《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于非下采樣Contourlet變換和形態學的圖像邊緣檢測
基于非下采樣Contourlet變換和形態學的圖像邊緣檢測
來源:微型機與應用2012年第8期
劉靜寒1, 魯昌華1,2, 劉玉娜1
(1. 合肥工業大學 計算機與信息學院, 安徽 合肥230009;2. 中國科學院安徽光學精密研究所
摘要: 在復雜工件的邊緣檢測過程中,噪聲干擾和細節丟失會使檢測結果產生較大的誤差。針對這一問題,提出了將非下采樣Contourlet變換和數學形態學相結合的邊緣檢測算法。首先對原始圖像進行非下采樣Contourlet變換,然后對得到的高低子頻圖像采用不同的方法進行邊緣提取,最后通過合理的融合規則得到圖像的邊緣圖像。仿真實驗表明,該算法對圖像邊緣細節的提取比其他算法更加豐富,并具有較好的連續性、抗噪性和魯棒性。
Abstract:
Key words :

摘  要: 在復雜工件的邊緣檢測過程中,噪聲干擾和細節丟失會使檢測結果產生較大的誤差。針對這一問題,提出了將非下采樣Contourlet變換數學形態學相結合的邊緣檢測算法。首先對原始圖像進行非下采樣Contourlet變換,然后對得到的高低子頻圖像采用不同的方法進行邊緣提取,最后通過合理的融合規則得到圖像的邊緣圖像。仿真實驗表明,該算法對圖像邊緣細節的提取比其他算法更加豐富,并具有較好的連續性、抗噪性和魯棒性。
關鍵詞: 非下采樣Contourlet變換; 數學形態學; 邊緣檢測; 多尺度分解; 融合規則

    在礦泉水瓶的質量視覺檢測系統中,邊緣檢測是后續的異物檢測的重要基礎。圖像的邊緣定義為圖像的局部區域亮度變化顯著的部分[1]。傳統的邊緣檢測算法(如Sobel、Log和Canny等)在復雜的環境中很難檢測到圖像合適的邊緣信息[2]。參考文獻[3]用Contourlet模極大值方法進行邊緣檢測,但是這種算法容易丟失大量低頻信息。針對圖片中含有大量噪聲這一問題,本文采用非下采樣Contourlet變換(NSCT)與形態學相結合的邊緣檢測算法。該算法通過對原始圖像進行非下采樣Contourlet變換,對圖像的高頻分量和低頻分量分別采用不同的檢測算法進行檢測,最后把得到的高低頻子圖像經過一定的融合規則進行融合,最終得到原始圖像的邊緣圖像。本文的檢測方法在噪聲環境下也能檢測出礦泉水瓶圖像完整、連續的邊緣信息。
1 非下采樣Contourlet變換
    Contourlet變換又被稱作金字塔方向濾波器組[4],它分為拉普拉斯金字塔(LP)和方向濾波器組(DFB)兩個部分。LP用于多尺度分解,DFB用于方向分解。由于下采樣的Contourlet變換在奇異點周圍引起了Gibbs現象,因此非下采樣Contourlet良好的平移不變性被應用到圖像處理中[5]。
    非下采樣Contourlet變換包含非下采樣金字塔(NSP)和非下采樣濾波器組 (NSDFB)兩部分。其中,NSP去除了下采樣,采用的是雙通道非下采樣濾波器組,它的重構條件為:
  

 


