.由图2可见,在弱噪声情形下,本文改进算法检测不连续边缘的结果比其他两种算法更清晰㊁全面.图2 弱噪声情形下3种算法检测结果对比F i g .2 C o m p a r i s o no f d e t e c t i o n r e s u l t s o f t h r e e a l go r i t h m s i n t h e c a s e o fw e a kn o i s e 将σ2=0.03的高斯噪声加到L e n a 原图中,同理采用上述3种算法对强噪声的L e n a 图像不连续878 吉林大学学报(理学版) 第57卷边缘进行检测,结果如图3所示.由图3可见,在强噪声情形下,本文改进算法比其他两种算法检测出的图像不连续边缘更全面,图像的不连续边缘几乎都被检测出,表明本文改进算法的抗噪性能较强,且精度较高.图3 强噪声情形下3种算法检测结果对比F i g .3 C o m p a r i s o no f d e t e c t i o n r e s u l t s o f t h r e e a l g o r i t h m s i n t h e c a s e o f s t r o n g no i s e 下面采用峰值信噪比(P S N R )对上述3种对比算法进行性能对比,计算公式为P S N R =101g 25521m ˑn ðm x =1ðn y =1[I (x ,y )-I 0(x ,y )]2,(13)其中:I 0(x ,y )和I (x ,y )分别表示高斯噪声的原始图像和最终边缘检测图像;m ˑn 表示图像大小.3种对比算法的P S N R 对比结果列于表1.表1 3种算法的P S N R 对比结果T a b l e 1 C o m p a r i s o no fP S N Rr e s u l t s o f t h r e e a l g o r i t h m s 实验图像P S N R /d B 文献[2]算法文献[3]算法本文算法L e n a 原图14.08715.67231.049 由表1可见,在处理含高斯噪声的L e n a 原图时,文献[2]算法和文献[3]算法的P S N R 均小于本文改进算法,表明本文改进算法的性能高于其他两种算法.用上述3种对比算法对L e n a ㊁车㊁船和昆虫图像进行不连续边缘检测效率和精度的对比实验,结果列于表2.由表2可见,相对于其他两种算法,本文算法进行不连续边缘检测效率和精度更高,优势明显.表2 3种算法检测性能对比T a b l e 2 C o m p a r i s o no f d e t e c t i o n p e r f o r m a n c e o f t h r e e a l go r i t h m s 图像文献[2]算法检测效率/%检测精度文献[3]算法检测效率/%检测精度本文算法检测效率/%检测精度L e n a 91.260.7888.560.8892.350.92车87.030.8590.120.8394.080.95船80.260.8276.250.7695.240.93昆虫78.280.6881.030.6591.850.91978 第4期 楚 玺,等:模糊图像的不连续边缘智能检测改进算法2.2 灰度值干扰下算法性能检测实验通过W i n d o w sX P 平台,使用MA T L A B7.0软件对鼠兔图像不连续边缘进行检测,因为鼠兔图像具有不规则性,所以利用结构相似性(S S I M )对本文算法㊁文献[2]算法和文献[3]算法进行性能检测,使用3ˑ3的圆盘形结构元素及腐蚀型和膨胀型边缘提取方法对其进行不连续边缘检测.为了将实验128ˑ128像素彩色图像变化为灰度图像,实验使用灰度值与彩色图像3个颜色分量R ,G ,B 之间图4 鼠兔原始图像F i g .4 O r i g i n a l i m a g e o f p i k a 的变换公式实现如图4所示的鼠兔原始图像的灰度化处理:g r a y s c a l e =0.3R +0.59G +0.11B .(14)本文算法采用灰度形态学不连续边缘检测方法对原始图像进行边缘检测,获取的灰度膨胀型边缘和灰度腐蚀型边缘的检测结果分别如图5和图6所示,文献[2]算法和文献[3]算法对原始图像边缘检测的结果分别如图7和图8所示.由图5和图6可见,在图片发生灰度值变化产生不连续边缘时,经过本文算法形态学的调整,仍然能检测出图像的不连续边缘,且检测结果边缘平滑㊁边界清晰,许多身体细节均被检测出.图7和图8虽然也能对原始图像进行边缘检测,但很多边缘细节被筛选排除掉,无法准确㊁完整地检测出图像的不连续边缘.因此,本文算法检测结果平滑清晰,未出现漏检现象,效果令人满意.