基于多尺度gabor滤波器的彩色图像边缘检测-周静雷.pdf

《基于多尺度gabor滤波器的彩色图像边缘检测-周静雷.pdf》由会员分享，可在线阅读，更多相关《基于多尺度gabor滤波器的彩色图像边缘检测-周静雷.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电子测量技术ELECTRONIC MEASUREMENT TECHNOLOGY第39卷第4期2016年4月基于多尺度Gabor滤波器的彩色图像边缘检测周静雷 张智(西安工程大学电子信息学院 西安 710048)摘要：为了更好实现对彩色图像进行边缘提取，并保证算法具有更好的稳定性，文章使用多尺度Gabor滤波器的方法，来提取彩色图像边缘和轮廓。构建了3个尺度、16个方向的Gabor滤波器。首先将彩色图像灰度化，利用多尺度Gabor虚部滤波器提取图像灰度变化信息。通过非极大值抑制，并通过高低阈值获取边缘像素点及其候选边缘，最后利用局部边缘连接获取图像边缘轮廓。并将本算法与常用边缘检测算法进行实验性

2、能比较，实验结果表明：提出的算法既能获得较高的定位准确度，又具有很好的噪声鲁棒性，该算法与常用的Roberts等一系列算法相比，检测效果更好，稳定性更强。关键词：彩色图像；边缘检测；多尺度Gabor滤波器中图分类号：TP39141 文献标识码：A 国家标准学科分类代码：5104050Color image edge detection based on multi-scale Gabor filterZhou Jinglei Zhang Zhi(School of EIectronic and Information，Xian Polytechnic University，Xian 71004

3、8，China)Abstract： In order to realize the edge extraction of color images，and to ensure that the algorithm has better stab订ityThe article used the multiscale Gabor filter method to extract the edge of the color image and contour，the Gabor filterhas three scales and sixteen directionsThe first，change

4、s the coIor image into the gray image， the imaginary part ofmultiscale Gabor filter is ut订ized to obtain the change information of gray imageThe second，Through the nonmaximasuppression，and then through the high and 10w threshold to extract the edge pixels and its candidate edge pixelsThelast，through

5、 the local edge connection to obtain edge contour line And the performance of this algorithm is comparedwith the commonly used edge detection algorithmThis experimental conclusion states：this algorithm can obtain highpositioning accuracy，and also has good noise robustness Compared with a series of a

6、Igorithms，such as Roberts，thismethod has better detection effect and better stability，KeywoIds：color image；edge detection；multiscale Gabor filter1 引 言图像是人类获取信息的主要来源，统计得知，人类接收的信息中大约有75源自图像。边缘检测技术的应用和发展已有很长一段时间。从最早提出边缘检测相关技术，到研究者开始系统研究如何检测图像中的边缘，在这一过程中，提出了许多的边缘检测算子n1。而后图像边缘检测引起研究者越来越多的兴趣，并逐渐成为热点问题。边缘检

7、测的算法有很多，常用的是基于微分的边缘检测，随着各种技术和新理论的提出，出现了许多新兴的边缘检测算法口18。采用多尺度小波方法的边缘检测是在不同尺度的情况下提取出一定的图像边缘信息。多尺度算法的优点主要在于，在较小的尺度下，图型边缘的微小细节能够检测收稿日期：2015一06到，且边缘定位性好，却比较容易受到噪声的干扰；在较大的尺度下，噪声鲁棒性较好，对噪声抑制的同时也会丢失一些细小的轮廓。为了解决边缘的准确性和噪声鲁棒性之间的矛盾。小波变换因其具有很强的多分辨率分析能力，时域和频域上的分辨率可以相互转换是其最突出的特点。因此，小波变换被广泛的用于图像边缘检测中。它将各种尺度下的图像信息进行融合

8、，使得检测效果有了很好的提升。本文提出的算法利用多尺度Gabor滤波器，实现对彩色图像的边缘检测91。这种检测算法与单一尺度下的Gabor滤波器相比，有了一些改进，有更好的检测性能。首先通过加权平均法实现对彩色图像的灰度化，对所得到的灰度图像进行边缘检测。它的主要算法过程是通过滤波器先对图像进行变换，得出不同尺度、不同方向下的图像信 49 万方数据第39卷 电 子测 量技术息，再进行非极大值抑制，然后通过图像融合得到该尺度下的边缘图像。最后利用自适应高、低阈值的方法得到最终的图像边缘信息。2多尺度Gabor滤波器空域中，二维Gabor滤波器的形式为，驴(z，y；，口)一南exp(一(乒z屹+争

