论文部分内容阅读
摘要基于边缘的图像特征提取方法是图像处理的一种重要方法，由于它具有直观、计算量相对较小的优点，因而在靶场图像处理领域有着广泛的应用。本文以一例图像处理过程为例，阐述了基于边缘检测算子的图像特征提取方法在靶场图像处理过程中的应用。
关键词边缘 算子 提取 判读
文章编号1008-5807（2011）02-103-02
一、边缘检测和图像特征的基本概念
（一）边缘检测
边缘是图像的基本特征，是指图像中那些邻域灰度有强烈反差的像素点的集合。
图像边缘检测过程的一般步骤可分为：滤波、图像增强、图像检测、最后进行图像边缘的定位。
边缘检测算法主要是基于图像亮度的低阶导数，但是由于在求导过程中，相关算法对噪声很敏感，从而需要使用滤波的方法来改善边缘检测的效果。
图像增强的前提是确定图像边缘各点邻域强度的变化值。增强算法可以对邻域强度值有较大变化的像素点的亮度进行增强处理。
进行边缘检测的图像中有许多点的梯度幅值比较大，而这些点在实际上并不一定全是所要求解的边缘，在求取边缘的过程中，我们应该利用一定的条件来确定边缘点，而最方便的边缘检测方法就是利用梯度幅值阈值判据来实现边缘点的判定。
（二）图像特征
通常图像特征可分为：颜色特征、纹理特征、形状特征、空间关系特征等几个大类，在靶场图像判读过程中，我们通常所关心的一般是图像的空间关系特征和形状特征。
空间关系，是指在判读图像中两个或多个目标点间的相互对应的空间位置。一般情况下，空间位置信息可以分为两种：相对空间位置信息和绝对空间位置信息。相对空间位置信息关系强调的是各个目标之间的相对位置情况，如上下左右等，而后一种关系强调的是目标点间的相对距离大小以及方位情况。通常情况下，我们关心的是判读目标的相对图像中心点的脱靶量信息，所以，在图像判读过程中，利用目标的相对空间位置更利于图像判读。
形状特征也可分为两种，一种是图像的轮廓特征，另一种是图像的区域特征。轮廓特征主要是指物体的外边界，而图像的区域特征则关系到整个形状区域。基于图像的形状特征，可以在判读过程中对目标的边缘点和特征点进行准确地识别和标记。
二、常用边缘检测算子
通常所说的边缘检测算子是利用图像边缘点灰度的突变性，通过求出图像横向和纵向的一阶或二阶梯度的模值和幅角值，最后沿幅角方向求出模极大值得到图像的边缘，如典型的Sobel算子，Prewitt算子，Canndy算子等。
（一）Sobel 边缘检测算子
将图像中的每个像素的上下左右四邻域的灰度值加权差与之接近的邻域的权最大。因此Sobel算子定义如下:
（2.1）
利用上图2.1所示的两个核做卷积，两个卷积的最大值都作为像素点的输出值，同时给出特定的门限阈值，运算结果就是所求边缘图像。在此运算过程中，一个核对处理的图像中的垂直边缘影响较大而另一个核对图像的水平边缘的影响大。sobel算子利用像素的邻域的灰度加权算法，根据在边缘点处达到极值这一原理进行边缘检测。这种方法在实际应用中可以得到较好的检测效果，同时对于噪声具有平滑作用。
（二）Prewitt边缘检测算子
Prewitt边缘检测算子是一种边缘样板算子。样板算子由理想的边缘子图像构成，依次用边缘样板去检测图像，与被检测区域最为相似的样板给出最大值，用这个最大值作为算子的输出。
（2.2）
由图2.3所示的两个卷积算子形成了Prewitt边缘算子，图像中每个像素都用这两个核做卷积，取最大作为输出值，运算结果即是所求的边缘图像。
（三）Canny边缘检测算子
Canny算子的算法流程是先将图像使用高斯函数进行平滑处理，再利用一阶微分的极大值确定图像的边缘点。
其定义为：对图像f(x,y)进行高斯函数滤波后得到f(x,y)*Ga(x,y),其中为a相应的尺度因子。计算其梯度矢量的模Ma和Ma方向为：
（2.3）
图像的边缘点即为Ma方向上使得取得Ma局部极大值的点。其算法流程如下：
三、实际处理过程中的一例
利用上述系列边缘检测算子对一幅待判读图像进行处理后的得到如下图像：
由上述系列图像可以看出，在图像判读过程中，利用相关边缘检测算法，可以方便地提取我们所关心的图像特征，同时，利用相关算法，还可以进一步取得目标图像之间的相对位置和特征点，从而达到图像判读的目的。
随着相关边缘检测算法的进一步发展和改进，基于边缘提取的特征检测方法将会在靶场图像判读过程中得到进一步的应用和推广。
参考文献：
[1]闫敬文.数字图像处理（MATLAB版）.国防工业出版社，2007.
[2]孙即祥.图像分析，科学出版社，2005.
[3]焦李成，侯彪，王爽，刘芳.图像多尺度几何分析理论与应用—后小波分析理论与应用.西安电子科技大学出版社，2008.
[4]陈洪海.数字图像边缘的一种提取方法.大连理工大学硕士论文，2008.
[5]周晓明，马秋禾，肖蓉，杨娜.一种改进的Canny算子边缘检测算法.测绘工程，2008.02.