图5 灰度膨胀型边缘检测结果F i g .5 R e s u l t s o f g r a y s c a l e e x p a n s i o n e d g e d e t e c t i on 图6 灰度腐蚀型边缘检测结果F i g .6 R e s u l t s o f g r a y s c a l e c o r r o s i o n e d ge d e t e c t i on 图7 文献[2]算法边缘检测结果F i g .7 E d g e d e t e c t i o n r e s u l t s o f r e f e r e n c e [2]a l g o r i t hm 图8 文献[3]算法边缘检测结果F i g .8 E d g e d e t e c t i o n r e s u l t s o f r e f e r e n c e [3]a l g o r i t h m 综上所述,本文对模糊图像的不连续边缘智能检测算法进行了改进,利用形态学算法对灰度值差异的模糊图像进行不连续边缘检测,采用改进的模糊图像边缘检测算法,获取模糊图像边缘后,通过基于灰度形态学的模糊图像不连续边缘检测算法,检测模糊图像边缘膨胀㊁腐蚀㊁梯度波动等不连续边缘.实验从噪声干扰和灰度值干扰两种环境对本文算法不连续边缘检测性能进行了验证,证明本文088 吉林大学学报(理学版) 第57卷算法具有较高的抗噪性,对模糊图像的不连续边缘检测结果更清晰㊁完整.参考文献[1] 贾敬典,刘艳,李雷.模糊图像边缘检测算法研究[J ].计算机技术与发展,2017,27(7):62-64.(J I AJ i n g d i a n ,L I U Y a n ,L IL e i .I n v e s t i g a t i o no nD e t e c t i o n A l g o r i t h mf o rF u z z y I m a g eE d g e [J ].C o m p u t e rT e c h n o l o g y a n d D e v e l o p m e n t ,2017,27(7):62-64.)[2] 王方超,张旻,宫丽美.改进的R o b e r t s 图像边缘检测算法[J ].探测与控制学报,2016,38(2):88-92.(WA N GF a n g c h a o ,Z HA N G M i n ,G O N G L i m e i .I m a g eE d g eD e t e c t i o n A l g o r i t h m o fR o b e r t s O pe r a t o r [J ].J o u r n a l o fD e t e c t i o na n dC o n t r o l ,2016,38(2):88-92.)[3] 李东玥,徐龙春,张敏风,等.一种新的K i r s c h 边缘检测算法[J ].中国医学物理学杂志,2017,34(7):686-689.(L ID o n g y u e ,X U L o n g c h u n ,Z HA N G M i nf e ng ,e t a l .A N o v e lK i r s c hE d g eD e t e c t i o nA l g o r i th m [J ].C hi n e s e J o u r n a l o fM e d i c a l P h y s i c s ,2017,34(7):686-689.)[4] 李轩,张红.基于模糊算法的彩色图像边缘检测[J ].科学技术与工程,2018,18(13):261-266.(L IX u a n ,Z HA N G H o n g .C o l o r I m a g eE d g eD e t e c t i o nA l g o r i t h m B a s e do nF u z z y A l g o r i t h m [J ].S c i e n c eT e c h n o l o g y a n d E n g i n e e r i n g ,2018,18(13):261-266.)[5] 顾雨迪,梁久祯,吴秦,等.基于覆盖分割和活动轮廓模型的图像边缘提取算法[J ].数据采集与处理,2017(5):948-957.(G U Y u d i ,L I A N G J i u z h e n ,WU Q i n ,e ta l .I m a g eB o u n d a r y E x t r a c t i o n B a s e do n P i x e l C o v e r a g eS e g m e n t a t i o n a n dC h a n -V e s eM o d e [J ].J o u r n a l o fD a t aA c q u i s i t i o n a n dP r o c e s s i n ,2017(5):948-957.)[6] 黄爱华,王航,唐卫东.基于多阈值归一化分割的模糊图像边缘分割算法[J ].半导体光电,2017,38(1):142-145.(HU A N G A i h u a ,WA N G H a n g ,T A N G W e i d o n g .S e g m e n t a t i o n A l g o r i t h m so fF u z z y I m a g e E d g e B a s e do n M u l t i -t h r e s h o l dN o r m a l i z e dS e g m e n t a t i o n [J ].S e m i c o n d u c t o rO p t o e l e c t r o n i c s ,2017,38(1):142-145.)[7] 加春燕,崔丽.