朱 會(huì)，張新紅

（91550部隊(duì) 遼寧 大連 116023）

結(jié)構(gòu)元素對(duì)目標(biāo)邊緣檢測(cè)的影響分析

朱 會(huì)，張新紅

（91550部隊(duì) 遼寧 大連 116023）

針對(duì)光學(xué)經(jīng)緯儀拍攝的紅外飛機(jī)數(shù)字圖像，論述了不同類型的結(jié)構(gòu)元素對(duì)邊緣檢測(cè)的影響，通過(guò)實(shí)驗(yàn)，找到了對(duì)飛機(jī)邊緣檢測(cè)影響起決定作用的結(jié)構(gòu)元素半徑，分析了邊緣檢測(cè)算子的優(yōu)缺點(diǎn)。試驗(yàn)結(jié)果表明：采用形態(tài)學(xué)的圖像處理方法，能夠有效抑制噪聲，通過(guò)選取結(jié)構(gòu)元素的類型和半徑，能夠有效檢測(cè)紅外飛機(jī)的邊緣，保證姿態(tài)測(cè)量的精度。

形態(tài)學(xué)；結(jié)構(gòu)元素類型；結(jié)構(gòu)元素半徑；邊緣檢測(cè)算子；姿態(tài)測(cè)量

圖像邊緣是指圖像局部亮度變化最顯著的部分，表明一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始，是圖像的最基本特征，也是圖像特征提取的重要基礎(chǔ)。飛機(jī)邊緣檢測(cè)是進(jìn)行飛機(jī)形態(tài)特征提取和形態(tài)分析的前提，其檢測(cè)結(jié)果直接影響著后續(xù)視頻判讀、姿態(tài)測(cè)量的精度。通常的邊緣檢測(cè)算法可以提取飛機(jī)的邊緣，解決邊緣的有無(wú)、真假和定向定位等問(wèn)題，但僅僅依靠局部信息，對(duì)噪聲考慮考慮的不全面，抗噪干擾能力差，使得檢測(cè)到的邊緣呈現(xiàn)斷續(xù)、不完整[1]。

數(shù)學(xué)形態(tài)學(xué)以嚴(yán)格的數(shù)學(xué)理論和集合論為基礎(chǔ)，通過(guò)選擇合適的結(jié)構(gòu)元素，來(lái)度量和提取圖像中對(duì)應(yīng)的目標(biāo)形狀，以達(dá)到圖像分析和目標(biāo)檢測(cè)的目的[2]。數(shù)學(xué)形態(tài)學(xué)的算法具有并行實(shí)現(xiàn)的結(jié)構(gòu)，不僅可以簡(jiǎn)化圖像，保持目標(biāo)區(qū)域基本的形狀特征，而且能有效去除不相干的孤立點(diǎn)、毛刺等噪聲[3－4]。

二值形態(tài)邊緣檢測(cè)通過(guò)選取合適的結(jié)構(gòu)元素，利用形態(tài)學(xué)的基本原理，如膨脹與腐蝕，開(kāi)閉運(yùn)算等符合運(yùn)算，對(duì)目標(biāo)圖像進(jìn)行處理，最后得到清晰的圖像邊緣[5]。在此過(guò)程中，結(jié)果元素的選取和邊緣檢測(cè)算子決定了圖像邊緣檢測(cè)的效果，因而是影響形態(tài)邊緣檢測(cè)質(zhì)量的關(guān)鍵。為此，分析了形態(tài)學(xué)結(jié)構(gòu)元素對(duì)邊緣檢測(cè)的影響，研究出了一種既能準(zhǔn)確檢測(cè)出紅外飛機(jī)圖像邊緣，同時(shí)又能很好抑制噪聲的形態(tài)學(xué)濾波器的邊緣檢測(cè)算法，解決了紅外飛機(jī)邊緣檢測(cè)問(wèn)題。

