通讯作者: 岳改丽(1967-),女,陕西西安人,副教授,主要从事电力电子及其自动化、微电子学等方面的教学及研究.
1.西安科技大学 电气与控制工程学院,陕西 西安 710054; 2.西北工业大学 自动化学院,陕西 西安 710029
(1.College of Electrical and ControlEngineering,Xi'an University of Science andTechnology,Xi'an 710054,China; 2.School of Automation,Northwestern Polytechnical University,Xi'an 710072,China)
备注
通讯作者: 岳改丽(1967-),女,陕西西安人,副教授,主要从事电力电子及其自动化、微电子学等方面的教学及研究.
为了从原始红外图像中提取目标轮廓信息,并克服图像对比度低、噪声干扰大等缺点,需要对红外图像进行边缘检测处理。文章分析Sobel,Canny等几种常用边缘检测算子原理并将其应用于红外图像的边缘检测,同时根据仿真结果比较了它们所代表的一阶梯度算子、二阶梯度算子以及复合检测算子在不同类型红外图像边缘检测中的表现,总结了不同算子检测效果的特点并分析其对应的理论依据。为今后红外图像处理中边缘检测算子的选择提供了参考。
In order to get the edge information from original infrared image,which is featured by lower contrast ratio and loud noise,edge detection is a necessary and important processing approach to improve the effect of image.In this paper,several kinds of common edge-detection operator like Sobel,Canny are applied to edge detection of infrared image,their outcomes are compared and analyzed to explain the difference on detecting edge by different grad operator.The advantages and disadvantages of the operators are also explained to provide a reference for futher work.
引言
将物体产生的红外辐射转换为肉眼可观察图像的技术称作红外成像技术,它具有全天候、非接触、探测距离远以及不受电磁或强光干扰的特点,能够在可见光成像无法发挥作用的极端环境里捕捉到物体发出的红外辐射进而检测到目标,因此在军事和民用领域都得到了广泛的应用。红外成像技术表现的是目标自身热分布情况,所以原始红外图像是单一的灰度图像,清晰度低于一般的可见光图像,目标与背景分界较为模糊,对人眼表现为分辨率低,视场立体感弱等现象[1],再考虑到红外传感器出现的一些特有的噪声,使得原始未经处理的红外图像一般难以达到应用水平,需要对其进行一定的图像处理。图像边缘是图像的最基本特征之一,它包含了图像的大部分信息[2-3]。由于热平衡效应,目标局部的温度较一致,所以红外图像体现物体局部细节能力较弱,同时红外图像所表现的热分布信息只有与目标的基本信息(如目标大小,视场相对位置,形状轮廓等)结合在一起才具有更大的价值。因此提取红外图像中目标边缘是对其进行图像处理重要步骤。
对图像进行边缘检测一般使用边缘检测算子对图像进行梯度计算[4],常用的边缘检测算子根据其计算梯度的方式可分为一阶梯度算子、二阶梯度算子和复合检测算子。文中对具有代表性的Roberts,Prewitt,Sobel,Log,Canny几种边缘检测算子原理进行研究,并将其应用于不同类型的红外图像边缘检测,对比检测中出现的问题,同时从算子检测原理上分析问题发生的原因,为将来的红外图像边缘检测算子的选择提供了理论依据。