基于频谱边缘检测和R a d o n 变换估计运动模糊图像的方向[J ].图学学报,2016,37(3):434-438.(J I A C h u n y a n ,C U IL i .D i r e c t i o n E s t i m a t i o no f M o t i o nB l u r r e dI m a g e sB a s e do n E d g eD e t e c t i o no f S p e c t r u ma n dR a d o nT r a n s f o r m [J ].J o u r n a l o fG r a p h i c s ,2016,37(3):434-438.)[8] 代文征,郑良仁,杨勇.基于新型C a n n y 算法雷达距离图像边缘检测算法[J ].沈阳工业大学学报,2017,39(4):428-432.(D A IW e n z h e n g ,Z H E N G L i a n g r e n ,Y A N G Y o n g .E d g eD e t e c t i o nA l g o r i t h mo fR a d a rR a n ge I m a g e B a s e d o n N e w C a n n y A l g o r i t h m [J ].J o u r n a l of S h e n y a ng U n i v e r s i t y o f T e ch n o l o g y,2017,39(4):428-432.)[9] 孙道辉.基于信息融合的图像边缘检测算法实现[J ].电子测试,2018,394(13):55-56.(S U N D a o h u i .I m a ge E d g eD e t e c t i o nA l g o r i t h m B a s e do n I nf o r m a t i o nF u s i o n [J ].E l e c t r o n i cT e s t ,2018,394(13):55-56.)[10] 胡智鹏,刘颖.关于人脸图像抗噪性能检测算法研究[J ].计算机仿真,2016,33(11):349-352.(HU Z h i p e n g,L I U Y i n g .A n t i n o i s eP e r f o r m a n c e o f F a c e I m a g eD e t e c t i o nA l g o r i t h m R e s e a r c h [J ].C o m p u t e r S i m u l a t i o n ,2016,33(11):349-352.)(责任编辑:韩 啸)188 第4期 楚 玺,等:模糊图像的不连续边缘智能检测改进算法。
数字图像处理中的边缘检测算法改进方法
数字图像处理中的边缘检测算法改进方法引言：边缘检测在数字图像处理中起着重要的作用，它能够有效地提取图像中的边缘信息，为后续的图像分析和识别任务提供重要的基础。
然而，传统的边缘检测算法存在一些问题，如对噪声敏感、边缘断裂等。
因此，人们提出了各种改进方法来解决这些问题。
本文将介绍几种常见的边缘检测算法改进方法，包括基于梯度的方法、基于模型的方法和基于深度学习的方法。
1. 基于梯度的方法改进基于梯度的边缘检测算法，如Sobel算子、Prewitt算子和Canny算子，对图像进行梯度运算来检测边缘。
然而，这些方法容易受到噪声的干扰，导致边缘检测结果不准确。
为了改进这个问题，人们提出了以下几种方法：a) 自适应阈值法：根据图像的局部统计特性，自适应地选择阈值。
通过动态调整阈值可以有效地抑制噪声的干扰。
b) 非极大值抑制：在梯度图像上对每个像素进行局部极大值的判断，剔除非边缘点，以得到更准确的边缘位置。
c) 双阈值法：将图像的梯度分为强边缘和弱边缘两部分，选择适当的阈值来判断边缘是否真正存在，以减少误检率。
2. 基于模型的方法改进基于模型的边缘检测算法将图像中的边缘视为一种特殊的线段或曲线，并通过拟合模型来检测边缘。
这些方法相对于基于梯度的方法更加稳定，能够有效地解决边缘断裂的问题。
以下是几种常见的基于模型的改进方法：a) Hough变换：将图像中的边缘点映射到Hough空间，通过寻找交点来检测直线或曲线。
b) CHT变换：基于Hough变换的思想，通过累积直线段的交点来检测直线。
c) Snake模型：基于活动轮廓模型，通过能量最小化的方法进行边缘检测，能够较好地适应边缘的变化。
3. 基于深度学习的方法改进近年来，深度学习技术的发展为图像处理提供了新的思路。
通过利用深度神经网络，可以自动从大量的训练数据中学习到图像边缘的特征表示，从而实现更准确的边缘检测。
以下是几种基于深度学习的改进方法：a) 卷积神经网络（CNN）：通过多层卷积和池化操作，对图像进行特征提取和学习，实现边缘检测。
一种改进的模糊增强算法
可以对整幅 图像全局定义 ，也可以对其分块局部定义。
的参量 （ ， ） ， ｇ ，全体 组成的平面即是模糊特征
平面 ， ｇ 为图像 中最大的像素值 ，其中 和 分别是指
２ 图像的模糊增 强系统模型
２１图像模糊增 强步骤 ．
图像模 糊处理 主要有 ３个步 骤 ： 图像模 糊特 征提取 、