1 結(jié)構(gòu)元素的選取

采用形態(tài)學(xué)方法對(duì)圖像進(jìn)行邊緣檢測(cè)時(shí)，結(jié)構(gòu)元素也同樣具有決定性的作用，根據(jù)不同的結(jié)構(gòu)元素，將得到不同的實(shí)際邊緣檢測(cè)效果。通常情況下，用于二值圖像的結(jié)構(gòu)元素是一個(gè)尺寸比待處理圖像小的多、由0或1組成的二位矩陣。根據(jù)形態(tài)的不同，結(jié)構(gòu)元素的類型通常有線性（Line）、菱形（Diamond）、方形（Square）和圓盤(pán)形（Disk）等，并且結(jié)構(gòu)元素通常包含原點(diǎn)[5]。

1.1 結(jié)構(gòu)元素的類型

通常情況下，可以選擇一個(gè)與待處理圖像具有相似形狀的結(jié)構(gòu)元素，這樣既能保證濾除噪聲，又能保證邊界信息不丟失。如圖所示，針對(duì)圖1的紅外飛機(jī)，選擇了幾種結(jié)構(gòu)元素，使用頂帽變換對(duì)圖像進(jìn)行作用，使用canny算子進(jìn)行邊界提取，結(jié)果如圖2～6所示。從作用結(jié)果可以看出，結(jié)果元素disk、diamond和octagon作用結(jié)果在濾除噪聲的同時(shí)保證了邊界信息的完整，而結(jié)構(gòu)元素square和rectangle的作用結(jié)果，改變了圖像的邊界信息。

圖1 原始圖像Fig.1 Original image

圖2 結(jié)構(gòu)元素disk結(jié)果Fig.2 Structure element of disk

圖3 結(jié)構(gòu)元素diamond結(jié)果Fig.3 Structureelementofdiamond

圖4 結(jié)構(gòu)元素octagon結(jié)果Fig.4 Structure element of octagon

圖5 結(jié)構(gòu)元素square結(jié)果Fig.5 Structure element of square

圖6 結(jié)構(gòu)元素rectangle結(jié)果Fig.6 Structureelementofrectangle

1.2 結(jié)構(gòu)元素的半徑

果元素對(duì)圖像的作用效果不僅取決于其類型，不同尺寸的結(jié)果元素對(duì)同一圖像的作用效果也有顯著差別。如圖所示，針對(duì)圖1的紅外飛機(jī)，選擇結(jié)構(gòu)元素disk，使用不同的半徑進(jìn)行頂帽變換，使用canny算子進(jìn)行邊界提取，作用結(jié)果如圖7～13所示。從作用結(jié)果可以看出，在直徑2到6的變化過(guò)程中，不能很好的保證圖像邊界信息提取的連續(xù)性；在直徑8到16的變化過(guò)程中，保證了圖像邊界信息提取的連續(xù)性，當(dāng)直接為10的事后效果最好；直接大于等于16后，圖像的邊界開(kāi)始變形。

圖7 直徑2邊緣提取結(jié)果Fig.7 Radius of 2

圖8 直徑4邊緣提取結(jié)果Fig.8 Radius of 4

通常情況下，小尺寸的結(jié)構(gòu)元素去噪能力弱，但能檢測(cè)出較好的邊緣細(xì)節(jié)；大尺寸的結(jié)構(gòu)元素去噪能力強(qiáng)，但檢測(cè)出的邊緣較粗，影響后續(xù)結(jié)構(gòu)特征的提取精度。因此在實(shí)際應(yīng)用中，需結(jié)合應(yīng)用背景和期望來(lái)合理選擇結(jié)構(gòu)元素的尺寸。

圖9 直徑6邊緣提取結(jié)果Fig.9 Radius of 6

圖10 直徑8邊緣提取結(jié)果Fig.10 Radius of 8

圖11 直徑10邊緣提取結(jié)果Fig.11 Radius of 10

圖12 直徑16邊緣提取結(jié)果Fig.12 Radius of 16

圖13 直徑20邊緣提取結(jié)果Fig.13 Radius of 20

2 邊緣檢測(cè)算子

灰度形態(tài)學(xué)是數(shù)學(xué)形態(tài)學(xué)的一種，由二值形態(tài)學(xué)理論推廣而來(lái)，應(yīng)用于各種灰度圖像和彩色圖像，其基本運(yùn)算主要為灰度腐蝕、灰度膨脹、灰度開(kāi)啟和閉合四種。