1 边缘检测算法原理
2 仿真与结果分析
由于红外技术应用背景差异,红外图像也具有不同的特点。在仿真中采用4幅较为典型的红外图像作为仿真对象,分析几种边缘检测算子在不同类型图像上的表现。选取的4幅图像中既涵盖了较单一的天空背景(其中天空背景又分为
有烟雾和无烟雾2幅),如图1是晴朗天气下的写字楼图像,图2为烟雾背景下战斗机图像; 又包括地面背景,如图3为机场监控客机的图像,图4为十字路口监控图像。红外目标也有远距离观测的楼房、飞机以及较近距离下的汽车行人等,基本可以体现不同应用背景下边缘检测算子的检测能力。虽然每幅图像只呈现一组仿真结果,但实际过程中不同算子对每幅图像都经过数次运算,并选取共有特点进行讨论。
由以上仿真结果可以看出一阶算子(Robert,Prewitt,Sobel)表现相仿,都对渐变的背景完全无法检测,其中Roberts算子定位边缘较准确。 Prewitt和Sobel相比能够检测出较多的边缘,其体现目标细节的能力要优于Robert算子但仍存在出现边缘不连续和伪边缘现象。这充分说明三阶模板对于边缘检测效率的提升是非常明显的。而Robert算子提取边缘较细,另外2种算子检测结果较粗,这也是由于选取模板不同所造成。
Log算子其原理采用了求取高阶导数再寻找零穿越点的方式,虽然这种方式较低阶算子来说,去噪能力变强(相当于对图像处理过程包含了低通滤波),但在边缘较粗或者是图像本身质量较差情况下,会造成某段边缘2侧各自检测出了新的边缘,也就是双边缘现象,这大大增加了图像信息的复杂度,从仿真中也可以看出经过Log算子检测的边缘图像非常凌乱,信息淹没在大量不连续的边缘中。虽然细节体现得多了,但并不是理想的结果。
Canny算子则对整幅图像的灰度变化都十分敏感。虽然得到的边缘检测结果最为细致,但对于红外图像中的噪声过分敏感,特别是在图2和图3中,目标边缘完全淹没在背景噪声中,大大降低了检测效果。这也与其双阈值分割和连接边缘的处理过程有关。经过此过程的边缘显得较为连续平滑,但提高了为边缘点出现的概率,有时甚至造成图像信息的难以理解。同时还注意到和Log算子一样,Canny算子对于稍宽边缘的检测也都检测成了双线,这也进一步验证出与一阶梯度算子在检测过程中的不同。
可见在较复杂背景下,一阶梯度算子检测边缘能力大大降低,仅仅能对图像中灰度明显变化的区域作出检测,丢失了许多关键信息。而Log算子和Canny算子就能保留下许多有用的边缘信息,如图3中民航的窗户轮廓以及图4中街道边缘等。特别要指出由于双阈值连接步骤的存在,Canny算子将检测到的相近边缘连接在一起,而非Log算子对于检测的细节和噪声仍采用点状边缘点来呈现,增强了物体的可辨识性。
3 结 论
在对红外图像边缘检测过程中,一阶梯度算子通过选用各种卷积模板对图像进行处理。在背景较单一的情况下,能够完成对边缘的提取,但缺乏对目标细节边缘检测的能力,同时提取出的边缘也存在边缘提取不连续的现象,造成这些弊端的原因主要是因为在检测过程中采用单一的模板。但在实际应用中,对于图像中的信息较为复杂的情况,不同部分的效果便无法一致,导致提取效率大大降低,所以一阶梯度算子更适合作为一种预处理手段。
以Log为代表的二阶梯度算子,是在二阶导数范围内对零交叉的寻找。Log算子通过更复杂的计算对边缘点有更强的检测能力,仿真结果也证明Log算子确实能够检测出更多的边缘,但在图像边缘灰度相近的时候仍会出现点状不连续边缘,而且对噪声也比较敏感。
Canny算子因为采用了多个步骤完成整个边缘提取处理,所提取的边缘也是几种算子里面最完整的,也是连续性最好的,但这也可能使得噪声边缘与目标边缘连在一起,在一定情况下反而会降低提取效果。所以Canny算子对于噪声的过分敏感决定了其最好与一些预处理手段结合在一起使用。
关于提取图像边缘检测的研究一直都是图像处理技术的研究热点,他有着很长的历史并且不断有新方法涌现,下面介绍几种常用的边缘检测算子。