称隶属度 平面 ） ，即模糊化 （ 主要 建立在专 家经验基础之 上） 以完成编码之后 ，用适 当的模糊技术 来修正隶 属度值 ， 最 后通过模糊域反变换将数据从模糊域变换到图像 的空 间 域以完成解码 。图像模 糊处理 中很大程度上取决于中间一 步， 即隶属度的修正 ， 其所使用的方法可以是模糊增强算子 、 模糊聚类、模糊规则 、模糊形态学或综合的模糊方法等 同 。 现有模糊增强算 法中的核心变换 ，即非线性变换函数 存在明显的缺陷。由于该类非线性函数在变换 后其反函数 局部无解 ，导致 了图像 的部分灰度信息被丢失 ，因而影响
图像 的模 糊增强后加入平滑 ，保持 了图像细节使增强效果
得到 了提高。
征 （ 例如 ，亮度 、边缘 、平滑等 ）的程度或者属于某些子 集 （ 例如 ，物体 、骨骼 、轮廓等 ）的程度。换句话说 ，一
幅图像 ｘ的模 糊子集是一个从 ｘ到 【， （ 通模 糊集 ） （ｌ 普 】】 或
２２Ｐ ｌ 法及 其 改 进 ． ａ算
ｇ ＝Ｇ一（ ） ＝
－ 一
１
（ ５）
ｇ 一 （ （
一１ ） ）
边缘检测 。
使用文献 【】 ８ 提出的 “ ｉ”或 “ ｘ ｒｎ ｎ ｍａ ”算子进行边缘 由上可以看出式 （ ２）的计算量很大 ，研究中发现采用 不 同的隶 属度 函数对处理的结果并不造 成很大的影响 ，注
一种改进的边缘检测方法
Ｋ ｙｗ ｒｓ ｄ ｅｄｔ ｔ ｎ ｉ ａｅｐｏｅｓ ｇ ｎｉ ｍｍ ｎ ； ｎｓｔ ｐｃｄｆ ｓ ｎ ｒｇ ｎｇ ｗｎ ｅ ｏｄ ：ｅｇ ｅｅ ｉ ； ｍ ｇ ｒｃｓｉ ； ｏｓ ｊ ｉｇ ａ ｉ ｒ ｉ ｉｕｉ ； ｅｉ ｒ ｉｇ ｃｏ ｎ ｅａ ｏｏ ｆ ｏ ｏ ｏ
图像 是 生 产 和生 活 中重 要 的表 达 手 段 ， 图像 可 以 为人 们 带 来 直 观 的 信 息 ， 中 ， 像 在 其 边 缘 中 其 图 包 含 有 大 量信 息 ． 图像 的边 缘 是 图 像 局 部 特性 不 连 续 性 的反 映 Ｊ边 缘 的检 测对 于识 别 物 体 具 有 重要 ， 意义 ， 时 ， 缘在物体之间 ， 同 边 以及 物体 与 背景 之 间 有 广 泛 体 现 ， 此 也 是 图 像 分 割 所 依 赖 的 重 要 因
Ａｂ ｔ ａ ｔ ｄ ｅ ｄ ｔｃ ｉｎ ｉ ｍｐ ｒ ｎ ｎ ｉ ｇ ｒｃ ｓ ｉ ｇ ｈ ｓ ｐ ｏ ｌ ｍ ｅ ｉ ｓ ｏ ｉ ｇ ｔ ｏｓ ．Ｔ ｏｖ ｈ ｒｂ ｅ ， ｓｒ ｃ ：Ｅ ｇ ｅ ｅ ｔ ｓ ｉ ｏ ｔ ｔｉ ｍａ ｅ ｐ ｏ ｅ ｓ ，ｔ ｉ ｒ ｂ ｅ ｒ ｍａｎ ｗ ｎ ｏ ｎ ｉｅ ｏ ａ ｎ ｏ ｓ ｌ ｅ ｔｅ ｐ ｏ ｌｍ ｍａ ｙ ａｇ ｒ ｈ ｆｅ ｇ ｅｅ ｔ ｎ ｈ ｖ ｅ ｎ ｐ Ｉ ｏ ｅ ， ｕ ｔ ｓｎ ｔ ｅ ｆｃ ．Ｔ ｅ ｓ ｏｈ ｎ ｔ ｏ ａ ｅ ｆ ａ ｉｏｒ ｐ ｃ ｄｆ — ｎ ｌ ｏ ｉ ｍｓｏ ｄ ｅｄ ｔｃｉ ａ ｅｂ ｅ ｒ ｐ ｓ ｄ ｂ ｔ ｏ ｒｅ ｔ ｈ ｍｏ ｔ ｉ ｇｍｅ ｈ ｄ ｂ ｓ ｄ Ｏ ｎ ｓ ｔ ｉ ｉ ｕ ｔ ｏ ￣ ｉｉ ｐ ｏ ｆ ｓｏ ａ ｍｏ ｔ ｍａ ｅ ｔ ｏ ｄ ｒ ｓ ｌ ．Ｉ ｈ ｓｐ ｐ ｒ ｈ ｓ ｄｆ ｓ ｎ ｍｅｈ ｄ ｉ ｏ ｉ ｅ ｉ ｒ ｄ ｔ ｎ ｌｅ ｇ ｅｅ ｔ ｎ ｉｎ ｃ ｎ ｓ ｏｈ ｉ ｇ ｓ ｗｉ ｇ ｏ ｅ ｕ ｔ ｈ ｓ ｎ ｔ ｉ ａ ｅ ，ｔ ｉ ｉ ｕ ｉ ｔ ｏ ｓ ｃ ｍｂｎ ｄ ｗ ｔ ｔ ｉ ｏ ａ ｄ ｅ ｄ ｔｃｉ ｆ ｏ ｈ ａ ｉ ｏ ｍｅｈ ｄ ｏ ｇ ｔａ ｍｐ ｏ ｅ ｌ ｏ ｉ ｍ．Ｔ ｅ Ｂ ・ ａｇ ｒ ｈ ｓ ｏｈ ｓ ｔ ｅ ｉ ｇ ｉ ｎ ｓ ｔ ｐ ｃ ｄｆ ｓｏ ｉ ｔ ．ｔ ｅ ｓ ｓ ｔ ｏ ｓ ｔ ｅ ｎ ｉ ｒｖ ｄ ａ ｇ ｒｔ ｈ ｈ Ｅ ｌ ｏ ｉ ｍ ｍｏ ｔ ｅ ｈ ｍａ ｅ ｗ ｔ ａ ｉｏｒ ｉ ｉ ｕ ｉｎ ｆ ｓｌ ｈ ｎ ｕ ｅ ｗ ｔ ｈ ｏ ｆ ｒ ｙ ｎ ｎ ｍａ ｉ ｍ ｕ ｐ ｅ ｓ ｎ ａ ｄ ｔ ｅ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｅ ｉｎ ｇ ｏ ｉ ｇ ｔ ｅ ｈ ｄ ｅ ｗｉ ｎ ａ ｔｄ ｔ ｉ ．Ａ ａ ｔ ｏ — ｘｍｕ ｓ ｐ ｒ ｓ ｉ ｎ ｈ ｔｏ ａ ｅ ｎ ｒ ｇ ｏ ｒ ｗ ｎ ｏ ｇ ｔｔ ｅ ｅ ｇ ｔ ｉ ｔｃ ｅａｌ ｏ ｈ ｓ ｔｌ ｓ ，ｗｅ ｕ ｅ ｔ ｅ ｓ ｈ ｎ ｗ ｍｅｈ ｄ ｏ ｈ ａ ｄ ａ ｅ ｔｏ ｎ ｔ ｅ ｃ ｒ ｉｃ ＭＲＩａ ｄ ｃ ｍｐ ｒ ｄ ｗｉ ｒｄ ｔ ｎ ｌｍｅｈ ｄ ，ａ ｄ ｉ ｓ ｏ ｈ ｂ ｉ ｕ ｄ ａ ｔｇ ． ｎ ｏ ａ ｅ ｔ ｔａ ｉ ｏ ａ ｔ ｏ ｓ ｎ ｔ ｈ ｗｓｔ ｅ ｏ ｖ ｏ ｓ ａ ｖ ｎ ａ ｅ ｈ ｉ
一种基于模糊梯度算法的图像边缘检测方法
一 种 基 于 模 糊 梯 度 算法 的 图 像 边 缘 检 测 方 法
胡德明
（武汉理工大学 信息工程学院， 湖北 武汉 43 00 7 0）
摘
要： 图像的 边缘是图像最基本的特征。进行了图像分割、 模板匹配和图像识 别等方面的研究， 无不例外都