灰度圖像的膨脹“加長(zhǎng)”或“變粗”二值圖像中的目標(biāo)，而腐蝕“收縮”或“細(xì)化”二值圖像中的對(duì)象，由結(jié)構(gòu)元素控制腐蝕與膨脹的方式和程度?；叶鹊拈_(kāi)啟和閉合是由膨脹和腐蝕組合運(yùn)算?；叶乳_(kāi)啟完全刪除了不能包含結(jié)構(gòu)元素的對(duì)象區(qū)域，平滑了對(duì)象的輪廓，斷開(kāi)了狹窄的連接，去掉了細(xì)小的突出部分?；叶鹊拈]合一般會(huì)將狹窄的缺口連接起來(lái)形成細(xì)長(zhǎng)的彎口，并填充比結(jié)構(gòu)元素小的洞。

邊緣檢測(cè)方法是利用邊緣鄰近的一階導(dǎo)數(shù)或二階導(dǎo)數(shù)變化規(guī)律來(lái)考慮圖像的每個(gè)像素的某個(gè)鄰域內(nèi)灰度的變化?；跀?shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法是一種非線性的基于結(jié)構(gòu)元素的圖像處理和分析理論，通過(guò)基本的集合運(yùn)算形成邊緣檢測(cè)算子，從而檢測(cè)出圖像邊緣[6]。由于圖像大都含有噪聲，為了使算子具有抗噪聲能力，提出了抗噪聲型的邊緣檢測(cè)算子。

Log算子是二階導(dǎo)數(shù)算子，該算子用高斯函數(shù)對(duì)圖像做平滑濾波處理，然后采使用拉普拉斯算子檢測(cè)邊緣，克服了拉普拉斯算子抗噪能力比較差的缺點(diǎn)，在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也平滑掉了，造成這些尖銳的邊緣無(wú)法被檢測(cè)。

Sobel算子根據(jù)像素點(diǎn)上下、左右領(lǐng)點(diǎn)灰度加權(quán)差在邊緣處達(dá)到極值這一現(xiàn)象檢測(cè)邊緣，對(duì)噪聲具有平滑作用，能提供較為精確的邊緣方向信息，但邊緣定位精度不高，是一種較為常用邊緣檢測(cè)方法。

Prewitt算子利用局部差分算子尋找邊緣，邊緣定位精度高，但容易丟失一部分邊緣，不具備抑制噪聲的能力。

Canny算子使用指定標(biāo)準(zhǔn)偏差的高斯濾波器來(lái)平滑濾波，在圖像的每一點(diǎn)計(jì)算局部梯度和邊緣方向，利用邊緣點(diǎn)確定圖像中出現(xiàn)的脊，從而確定強(qiáng)邊緣像素和弱邊緣像素，進(jìn)而執(zhí)行邊緣連接。

3 試驗(yàn)結(jié)果分析

以320×256的紅外飛機(jī)灰度圖像為例，在Matlab8.0下編程實(shí)驗(yàn)，經(jīng)反復(fù)研究比較，選取半徑為8結(jié)構(gòu)元素disk進(jìn)行形態(tài)學(xué)的頂帽變換，采用最大類間方差求取灰度閾值，使用edge函數(shù)檢測(cè)二值圖像中飛機(jī)的邊緣，不同邊緣檢測(cè)算子的邊緣檢測(cè)結(jié)果如圖14～17所示。對(duì)比圖中飛機(jī)邊緣檢測(cè)結(jié)果：圖14和17飛機(jī)邊緣檢測(cè)的機(jī)頭、飛機(jī)兩翼滿足姿態(tài)測(cè)量的條件，圖15和16的機(jī)翼有毛刺且不連續(xù)；圖14、15的飛機(jī)機(jī)尾的檢測(cè)結(jié)果滿足姿態(tài)測(cè)量的條件[7]，圖16的機(jī)尾有毛刺且不連續(xù)，圖16的機(jī)尾形狀錯(cuò)誤。圖14的飛機(jī)機(jī)身邊緣檢測(cè)結(jié)果不符合實(shí)際。

圖14 Log算子邊緣提取結(jié)果Fig.14 Log operator

圖15 Sobel算子邊緣提取結(jié)果Fig.15 Sobel operator

圖16 Prewitt邊緣提取結(jié)果Fig.16 Prewitt operator

圖17 Canny邊緣提取結(jié)果Fig.17 Canny operator

4 結(jié)束語(yǔ)