1.1 一阶梯度算子Roberts算子、Prewitt算子、Sobel算子都是利用一阶导数的信息,属于一阶梯度算子范畴。他们将图像中的所有边缘视作阶梯型边缘,寻找梯度变化剧烈的像素区域。
1.1.1 Roberts算子Roberts边缘检测算子是一种利用局部差分寻找图像边缘的算子,它是一个2*2范围内对角线方向上相邻像素之差。即
在实际运算中使用2个卷积模板来完成这个过程,因此式(1)可以变为式(2)
g(x,y)=|G1|+|G2|.(2)
其中
由Roberts算子原理可知其检测水平或竖直方向上的边缘的效果优于斜向,同时由于模板较小,对噪声较为敏感,会对边缘附近的区域内产生较宽的响应,故采用上述算子检测的边缘图像常需做细化处理。
1.1.2 Prewitt算子Prewitt边缘检测算子是通过一个像素点所在的3*3范围内的邻域点来确定该像素的梯度,然后依据一定的阈值来判断该点是否为边缘点。它使用以下2个卷积模板来确定水平以及垂直方向上的梯度,再进一步得出该像素的梯度。
Prewitt算子对噪声有一定的抑制作用,抑制噪声的原理是通过像素平均,但是像素平均相当于对图像的低通滤波,所以Prewitt算子对边缘的定位不如Roberts算子。
1.1.3 Sobel算子Sobel算子和Prewitt算子都是对邻域像素点的加权平均来得到梯度,但是Sobel算子认为,邻域的像素对当前像素产生的影响不是等价的,所以距离不同的像素具有不同的权值,对算子结果产生的影响也不同。一般来说,距离越远,产生的影响越小。于是Sobel卷积模板形式为
对图像中的每一点使用这2个模板做卷积,则每一个点的梯度可以用公式(3)(4)(5)来进行计算。
t1(m,n)=f(m,n)*G1,(3)
t2(m,n)=f(m,n)*G2,(4)
将计算出来的结果S和阈值作比较,大于阈值的像素点取1,否则取0.sobel算子同样对噪声具有平滑作用,但其并不是基于图像灰度进行处理,没有严格地模拟人的视觉生理特征,所以提取的图像轮廓有时并不能令人满意。
1.2 二阶微分算子Log算子是一种将高斯滤波和拉普拉斯边缘检测结合起来的二阶微分算子。其原理是在图像灰度值的二阶微分中搜索零穿越,进而确定其边缘点。方法是先使用高斯滤波器对图像进行滤波平滑,然后用拉普拉斯的近似模板对处理过的图像进行卷积。
Log算子的优点是精度高,连续性好,但在抗干扰和检测较复杂边缘时效果不好,当边缘宽度小于算子模板时,会出现边缘丢失的情况。
1.3 Canny算子将Canny算子单独归为一类是因为它采用了多个步骤对边缘进行复核检测,是一种最优化的梯度边缘检测算子,它能在噪声抑制和边缘检测之间取得较好的平衡。Canny算子检测过程主要分为:高斯平滑,梯度计算,非极大值抑制,双阈值检测连接4个主要环节。其中梯度计算使用的是一阶差分卷积模板,而非极大值抑制和双阈值连接保证了边缘的清晰连续。
- [1] 于天河,郝富春.红外图像增强技术综述[J].红外与激光工程 2007,36(S2):335-338.
- [2] 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2005,31(3):415-419.
- [3] 吴冬梅,张晓莉,陶 硕.基于彩色图像区域生长法的变电站红外图像分割[J].西安科技大学学报,2010,30(3):368-371.
- [4] 马 艳,张治辉.几种边缘检测算子的比较[J].工矿自动化,2004(1):54-56.
- [5] 肖 峰.基于BP神经网络的数字图像边缘检测算法的研究[J].西安科技大学学报,2005,25(3):372-375.
- [6] LIN Kai-yan,WU Jun-hui,XU Li-hong.A survey on color image segmentation techniques[J].Journal of Image and Graphics,2005,10(1):1-9.
- [7] 魏伟波,芮筱亭.图像边缘检测方法研究[J].计算机工程与应用,2006(30):88-91.