9、了心)exp c，z兀豇7， c，z7=zcos口+ysin口了7一一zsi的+ycos口式中：以=y厂、o=叩，依次为主轴方向上的高斯尺度、主轴方向正交的高斯尺度，是滤波器的中心频率；疗是调制平面波以及高斯主轴旋转的角度，它沿着逆时针方向，)，和刁是常数。Gabor滤波器它的虚部适合用来提取图像边缘的信息，性能对噪声有较好的鲁棒性。式(1)显示，低中心频率，对应大尺度的Gabor滤波器，具有较好的噪声抑制能力；而高中心频率对应小尺度的Gabor滤波器，具有较准确的边缘定位性。因此，提出的算法利用多个尺度的Gabor虚部妒(z，y；，口，5)来对图像进行平滑，提取其边缘特征。Gabor滤波器虚

10、部妒(z，j，；厂，口，s)和平滑后的图像表示为，9(z，y；，口)=lm(驴(z，j，；，口)j一。h(z，y；，口)一J(z，y)O妒(z，y；，口)一II 工(z。，y，)*P(zz。，j，一y。；厂，曰)如，dy。 (2)图1表示多尺度Gabor滤波器的虚部特征，其中白色区域表示大于零，黑色区域表示小于零，而灰色区域表示等于零。图1多尺度多方向Gabor虚部不同的中心频率对应不同的尺度，可以提取各个尺度上的图像特征。通过对方向口在0，兀均匀采样，并取不同的中心频率，可以获得一组离散化的多尺度Gabor虚部滤波器。 50 (m起；s，愚)一焉唧(争+争)渤m一mc050k+nsi报0k竹

11、一一msin酞+竹co哦巩=警，愚=o，1，K一1 (3)式中：K表示采样的方向个数，巩表示第个方向的角度，f则代表第s个尺度的中心频率。对于离散图像f(m，九)，其关于尺度s、方向是的离散Gabor滤波器的幅度响应可以通过卷积获得，如式(4)。这组(m，竹志)能够充分反映出在不同尺度、不同方向下灰度变化的信息。善(m，订；5，是)一f(m，行)0 9(优，n；s，忌)=I(优一m，挖一竹，)妒(优，咒；s，五) (4)3 多尺度Gabor边缘检测算法本文中Gabor多尺度滤波器1。”3的检测算法有以下几个优点：第一，它的计算复杂度较低；第二，采用高斯平滑容易引起边缘模糊，会导致边缘像素点定位

12、的准确性。因此，直接利用边缘像素处的局部多尺度特征进行边缘检测，避免了平滑轮廓导致的定位准确度下降。由于图像的边缘最大响应分布在不同尺度上，用单尺度的Gabor滤波器进行边缘检测，检测结果不够完善。而且对于不同图像，合适的滤波器尺度很难选择。为此，本文算法将不同尺度下图像的Gabor响应进行融合，既利用更多的特征信息提高了检测准确度，又避免了单一尺度很难选择的问题。基于彩色图像的边缘检测，首先将彩色图像转化为灰度图，再对图像进行扩展。建立多尺度Gabor滤波器，提取Gabor的虚部，与图像进行三次卷积(这里选择在3个尺度下)。获得图像在16个方向下、不同尺度下灰度的变化信息。提取每个方向上的梯

13、度幅值，然后在每个像素点上找到该点的最大灰度变化方向及其幅值。对梯度幅值进行非极大值抑制。在图像梯度幅值矩阵中，较大值的元素点代表该点的梯度值较大，但不能因此确定该点就是边缘，因为它只是属于图像增强一个过程。所以，先找到并确定像素的点的局部极大值，然后把非极大值的点的灰度值设置为零，这样就可以排除掉一部分点，它们不是边缘点。遍历幅值响应矩阵，从第一个像素点开始，如果该点的幅值大于其最大方向的垂直方向的最近两像素的幅值，则令该点为边缘像素点，否则不是边缘像素点，以此类推。然后对此边缘点集做归一化处理。再对其进行直方图处理，得到累积直方图。通过高低阈值提取边缘像素点及其候选边缘像素点n“。以64作

14、为强边缘的阈值，将强边缘阈值乘以比例系数Ratio作为弱边缘阈值。确定强边缘中幅值为1的点万方数据周静雷等：基于多尺度Gabor滤波器的彩色图像边缘检测 第4期的位置，将这些点及其八邻域的点显示出来，并在三个尺度下相或，得到多尺度下的粗边缘轮廓。再做进一步处理。通过局部边缘连接填补边缘空隙。抽取边缘，默认空隙间隔为1，找出粗边缘轮廓为1的像素点的位置，在该点八邻域内确定像素为1的点，若为1即认定为边缘点。接下来找到边缘线长度大于图像(长+宽)25的线段，存储下来。建立相应的边缘线矩阵，计算该线段首尾之间欧氏距离的平方，如果长度小于25，继续循环，否则将首尾连接。这样就将断裂的边缘连接起来。算法