數(shù)學(xué)形態(tài)學(xué)的圖像處理方法，在目標(biāo)的邊緣檢測(cè)中具有明顯的優(yōu)越性。針對(duì)光學(xué)經(jīng)緯儀拍攝的紅外飛機(jī)圖像提出了一種有效的邊緣檢測(cè)方法，實(shí)驗(yàn)表明邊緣定位準(zhǔn)確，具有良好的噪聲抑制能力和檢測(cè)效果，滿足了姿態(tài)測(cè)量的要求，同時(shí)該種檢測(cè)方法，實(shí)現(xiàn)簡(jiǎn)單，實(shí)用性好，具有較高的使用推廣價(jià)值。

[1]王艷春，遲勝起，鄭長(zhǎng)英.基于數(shù)學(xué)形態(tài)濾波算子的黃頂菊種子圖像邊緣檢測(cè)[J].農(nóng)業(yè)化研究，2011，3（3）:39－42

WANG Yan-chun，CHI Sheng-qi，ZHENG Chang-ying.The edge-detection of flaveria bidentis seed image based on mathematics morphological filtering operators[J].Journal of Agricultural Mechanization Research，2011，3（3）:39－42.

[2]YANG Feng，YANG Fan.Detecting license plate based on top-hat transform and wavelet ransform[C]//ICALIP2008，2008:998－1003.

[3]Salembier.St ructuring element adaptation for morphological filters[J].Journal of Visual Communication and Image Resentation，1992，3（2）:115－136.

[4]Susanta M，Bhabatosh C.Multiscale morphological segmentation of gray-scale image[J].IEEE Trans.on Image Proc，2003，12（5）:533－466.

[5]周云川，何永強(qiáng)，李計(jì)添.基于小波和灰度形態(tài)學(xué)的紅外圖像增強(qiáng)方法[J].激光與紅外，2011，41（6） :683－686.

ZHOU Yun-chuan，HE Yong-qiang，LI Ji-tian.Infrared image enchancement method based on wavelet transformation and grayscalemorphlolgy[J].Laser&Infrared，2011，41（6）:683－686.

[6]孟婷婷，于諒，李壽敏，等.一種基于改進(jìn)的形態(tài)學(xué)算子的邊緣檢測(cè)算法[J].計(jì)算機(jī)工程與科學(xué)，2011，33（8）:112－116.

MENG Ting-ting，YU liang，LI Shou-min，et al.An edge detection alogrithm based on improve morphology operators[J].Computer Engineering&Science，2011，33（8）:112－116.

[7]陳海峰，張少博，劉英元.振動(dòng)測(cè)量誤差影響因素分析[J].火箭推進(jìn)，2011（1）：61－64.

CHEN Hai-feng，ZHANG Shao-bo，LIU Ying-yuan.Analysis of error factor in vibration measurement[J].Journal of Rocket Propulsion，2011（1）：61－64.

Effect analysing of structure elements of target edge detection

ZHU Hui，ZHANG Xin-hong
（The People's Liberation Army Unit 91550， Dalian 116023， China）

According to the optical theodolite shooting infrared aircraft digital image，this paper discusses influences of different types of structural elements on edge detection， through the experiment， aircraft edge detection effectis playsing a role in determining the structural elements of the radius and the style founded on，the advantages and disadvantages of Image Edge Segmentation Algorithm are analyzesed.The test results show that:the use of morphological image processing method can effectively restrain the noise.selecting structure type and the radius can effectively detect infrared aircraf edge and guarantee the attitude measurement precision.

morphological； type of structure element； radius of structure element； operater of edge dectection measure pose

TP391.4

A

1674－6236（2013）04－0101－03

2012－10－22稿件編號(hào)201210140

朱 會(huì)（1977—），男，吉林公主嶺人，工程師。研究方向：光學(xué)經(jīng)緯儀、連續(xù)波雷達(dá)、單脈沖雷達(dá)的軟硬件設(shè)計(jì)與維護(hù)，指揮控制顯示系統(tǒng)的軟硬件設(shè)計(jì)與維護(hù)。