图像识别算法论文翻译(前5页).docx

《图像识别算法论文翻译(前5页).docx》由会员分享，可在线阅读，更多相关《图像识别算法论文翻译(前5页).docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1. 索贝尔算法这个算法由一对33卷积和组成，如图一所示。其中一个核由另一个简单的旋转90形成。图1：卷积核使用的模板这些算子被设计用来最大限度的答复垂直和水平运行的边缘，并且此边缘和像素网格有关系，这像素网格就是两个垂直正交的算子中的其中一个。这些算子可以被独立的应用到输入图像中，用来产生独立的在每个方向上称为Gx和Gy的梯度成分的测量数据。这些算子还可以连接在一起以便于发现在每一个点上梯度的绝对大小，以及梯度的方向3。梯度大小由下式给出：一个近似的大小通过下式来典型的计算：这个可以很快的计算出来。这个上升到空间梯度的边缘和像素格子有关的取向角度由下式给出：罗伯特交叉算子罗伯特算子完成了一个

2、简单，快速的计算方式，在一个图像上的2-D空间梯度测量。在输出图像中每一个点上的像素测试值代表了这一点上输入图像的空间梯度的估计绝对大小。这个算法由一对22的卷积核组成，如图2所示。一个核简单的由另一个选择90形成4。这和索贝尔算子非常相似。图2：罗伯特算子使用的模板。这些核被设计用来最大限度的答复运行在像素格子45的边缘值，一个对于两个垂直方向上的核。这些卷积核可以分别应用在输入图像中，用来产生独立的在每个方向上称为Gx和Gy的梯度成分的测量数据。这些卷积核还可以连接起来以便于找到在每一个点上梯度的绝对大小，以及梯度的方向。梯度大小由下式给出：一个近似的大小通过下式来典型的计算：这种方法计算

3、起来快多了。这个上升到空间梯度的边缘和像素格子有关的取向角度由下式给出：1.2 普瑞维特算法：普瑞维特算法5和索贝尔算法很相似，并且被用来检测图像中的水平和垂直边缘的测量。图3：普瑞维特梯度边缘检测法使用的模板高斯拉普拉斯算法：拉普拉斯算法是一个图像第二种空间导数的2-D平面各向同性测量。一个图像强度变化快速的突出地区的拉普拉斯算法因此经常被用于边缘检测。拉普拉斯算法经常应用于一个图像，并且用趋近于高斯平滑滤波来第一次使它本身变得平滑，以减少其对噪声的敏感性。这个算法通常需要一个单一的灰度图像作为输入，并且制造另一个灰度图像作为输出。一个用像素强度测试值Ix，y的图像的拉普拉斯数值Lx，y由下

4、式给出：由于输入图像是被描绘成一套离散像素,我们必须找到一个可以近似线性卷积内核第二衍生物在拉普拉斯的定义5。使用小卷积核的三个普通的计算如图4所示。图4：三个常用的离散逼近拉普拉斯滤波因为这些内核逼近这个图像的一个二阶微分方法，他们对噪声非常敏感。为了计数这个，这个图像经常在应用拉普拉斯过滤之前被高斯滤波。这个过程前的步骤减少了差异化步骤之前的高频噪声组成部分。实际上，自从卷积实现联想出来，我们就可以首先用拉普拉斯滤波器使高斯平滑滤波卷积，然后用图像卷积混合滤波器，来实现需要的结果。这种做法有两个优点：由于高斯卷积核和拉普拉斯卷积核都比图像本身小多了，所以这个方法通常需要远远少量的算法算子。

5、LoG高斯拉普拉斯算法6卷积核可以提前成为预先计算，所以只有一个卷积需要在图像中在运行中形成。2-D平面以零为中心的Log功能7，以及高斯标准偏差 有如下形式：并且在图5中表示为。图5：平面2-D高斯拉普拉斯算法LoG功能。x和y坐标轴在标准误差().中标出。接近这个功能比方一个高斯误差的一个离散卷积核如图6所示。图6：离散逼近于LoG功能，高斯误差。注意当高斯值变得越来越狭窄，LoG内核就变得和简单的拉普拉斯内核一样，如图4所示。这是因为带有非常狭窄的高斯值(0.5 pixels)的平滑在一个离散网格没有影响。因此一个离散网格，即简单的拉普拉斯可以视为一个对于窄带高斯8-10的LoG的限制性

6、条件。坎尼边缘检测算法坎尼边缘检测算法作为最正确的边缘检测法被很多人所知。坎尼的目的在于增强很多在他工作的时候已经出现的缘检测器。他在获取他的目标这件事上非常成功，同时他的方法在他的纸上可以找到。“一种电脑趋近边缘检测” 11。在他的书里，他紧跟一系列标准来提高现有边缘检测的方法。第一个而且是最明显的标准是低错误率。在图像中出现的边缘不应该被丢掉，以及无边缘部分没有结果，都是很重要的。第二个标准是边缘点可以被很好的定位。换句话说，被检测器发现的边缘像素以及实际的边缘之间的距离应该在一个最小值上。第三个标准是，对于单独的边缘点只有唯一的反应。这个要实施因为前面两个标准没有足够的实质性去完全消除对

7、于一个边缘的多回应可能性。以这个标准为基础，坎尼边缘检测算法第一个将图像把消除和噪声平滑掉。然后发现这个图像通过高空间衍生品产生的突出地区。该算法通过这些地区，然后跟着抑制任何不在最大值出的像素非最大抑制。梯度数组现在远远被迟滞现象减少。迟滞现象勇于巡回没有被查禁的轨迹停留的位置。迟滞使用两种阈值，如果它的大小低于第一个阈值，那么设其为零不产生任何边缘。如果大小级超过了最高的阈值，就产生一个边缘。如果这个级介于这两个阈值之间，那么它将设为零，除非有一个从该像素到另一个具有超过T2梯度的像素的路径。第一步：为了实现坎尼边缘检测算法,一连串的步骤必须被执行。第一步是要过滤掉任何在定位和发现任何边缘

8、之前的原始图像的噪声。并且由于高斯滤波器可以通过使用一个简单的面具而计算出来，,它被专门用于在坎尼算法上。一旦一个合适的面具已经计算出高斯平滑可以进行卷积方法使用标准。一个卷积模板通常比实际的形象小得多。结果,这个面具滑过图象,在某一时间操纵正方形像素。高斯面具的宽度越大，探测器对噪声的敏感性越低。检测性边缘的定位误差也随着高斯宽度的增加略有增加。第二步：在平滑图像,消除噪声之后,下一步是通过获取图像梯度来找到边缘强度。索贝尔算子形成一个2-D的空间图像测量。然后,在每一点的绝对梯度近似级(边缘强度)才能被发现。索伯算子3使用一对3 x3卷积面,一个估计x方向梯度(柱),另一个估计y方向梯度(行)。他们如以下列图所示:梯度的大小、边缘强度然后可以使用公式来近似：学习文档 仅供参考