会使用到图像的边缘。对图像边缘检测方法中的模糊梯 度算法进 行了探讨， 并提出 了一种改进 方法， 得到了 较好的检测效果。 关键词： 图像边缘 ； 边缘检测；模糊梯度算法 中图法分类号： 911. 73 文献标识码： A
第 28 卷 第 7 期 武汉理工大学学报 � � � � � 信息与管理工程版 . 28 .7 2006 � � 年 � 7 � � 月 � � � A F （ F � � � A & A A GE E E G EE G） .2006 文章编号： 100 7- 144 （200 6 ） 0 7- 0 16 7-0 4
数字图像模糊化
模糊梯度法及隶属函数
确定图像中物体边界的一种重要 法就是检
收稿日期： 2006- 05 -15 . 作者简介： 胡德明 （ 196 8-） ， 男， 湖北荆门人， 武汉理工大学信息工程学院讲师 . 基金项目： 教育部留学回国人员科研启动基金资助项目 （ 教外司留 ［ 200 4］ 5 27 号）
[ (
)]
（ 2） 像边缘检测的效果。因此， 人们研究的焦点已经 � � � 式中，（ ，） 为像素 （ ，） 对于模糊集 的隶属 � 不仅仅局限于找到一种检测边缘的算法， 而逐渐 � 度， 这里选用甄选映射作为模糊化函数； 为模糊 开始讨论分离图像的边缘和噪声。现在人们提出 因子， 取 = -1。 的新算法已经涉及到了这方面的问题， 甚至一些 经模糊化后图像的矩阵形式为 算法已经从另外的角度去考虑这个问题， 并取得 � � （0， 0 ） （0 ， 1） （0 ， 1） � � � � � � 了较好的效果。下面主要对一种新的图像边缘检 � � （1， 0 ） （1， 1） （1， 1） � � � � � � 测方法— — —模糊梯度算法进行探讨。 � 1 � � � � � � � � � � � （ 1， 0 ） （ 1 ， 1） （ 1， 1） � � � 在计算机中， 图像是经过数字化后进行存储 的。例如， 灰度图像用每一像素的灰度值组成一 个灰度矩阵来描述， 而彩色图像的每一像素是由 3个字节分别表示其 GB 值， 所以每一幅数字图 像都是一个描述图像灰度信息的数值矩阵。图像 处理过程实际上是对图像灰度矩阵的处理过程。 图像的模糊 化就是将图像灰 度值转换到模 糊集 （3 ） 模糊化后的图像矩阵已不再是灰度矩阵， 而 是代表各个像素明暗程度的模糊数矩阵， 图像矩 阵各个元素的值都转换到模糊区间 ［ 0， 1］ 上。
一种离焦模糊图像边缘检测新方法
ｔ ｎ Ｔｈ ｓｅ ｇ ｅ ｅ ｔ ｎ ａ ｇ ｒｔ ｍ ｙ ｄ ｆｎｎ ｅ ｅ ｇ ｅ ｅ ｔ ｎ ｏ ｅ ａ ｏ ，ｕ ｉ ｇ ｔ ｅｎ ｗ ｐ ｒ ｔ ｒｏ ｈ ｇ ｆａｌ ｉ — ｉ ． ｏ ｉ ｄ ｅｄ ｔ ｃ ｉ ｌ ｏ ｉ ｏ ｈ ｂ ｅ ｉ ｉ ｇ ａｎ ｗ ｄ ｅｄ ｔｃ ｉ ｐ ｒ ｔ ｒ ｓｎ ｈ ｅ ｏ ｅ ａ ｏ ｆｔ ｅｉ ｏ ｍａ ｅｏ ｌ ｐ ｘ ｅｓ ｃ ｎ ｏ ｕ ｉ ｎ ｂ ａｎ ｄ ｔ ｅ ｐｘ １ ｈ ｒ ｄ ｅ ｔａ ｄ ｄ ｒ ｃ ｉ ｎ ｏ ｆ ｒ ｔ ｎ ｃ ｏ ｄ ｎ ｏ ｔ ｅ ｇ ａ ｉｎ ｎ ｉｅ ｔ ｎ ｏ ｆ ｒ ｌ ｏ ｖ ｌ ｔ ，ｏ ｔ ｉ ｅ ｈ ｉ ｅ ｅｇ ａ ｉｎ ｎ ｉｅ ｔ ｆｉ ｏ ｍａ ｉ ，ａ ｃ ｒ ｉｇ ｔ ｈ ｒ ｄ ｅ ｔａ ｄ ｄ ｒ ｃ ｉ ｆｉ ｏ — ｏ ｔ ｏ ｎ ｏ ｏ ｎ ｍａ ｉ ｎ ｐ ｏ ｅ ｓｎ ｈ ｅ ｈ ｌ ｂ ａｎ ｄ ｔ ｅ ｅ ｇ ｅ ｅ ｔ ｎ ｉ ｇ ｆｄ ｆ ｃ ｓ ｄ ｉ ｇ ． Ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕｔ ｈ ｗ ｈ ｔｆ ｒｄ ｆ — ｔ ｒ ｃ ｓ ｉ ｇ ｔ ｒ ｓ ｏ ｄ ｏ ｔ ｉ ｅ ｈ ｄ ｅｄ ｔ ｃ ｉ ｍａ ｅ ｏ ｅ ｏ ｕ ｅ ｏ ｏ ｍａ ｅ ｘ ｅ ｉ ｎ ａ ｓ ｌｓｓ ｏ ｔ ａ ｏ ｅｏ ｒ
测 算子 进 行 边 缘 检 测 ， 够 较 好 地检 测被 模 糊 而 弱 化 的边 缘 ， 测 效 果 符合 人 眼 视 觉 感 受 。 能 检
关 键 词 ： 缘检 测 ； 边 梯度 ； 离焦 模糊 ； 向 方 中 图分 类 号 ： ３ １ ４ ＴＰ ９ ． １ 文 献 标识 码 ： Ａ
的 边缘 检 测 算子 ， 用新 算子 对 图像 各像 素 进 行 卷 积 ， 得 各像 素 的梯 度 和 方 向 信 息 ， 据 梯 度 和 方 向 信 息 利 求 根
基于改进SUSAN算子的图像边缘检测算法
式 ( 3 )中 n ( xc , yc )为以 ( xc , yc )为中心的圆形模板区 域 . 得到每个象素的 USAN 值 n ( xc , yc )以后 , 再与预 先设定的几何门限 g 进行比较 , 当 n ( xc , yc ) < g 时 , 所检测 到 象 素 位 置 ( xc , yc ) 可 以 认 为 是 一 个 边 缘点 . 根据试验分析可知 , 在一些含噪图像中 , 如 果核心点在边缘附近 , n 的值一般不会大于 nmax的
[5]
式 ( 1 )中 : I ( xc , yc ) 和 I ( x, y ) 分别是核心与模板 中其它点的灰度值 ; t 是确定相似程度的阈值 , t 的选取要根据图像中目标与背景的对比程度来 确定
[ 3, 6 ]
.
