基于人眼微動(dòng)機(jī)理的紅外圖像邊緣提取

作者：時(shí)間：2011-01-25 來(lái)源：網(wǎng)絡(luò)

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對(duì)面交流
  海量資料庫(kù)查詢(xún)

(2)計(jì)算各微動(dòng)方向的邊緣圖像H：
Ci=Fi-A， i=h,v,d (5)
(3)計(jì)算競(jìng)爭(zhēng)灰度邊緣圖像H：
H=max(Ci)， i=h,v,d (6)
(4)將競(jìng)爭(zhēng)灰度邊緣圖像H重新量化到[0，255]。
(5)為了減少偽邊緣的產(chǎn)生，對(duì)競(jìng)爭(zhēng)邊緣圖像H進(jìn)行均值濾波處理：
G=mean(H) (7)
(6)對(duì)量化濾波后的灰度邊緣圖像，采用非極大值抑制和雙閾值檢測(cè)邊緣連接處理，得到二值邊緣圖像。
2.3 非極大值抑制
直接對(duì)經(jīng)過(guò)量化濾波的競(jìng)爭(zhēng)灰度邊緣圖像進(jìn)行二值化操作并不能準(zhǔn)確地提取出圖像的邊緣，因此需要對(duì)經(jīng)過(guò)量化濾波的競(jìng)爭(zhēng)灰度邊緣圖像的幅值進(jìn)行非極大值抑制來(lái)進(jìn)一步確定邊緣點(diǎn)。若圖像G(x,y)上(i,j)像素點(diǎn)的邊緣強(qiáng)度G(i,j)小于沿平移線方向上的兩個(gè)相鄰像素點(diǎn)的邊緣強(qiáng)度，則認(rèn)為該像素點(diǎn)為非邊緣點(diǎn)，將其灰度值設(shè)為0。即保留幅值局部變化最大的點(diǎn)，細(xì)化幅值圖像中的屋脊帶。
2.4 雙閾值檢測(cè)及邊緣連接
由于圖像中噪聲和邊緣都屬于高頻部分，經(jīng)過(guò)非極大值抑制處理過(guò)的邊緣圖像仍然有很大一部分是屬于噪聲的偽邊緣點(diǎn)，因此必須進(jìn)行去噪處理[7]。本文采用高低雙閾值的方法實(shí)現(xiàn)此去噪過(guò)程。設(shè)定高、低兩個(gè)閾值，高閾值處理后的邊緣圖像能去除大部分噪聲，得到尺寸較大的清晰邊緣，但同時(shí)也損失了一些有用的細(xì)節(jié)邊緣信息；低閾值去噪處理后圖像保留了較多的信息，能保留細(xì)微邊緣，但是產(chǎn)生了較多的偽邊緣。經(jīng)過(guò)雙閾值化處理之后能夠得到兩幅不同特征二值邊緣圖像。以高閾值邊緣圖像為基礎(chǔ)，以低閾值邊緣圖像為補(bǔ)充進(jìn)行邊緣連接，實(shí)現(xiàn)最終的圖像邊緣提取。
3 實(shí)驗(yàn)結(jié)果
實(shí)驗(yàn)結(jié)果如圖2所示，其中圖2(a)為一幅大小為405×401的原始紅外圖像，圖像整體灰度值較低，受噪聲影響嚴(yán)重，對(duì)比度不強(qiáng)，邊緣模糊;圖2(b)和圖2(c)分別為Sobel和形態(tài)學(xué)算法邊緣提取的效果,圖2(d)為本文算法的邊緣提取效果。
由圖2可以看出，Sobel算法邊緣提取效果較差，目標(biāo)邊緣斷裂現(xiàn)象較為嚴(yán)重，且對(duì)噪聲較為敏感;形態(tài)學(xué)邊緣提取雖然提取目標(biāo)的邊緣較為完整，但產(chǎn)生大量了偽邊緣；用本文算法提取邊緣，目標(biāo)邊緣提取效果較為理想，且對(duì)噪聲不敏感，提取的偽邊緣較少（圖像周?chē)膫芜吘壥怯捎趫D像在平移過(guò)程中產(chǎn)生的，不影響圖像的后續(xù)處理）。
紅外圖像受噪聲污染嚴(yán)重，邊緣模糊，應(yīng)用傳統(tǒng)的邊緣提取算法提取邊緣較為困難。本文根據(jù)人眼微動(dòng)視覺(jué)成像的基本原理，結(jié)合紅外圖像的特點(diǎn)進(jìn)行了邊緣提取的研究。實(shí)驗(yàn)結(jié)果顯示，基于人眼微動(dòng)視覺(jué)成像機(jī)理的邊緣提取算法能夠快速、準(zhǔn)確地提取紅外圖像的邊緣，且能夠較好地抑制偽邊緣的產(chǎn)生，取得很好的邊緣提取效果。
參考文獻(xiàn)
[1] 張翔,劉媚潔,陳立偉.基于數(shù)學(xué)形態(tài)學(xué)的邊緣提取方法[J].電子科技大學(xué)學(xué)報(bào),2002,31(5):492-495.
[2] 石振剛,陶耀東,高立群.一種模糊增強(qiáng)圖像邊緣提取算法[J]. 小型微型計(jì)算機(jī)系統(tǒng),2008,29(11):2145-2148.
[3] 蒲小勤.基于多重分形的圖像識(shí)別研究[D].西安:西北大學(xué),2009.
[4] DITCHBUM R W.GINSBORG B L.Vision with a stabilized retinal image[J]. Nature，1952,170(4314):36-37.
[5] DOWNTON A,CROOKES D.Parallel architectures for image processing [J]. Electronics Communication Engineering Journal,1998,10(3):25-26.
[6] MARTINEZ C，STEPHEN L M. Microsaccades counteract visual fading during fixation[J].Neuron,2006(49):297-305．
[7] 閆金銘,李言俊,張科.基于人眼視覺(jué)機(jī)理的紅外圖像邊緣提取[J].火力指揮與控制,2009,34(1):60-62.
[8] 李志軍,賀明.人眼微動(dòng)機(jī)制實(shí)時(shí)紅外圖像邊緣提取[J].光電工程,2008，35(12):117-121.
[9] 王立.視覺(jué)機(jī)制研究及其在紅外成像制導(dǎo)中的應(yīng)用[D].西安:西北工業(yè)大學(xué),2003．
[10] GONZALES R C,WOODS R E.數(shù)字圖像處理[M].北京:電子工業(yè)出版社，2005．

本文引用地址：http://m.butianyuan.cn/article/162483.htm

新聞中心

基于人眼微動(dòng)機(jī)理的紅外圖像邊緣提取

評(píng)論

相關(guān)推薦

技術(shù)專(zhuān)區(qū)