[6]黄剑玲，郑雪梅.一种基于边缘检测的图像去噪优化方法.计算机仿真，2009.11.
关键词边缘 算子 提取 判读
文章编号1008-5807（2011）02-103-02
一、边缘检测和图像特征的基本概念
（一）边缘检测
边缘是图像的基本特征，是指图像中那些邻域灰度有强烈反差的像素点的集合。
图像边缘检测过程的一般步骤可分为：滤波、图像增强、图像检测、最后进行图像边缘的定位。
边缘检测算法主要是基于图像亮度的低阶导数，但是由于在求导过程中，相关算法对噪声很敏感，从而需要使用滤波的方法来改善边缘检测的效果。
图像增强的前提是确定图像边缘各点邻域强度的变化值。增强算法可以对邻域强度值有较大变化的像素点的亮度进行增强处理。
进行边缘检测的图像中有许多点的梯度幅值比较大，而这些点在实际上并不一定全是所要求解的边缘，在求取边缘的过程中，我们应该利用一定的条件来确定边缘点，而最方便的边缘检测方法就是利用梯度幅值阈值判据来实现边缘点的判定。
（二）图像特征
通常图像特征可分为：颜色特征、纹理特征、形状特征、空间关系特征等几个大类，在靶场图像判读过程中，我们通常所关心的一般是图像的空间关系特征和形状特征。
空间关系，是指在判读图像中两个或多个目标点间的相互对应的空间位置。一般情况下，空间位置信息可以分为两种：相对空间位置信息和绝对空间位置信息。相对空间位置信息关系强调的是各个目标之间的相对位置情况，如上下左右等，而后一种关系强调的是目标点间的相对距离大小以及方位情况。通常情况下，我们关心的是判读目标的相对图像中心点的脱靶量信息，所以，在图像判读过程中，利用目标的相对空间位置更利于图像判读。
形状特征也可分为两种，一种是图像的轮廓特征，另一种是图像的区域特征。轮廓特征主要是指物体的外边界，而图像的区域特征则关系到整个形状区域。基于图像的形状特征，可以在判读过程中对目标的边缘点和特征点进行准确地识别和标记。
二、常用边缘检测算子
通常所说的边缘检测算子是利用图像边缘点灰度的突变性，通过求出图像横向和纵向的一阶或二阶梯度的模值和幅角值，最后沿幅角方向求出模极大值得到图像的边缘，如典型的Sobel算子，Prewitt算子，Canndy算子等。
（一）Sobel 边缘检测算子
将图像中的每个像素的上下左右四邻域的灰度值加权差与之接近的邻域的权最大。因此Sobel算子定义如下:
（2.1）
利用上图2.1所示的两个核做卷积，两个卷积的最大值都作为像素点的输出值，同时给出特定的门限阈值，运算结果就是所求边缘图像。在此运算过程中，一个核对处理的图像中的垂直边缘影响较大而另一个核对图像的水平边缘的影响大。sobel算子利用像素的邻域的灰度加权算法，根据在边缘点处达到极值这一原理进行边缘检测。这种方法在实际应用中可以得到较好的检测效果，同时对于噪声具有平滑作用。
（二）Prewitt边缘检测算子
Prewitt边缘检测算子是一种边缘样板算子。样板算子由理想的边缘子图像构成，依次用边缘样板去检测图像，与被检测区域最为相似的样板给出最大值，用这个最大值作为算子的输出。
（2.2）
由图2.3所示的两个卷积算子形成了Prewitt边缘算子，图像中每个像素都用这两个核做卷积，取最大作为输出值，运算结果即是所求的边缘图像。
（三）Canny边缘检测算子
Canny算子的算法流程是先将图像使用高斯函数进行平滑处理，再利用一阶微分的极大值确定图像的边缘点。
其定义为：对图像f(x,y)进行高斯函数滤波后得到f(x,y)*Ga(x,y),其中为a相应的尺度因子。计算其梯度矢量的模Ma和Ma方向为：
（2.3）
图像的边缘点即为Ma方向上使得取得Ma局部极大值的点。其算法流程如下：
三、实际处理过程中的一例
利用上述系列边缘检测算子对一幅待判读图像进行处理后的得到如下图像：
由上述系列图像可以看出，在图像判读过程中，利用相关边缘检测算法，可以方便地提取我们所关心的图像特征，同时，利用相关算法，还可以进一步取得目标图像之间的相对位置和特征点，从而达到图像判读的目的。
随着相关边缘检测算法的进一步发展和改进，基于边缘提取的特征检测方法将会在靶场图像判读过程中得到进一步的应用和推广。
参考文献：
[1]闫敬文.数字图像处理（MATLAB版）.国防工业出版社，2007.
[2]孙即祥.图像分析，科学出版社，2005.
[3]焦李成，侯彪，王爽，刘芳.图像多尺度几何分析理论与应用—后小波分析理论与应用.西安电子科技大学出版社，2008.
[4]陈洪海.数字图像边缘的一种提取方法.大连理工大学硕士论文，2008.
[5]周晓明，马秋禾，肖蓉，杨娜.一种改进的Canny算子边缘检测算法.测绘工程，2008.02.
[6]黄剑玲，郑雪梅.一种基于边缘检测的图像去噪优化方法.计算机仿真，2009.11.