SUSAN 边缘检测算法是用给定大小的模板对
. 模板较小时 , 如果阈值选取不恰
罗忠亮
(韶关学院 计算机系 , 广东 韶关 512005)
3
摘要 : 首先介绍了 SUSAN 边缘检测算子的原理 ; 然后对算法中灰度差阈值的选择方式进行了改 进 ,采用一种自适应选取阈值的方法取代算法中人为的设定阈值 ,使其在各种不同对比度的图像 中都能正确提取出图像边缘 ; 最后运用该算法进行了图像边缘检测测试 ,并与其他检测算子进行 比较 . 实验结果表明 ,该算法具有方法简单 、 抗噪能力强 、 计算量小等优点 . 关 键 词 : 边缘检测 ; SUSAN 算子 ; 自适应阈值 中图分类号 : TP301 文献标识码 : A 文章编号 : 1671 - 0924 (2009) 05 - 0102 - 05
3 收稿日期 : 2009 - 01 - 15
一种改进的图像边缘检测算法
第３ 卷第３ ０ 期
２００ ８年 ９月
地 球 科 学 与 环 境 学 报
Ｊ ｕ ｎ ｌｏ ｒ ｈ Ｓ ｉｎ ｅ ｎ ｎ ｉ ｎ ｎ ｏ ｒ ａ ｆＥａ ｔ ｃｅ ｃ ｓ ａ ｄ Ｅ ｖ ｒ ｍｅ ｔ ｏ
Ｖ ｏ１ ．３０ＮＯ ．３
Ａｂｓｒ ｃ ． Ｔｈｅ ｄｅｅ ｔ ｏｎ ｎｔｏｎ ｌｇｒ ｉｎｔ ｅ ｇｅ ｅ ｅ ｔｏｎ ａ ｅ ａ ｌ ｚ ｄ ａ ｄ ｖ ｌ ａ ｅ ｔａ ｔ ｆ ｃ ｓ ｏｆ ｃ ｖｅ ｉ ａ ａｄｅ ｄ ｔ ｃ ｉ ｒ ｎａ ｙ ｅ ｎ ｅ ａ ｕ ｔ ｄ． Ｉ ｏ ｄ ｒ Ｏ ｖ ｄ ｔ ｎ ｒ ｅ ｔ ａ ｏｉ ｈｅ
Ｓｅ ． ２ ０ ｐｔ ０ ８
・种 改 进 的 图像 边 缘 检 测 算 法
崔建 军 詹 世 富 ， 雄 伟 顾 俊 凯 ， 郑 ，
（．长 安 大学 地 质 工 程 与测 绘 学 院 ， 西 西安 ７ ０ ５ ；２ １ 陕 １ ０ ４ ．中国 国土 资 源 航 空 物 探 遥 感 中心 ， 京 １ ０ ８ ） 北 ０ ０ ３
关 键 词 ：边 缘 检 测 ； 分 算 子 ； 法 ； 进 微 算 改
中 图 分 类 号 ：Ｐ ３ 文 献标 志 码 ：Ａ 文 章 编 号 ：１ ７—５ １２ ０ ）３０ ２－ ３ ２ ６ ２６ ６ （ ０ ８ ０—３ ３０
Ａｎ Ｉ ｐｒ ｖ ｄ Ｅｄ ｅ Ｄｅ ｅ ｔｏ ｇ ｒ ｔ ｍ ｏ ｅ ｇ ｔ ｃ ｉ ｎ Ａｌ ｏ ｉｈｍ
ｎ ｉ ｈ ｏ ｈ ｏ ｆｏ ｅ ｉ ｇ ｉ ｅ ｎ ｍｐ ｏ ｅ ｈ ｔ ｂ ｌ ｙ ｏ ｈ ｒ ｄ ｅ ｔ ｒ ｓ ｌ ｙ ｉ ｔｏ ｕ ｉ ｇ ｔ ｅ ｖ ｌ ｅ ｏ ｈ ｅ ｇ ｂ ｒ ｏ ｄ ｏ ｎ ｍａ ｅ ｐ ｘ ｌ ｄ ｉ ｒ ｖ ｓ ｔ ｅ ｓ ａ ｉ ｔ ｆｔ ｅ ｇ ａ ｉｎ ｅ ｕ ｔ ｂ ｒ ｄ ｃ ｎ ｈ ａ ｕ ｆｔ ｅ ａ ｉ ｓ ｎ ｎ ｉ ｈ ｏ ｈ ｏ Ｏ ｔ ｅ ｇ ａ ｉｎ ． Ｔｈ ｄ ｅ ｄ ｔ ｃ ｉ ｎ ｒ ｓ ｌｓ ｏ ｅ ｔ ｉ ｇ ｈｏ ｔ ａ ｈ ｅ ｍｅ ｈ ｄ ｃ ｎ ｄ ｔ ｃ ｅｇ ｂ ｒ ｏ ｄｔ ｈ ｒｄ ｅ ｔ ｅ ｅ ｇ ｅ ｅ ｔｏ ｅ ｕ ｔ ｆ ｔ ｓ ｍａ ｅ ｓ ｗ ｈ ｔ ｔ ｅ ｎ ｗ ｔ ｏ ａ ｅ ｅ ｔ
磁共振截断频谱图像边缘检测新技术
磁共振截断频谱图像边缘检测新技术
骆建华;庄天戈
【期刊名称】《电子学报》
【年(卷),期】2000(028)005
【摘要】本文提出了一种适合于含有截断伪影磁共振图像(磁共振截断频谱图像)的边缘检测新算法.本方法中,把任何有截断伪影的信号表示为以奇异点为参量的截断奇异函数的加权和,奇异点和加权系数由该信号决定,而计算出的奇异点就是图像的边缘,从而剔除了由截断伪影而引入的虚假边缘.实际和仿真结果表明这种方法效果高于现有方法.