15、步骤如图2所示。图2算法步骤流程图4实验结果与性能分析为了验证提出算法的有效性，将本算法同Roberts算法，Sobel算法，Prewitt检测算法，LOG算法，以及经典的Canny算法进行实验比较。为了统一边缘标准，提取图像边缘均采用Canny边缘检测器其高低门限设置为O35和O2。本算法Gabor滤波器的参数设置为，一O2，职优以=2，黝=4，阈值丁=o7，非极大值抑制窗口33，其他算法均采用文献中所设置的参数进行检测。图3为“积木”图像的边缘检测效果图，图4为使用不同的检测器对“积木”图像边缘检测的结果。图3 “积木”图像边缘检测效果图通过与其他几种算法的比较，本算法对图像的边缘检测对噪

16、声具有更好的鲁棒性，边缘的断裂点更少，对边缘的检测更加准确。Roberts算法以及Sobel算法边缘断裂点较多，有一些灰度变化不太明显的边缘没有检测到，LOG算法对抑制噪声的效果不是很好，受噪声干扰较大，而图4 使用不同检测器对“积木”图像边缘检测结果Canny算法对一些灰度变化较小的边缘没有检测到。综上所述，本算法的检测性能更佳。5 结 论本文提出在多尺度Gabor滤波器彩色图像边缘检测提取图像边缘，采用多尺度Gabor滤波器虚部提取图像边缘信息，采用非极大值抑制，并通过局部边缘连接填补边缘空隙。在对多幅图像检测的实验结果表明，相对于经典的几种检测算法，本文算法在对边缘检测定位准确性和抑制噪

17、声等方面具有更好的检测效果。参考文献1 段瑞玲，李庆祥，李玉和图像边缘检测方法研究综述J光学技术，2005(03)：4154192 段义慧一种改进的Canny边缘检测算法J广西物理，2009(04)：43473 王植，贺赛先一种基于Canny理论的自适应边缘检测方法J中国图象图形学报，2004(08)：26314 CANNY J A computational approach to edgedetectionJ1EEE Transactions on Pattern Analysisand Machine IntelIigence，1986(6)：6796985 王爽，潘静一种基于颜色与纹理

18、特征的图像模糊检索算法J电子测量技术，2014(02)：54576 刘松松，张辉，毛征，等基于HRM特征提取和SVM的目标检测方法J国外电子测量技术，2014(10)：38417 李高西，曹军，张福元基于视觉灵敏度及粗集的彩色图像滤波算法J2014(02)：2112178 师文，朱学芳，朱光基于形态学的MRI图像自适应边缘检测算法J2013(02)：2172219 SMITH S M，BRAND J MsusANA newapproach to low level image processing JInternational of Computer Vision， 1997， 23(1)：

19、51 万方数据第39卷 电 子 测 量技 术(上接第44页)3 韩江洪，刘磊，卫星信号场强压缩感知的传感器定位方法研究J仪器仪表学报，2014(6)：120112084 侯宝娥，陈高杰实船爆炸试验实施时间窗口确定方法研究J电子测量技术，2014，37(3)：39425 马锦垠，梁斌传感器标定数据处理方法对爆炸压力测量误差的影响J电子测量技术，2012(6)：16216 张玮利用浮动冲击平台考核舰用设备抗冲击能力的数值仿真研究J振动与冲击，2010，29(12)：60一637 王军，姚熊亮，郭君中型浮动冲击平台结构设计研究J振动与冲击，2014(7)：1231298 陈建军，张姝红，毛秋丹，等小

20、型浮动冲击平台水下爆炸冲击响应特性分析J噪声与振动控制，2012(6)：30339 张永坤，周学滨，李琛水下非接触爆炸作用下浮动冲击平台运动响应试验研究J武汉理工大学学报(交通科学与工程版)，2013，37(5)：1007101110李琛，张姝红，周学滨，等水下非接触爆炸抗冲击缓冲平台性能研究J爆破，2011，28(3)：868911王军，姚熊亮，杨棣浮动冲击平台冲击环境对设备响应的影响口爆炸与冲击，2015(2)：5460作者简介陈高杰(通讯作者)，工学硕士，工程师，主要研究方向为水下爆炸试验测量与仿真等。Email：jordgeham163com周庆飞，大学本科，工程师，主要研究方向为水中

21、兵器试验测量。E-ma订：zqf-1982163com王树乐，工学硕士，工程师，主要研究方向为水下爆炸仿真与评估。Email：29152794qqcom程素秋，工学硕士，高级工程师，主要研究方向为水下爆炸仿真与评估。E_mail：csq4028sinacom(上接第48页)10廖东平，魏二章一种改进的渐进直式支持向量机分类学习算法J信号处理，2009，24(002)：21321811吴庆林，乔兵，张斌，等基于stewart平台的次镜控制系统设计J国外电子测量技术，2013，32(11)：798212骆亚波，郑勇，夏治国，等大射电望远镜馈源系统 52 50m模型外界激励响应的检测及分析J仪器仪表学报，2007(s1)：374378作者简介高桂荣，硕士研究生，主要研究方向遥感图像的变化检测。Email：878310779qqcom万方数据