      在無噪聲的環境下對礦泉水瓶圖像的邊緣檢測結果如圖3所示。其中圖3(b)是采用Canny算法檢測的結果,圖3(c)是采用基于Wavelet算法檢測的結果,圖3(d)是采用本文提出的算法檢測的結果。在加噪的環境下對礦泉水瓶圖像的邊緣檢測結果如圖4所示。從圖4可以看出,用Canny算法檢測得到的邊緣信息較少,丟失了許多重要的細節;基于Wavelet算法只能捕獲圖像點的奇異性卻不能捕獲線、面的奇異性,因此檢測得到的邊緣間斷不連續并且虛假邊緣較多;本文算法檢測出來的邊緣包含更多的圖像邊緣細節信息,并且圖像的邊緣完整、連續,充分說明本文算法能夠有效地抑制噪聲,在復雜的噪聲圖像中也能提取圖像清晰的邊緣信息。
    為了更好地提取圖像中光滑的輪廓特征,本文提出了一種將非下采樣Contourlet變換和數學形態學相結合的邊緣檢測算法。該算法利用非下采樣Contourlet變換的分解可以很好地捕獲圖像中具有奇異性的方向信息。實驗結果表明,本文提出的邊緣檢測算法通過多尺度和多方向性的分解,提取的邊緣細節是更加連續的幾何結構,而且能夠有效地抑制噪聲的影響,在噪聲圖像中能夠提取有效的圖像邊緣。
參考文獻
[1] GONZALEZR C, WOODS R E, EDDIN S L. 數字圖像處理(Matlab版)[M].阮秋琦,譯.北京:電子工業出版社, 2006.
[2] CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,6(8):679-698.
[3] 張悅庭,尹忠科,王建英.一種新的圖像邊緣檢測方法[J].電子與信息學報,2008,30(6):1295-1299.
[4] DO M N,VETTERLI M. The Contourlet transform: an efficient directional multiresolution image representation[J]. IEEE Transactions on Image Processing, 2005,14(12):2091-2106.
[5] CUNHA A L,ZHOU J,DO M N. The nonsubsampled contourlet transform:theory ,design and applications[J]. IEEE Transactions on Image Processing,2006,15(10):3089-3101.
[6] 尚政國, 趙春暉, 孫巖,等.非降采樣Contourlet圖像邊緣檢測算法[J].光電子激光,2009,20(4):525-529.
[7] SERRA J. Image analysis and mathematical morphology[M].New York:Academic Press, 1982.
[8] PEI S C, CHEN F C. Hierarchical image representation by mathematical morphology subband decomposition[J].Pattern Recognition Letters, 1995,16(2):183-192.
[9] 肖易寒, 席志紅, 海濤,等.基于非下采樣Contourlet變換的圖像邊緣檢測新方法[J].系統工程與電子技術,2011,33(7):1668-1672.
[10] CUNHA A L,ZHOU J,DO M N.The nonsubsampled contourlet transform:Theory,design,and applications[J]. IEEE Transactions on Image Processing,2006,15(10):3089-3101.

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 人人澡人人爽人人| 性欧美黑人巨大videos| 日日操夜夜操狠狠操| 国产丝袜一区二区三区在线观看| 国产精品亚洲欧美日韩一区在线| 亚洲国产精品一区二区久久| 高铁上要了很多次| 激情综合网五月| 被农民工玩酥了的张小婷| 欧美高清一区二区三区| 国产精品日韩欧美一区二区三区 | 国产一二三区视频| 久久久久香蕉视频| 能顺利播放的男男网站free| xxx毛茸茸的亚洲| 欧美在线暴力性xxxx| 国产成人精品免费视频大全| 中文字幕一区在线| 久久婷婷成人综合色综合| 国产精品真实对白精彩久久| 成人综合激情另类小说| 人人妻人人爽人人澡人人| 中文字幕在线观看网站| 182tv精品视频在线播放| 日韩色图在线观看| 国产特黄特色a级在线视| 亚洲欧美国产日韩天堂在线视| 中文字幕人妻无码一夲道| 欧美日韩乱妇高清免费| 国产又黄又爽胸又大免费视频| shkd-443夫の目の前で犯| 精品美女在线观看| 欧美最猛黑人xxxxx猛交| 国产成人综合美国十次| free性欧美极度另类性性欧美| 最新亚洲春色av无码专区| 国语精品91自产拍在线观看二区| 亚洲欧美日韩国产综合| 国产超爽人人爽人人做| 成人精品视频一区二区三区尤物| 久久青青草原亚洲av无码|