【总页数】4页(P71-74)
【作者】骆建华;庄天戈
【作者单位】上海交通大学生物医学工程系,上海,200030;上海交通大学生物医学工程系,上海,200030
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.磁共振截断频谱图像的层析法边缘检测技术 [J], 骆建华;郝素
2.认知无线电中基于截断序贯检测的频谱感知技术 [J], 闫琦;杨家玮;张雯
3.基于截断型序贯检测的协作频谱感知算法 [J], 李明源;李鸥;王勇锋;栾红志;于鹏
4.磁共振截断频谱信号重建的奇异谱分析法 [J], 骆建华;楼正国
5.低阶修正的Hotine截断核函数的频谱分析与应用 [J], 马健;魏子卿;任红飞
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
Ａｎ ｉ ｐｒ ｖ ｄ ｄｅｅ ｔｏ ｌ ｏ ｉｈ ｏ ｕ ｚ ＲＩｅ ｇ ｓ ｍ ｏ ｅ ｔｃ ｉ ｎ ａ ｇ ｒｔ ｍ ｆ ｒｆ ｚ ｙ Ｍ ｄ ｅ
ＺＨＡＮＧ ｉ－ ｉｏ Ｗ ＡＮ ｕ ｚ ｉ Ｊｕ ｂａ ， Ｆ － ｈ
（ ｐ ｒｍｅ ｔｏ ｏ ｕ ｅ ｃ ｎ ｅ ｅ ｇ ｕ Ｍｅ ｉａ Ｃ ｌ ｇ ， ｅ ｇ ｕ ２ ３ ０ ， ｈｎ ） Ｄｅ ａ ｔ ｎ ｆＣ ｍｐ ｔ ｒＳ ｉ ｃ ，Ｂ ｎ ｂ ｄ ｃｌ ｌ ｅ Ｂ ｎ ｂ ３ ０ ０ Ｃ ｉａ ｅ ｏ ｅ
一
种改进 的核磁共振 图像模 糊边缘 检测算法
张 久 彪 ， 王 辅之
（ 蚌埠 医学 院 计算机教研室 ， 安徽 蚌埠 ２３０） ３ ０ ０
摘
要： 文章针对模糊 边缘 检测传统算法 即 Ｐ ｌ 法的缺陷 ， 出了改进 的边缘 检测 算法 ； 过定义有界 函数 ａ算 提 通
作为隶属 函数 、 采取更 高效 的模 糊增强 函数 、 引入 ＰＭ 非线性扩 散模型 平滑 图像噪声 等措施 ， 效克服 了传 － 有
Ｋｅ ｒ ｓ ｅ ｇ ｅｅ ｔ ｎ； ｆ ｚｙ ｅ ｈ ｎ ｅ ｎ ｕ ｃｉｎ；Ｐ Ｍ ｄ ｌ ｙ ｗｏ ｄ ： ｄ ｅ ｄ ｔｃｉ ｏ ｕ ｚ ｎ ａ ｃ ｍｅ ｔ ｆ ｎ ｔｏ Ｌ ｍｏ ｅ ；Ｐａ ｌ ｏ ｉｈ ；ｍ ａ ｎ ｔ ｅ ｏ １ａｇ ｒｔ ｍ ｇ ｅｉ ｒ ｓ ～ ｃ
维普资讯
第 ３ 卷 第 ９期 １
２０ ０ ８年 ９月
合肥３ －业 大 学 学 报 （自然科 学版）
Ｊ ＯＵＲＮＡＬ ＯＦ ＨＥＦＥ ＩＵＮＩ ＶＥＲＳ ＴＹ ＣＨＮＯＬＯＧＹ Ｉ ＯＦ ＴＥ
Ｖ ｏ． １Ｎｏ ９ １３ ． Ｓ ｐ．２ ０ ｅｔ ０８
Ａｂ ｔａ ｔ Ｉ ｉｗ ｆｔ ｅｄ ａ ａ ｋ ｆｔ ｅｔａ ｉｉｎ １ ｌ ｎ ｕ ｚ ｄ ｅｄ ｔ ｃｉｎ ａｇ ｒｔ ｍ ，ａ ｍ— ｓｒ ｃ ：ｎ ｖｅ ｏ ｈ ｒ ｗｂ ｃ ｓ ｏ ｈ ｒ ｄｔｏ ａ — Ｐａ Ｋｉ ｇ ｆ ｚ ｙ ｅ ｇ ｅ ｅ ｔｏ ｌ ｏ ｉｈ ｎｉ ｐ ｏ ｅ ｄ ｅ ｄ ｔｃｉ ｎ ａｇ ｒｔ ｍ ｓ ｐ ｅ ｅ ｔ ｄ ｉ ｈｓ ｐ ｐ ｒ Ｂｙ ｕ ｉｇ ａ ｎ ｗ ｍｂ ｒｈ ｐ ｆ ｎ ｔ ｎ ａ ｒ ｖ ｄ ｅ ｇ ｅ ｅ ｔ ｌｏ ｉ ｏ ｈ ｉ ｒ ｓ ｎ ｅ ｎ ｔ ｉ ａ ｅ ． ｓｎ ｅ ｍｅ ｅ ｓ ｉ ｕ ｃｉ ， ｎ ｏ ａ ｖ ｎ ｅ ｕ ｚ ｎ ａ ｃ ｍ ｅ ｔｆ ｎ ｔｏ ｎ ｈ Ｃ ｂ ｓ ｄＰｅｏ ａＭ ａｉ ｏ ｅ ｈ ｍｉａｉ ｎｏ ｈ １ ｄ ａ ｃ ｄ ｆ ｚ ｙ ｅ ｈ ｎ ｅ ｎ ｕ ｃｉｎ ａ ｄ ｔ ｅＰ ａ ｅ ｒ ｎ － ｌ ｍ ｄ １ ｔ ｅｌ ｔ ｔ ｆ ｅＰａ ｋ ｉ ｏ ｔ ａｇ ｒｔ ｍ ｓｅｆ ｃｉｅｙｏ ｅ ｃ ｍｅｉ ｈ ｏ ｇ ａ ｎ ｏ ｃ ｎ ｒ ｓ ｒ ａｉ ｈｅＭ Ｒｉ Ａｎ ｅ ｐ ｒｍ ｅ ｔｉ ｌｏ ｉ ｈ ｉ ｆｅ ｔ ｌ ｖ ｒｏ ｎ ｔ ｅｌｗ ｒ ｙ ａ ｄ ｌｗ ｏ ｔａ ｔａ ｅ ｎ ｔ ｖ ． ｘ ｅｉ ｎ ｓ
软组 织 的灰 度分 布 又 存 在一 定 的相 互 交 叠 ， 成 造 对 ＭＲＩ 图像 边缘 的解 释 、 理结 果及 描述 方式 也 处 带 有模 糊性 。针 对 ＭＲ 图像边 缘 的这些 特征 ， Ｉ 本 文在 传 统 模 糊 边 缘 检 测 算 法 即 Ｐ ｌ 法 的 基 础 ａ算 上， 通过 引入 有界 隶属 函数 、 改进 模 糊增 强 函数及 采用 ＰＭ 非 线 性扩 散模 型平 滑 图像 噪声 等 措 施 ， ＿ 对 Ｐｌ ａ算法 进 行 适 当改 进 ， 其 更 适 合 于 灰 度 分 使
Ｓ Ｅ Ｔ 光学显 微成 像及 电子显 微 成像 等。其 ＰＣ 、 中， 磁共振 图像 （ ｇ ｅ ｃｒｓｎｎｅｉ ａ ｅ， ｍａｎ ｔ ｅｏ ａ ｃ ｇ ｓ 简 ｉ ｍ 称 ＭＲＩ是诸 多 医 学 图 像 中技 术 成 熟 、 泛 使 用 ） 广 的一种成像 技术 ， 其分 辨率 一般为 ２ ６ ５ ， ５ ×２６ 可 以将不同的软组织较好地区分开。从核磁共振图
ｎ ｎ ｅｉ ａ ｅ Ｍ ＲＩ ａ ｃ ｇ （ ｍ ）
近年 来 ， 在生 物 医学 领 域 中 医学 图像 成像 技 术 发 展 迅 速 并 得 到 广 泛 应 用 。这 些 技 术 包 括 ： Ｃ 超 声 （ ｔａｏ ｎ ） 核 磁 共 振 图 像 、 Ｅ Ｔ、 Ｕｌ ｓｕ ｄ 、 ｒ Ｐ Ｔ、
ｍａ ｅ ａ ｄ ｄｆｆｒ ｎ ｌ ｏ ｉｈ ｓｆ ｒｅ ｇ ｅｅ ｔｏ ｒ ｏ ｐ ｒ ｄ， ｉｈ ｐ ｏ ｅ ｈ ｔｔ ｅｉ ｒ ｖ ｄ ａｇ ～ ｄ ， ｎ ｉｆｅ ｅ ｔａｇ ｒｔ ｍ ｏ ｄ ｅｄ ｔ ｃｉｎ ａ ｅｃ ｍ ａ ｅ ｗｈｃ ｒ ｖ ｓｔ ａ ｈ ｍｐ ｏ ｅ ｌｏ ｒｔ ｍ ａ ｕ ｈ ｂ ｔｅ ｅ ｕ ｔ ｉｈ ｈ ｓａｍ ｃ ｅｔ ｒｒ ｓ ｌ ．
统 Ｐｌ ａ 算法对低灰度 、 低对 比度 区域边缘检测 效果差的缺陷 ； 把改进算 法用于对核磁共振 图像 的边 缘检测 ， 对 比分 析了不 同边缘检测算法 的边 缘检测效果 。 关键 词 ： 边缘检测 ； 模糊增强 函数 ； Ｌ 模型 ；Ｐ ｌ ＰＭ ａ 算法 ； 核磁共振 图像
中图分３５ ６ （ ０８ ０—４ ２０ １ ０ ～０ ０ ２ ０ ） ９１ ７—４