王嘉俊 段先華

摘 ?要： 基于邊緣特征的提取方法被廣泛應(yīng)用于水面目標(biāo)識(shí)別當(dāng)中。針對(duì)傳統(tǒng)方法抗噪性較差且易誤判和漏判的缺點(diǎn)，文章對(duì) Canny 算法進(jìn)行了改進(jìn)，基于Canny邊緣檢測(cè)思想，采用雙邊濾波，以及通過 Sobel 算子計(jì)算梯度幅值方向，并在梯度非極大值抑制過程中，將極大值點(diǎn)作為候選邊緣點(diǎn)，將極大值二次刷選，保留8鄰域內(nèi)候選邊緣點(diǎn)不相鄰的非極大值點(diǎn)，最后利用 Otsu 計(jì)算圖像高低閾值。結(jié)果證明，該方法能更準(zhǔn)確的檢測(cè)邊緣信息，且具備較強(qiáng)的自適應(yīng)性。

關(guān)鍵詞： 邊緣檢測(cè); Canny算法; 雙邊濾波; 非極大值抑制; Otsu

中圖分類號(hào)：TP311 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1006-8228（2020）01-35-04

Abstract： The edge feature based extraction method is widely used in water surface target recognition. Aiming at the disadvantages of traditional methods such as poor noise resistance and easy misjudgment and missed judgment， this paper makes the Canny algorithm improved. By using bilateral filtering， and using Sobel operator to calculate the gradient amplitude direction， and in the gradient non-maximum value suppression process， the maximum value point is used as the candidate edge point， and the maximum value is twice selected， leaving 8 neighbors. The non-maximal points of the candidate edge points in the domain are not adjacent， and finally the Otsu is used to calculate the image high and low thresholds. The result proves that the method can detect edge information more accurately and has strong adaptability.

Key words： edge detection; Canny algorithm; bilateral filtering; non-maximum value suppression; Otsu

0 引言

邊緣檢測(cè)是圖像處理中一種用于識(shí)別灰度圖像中亮度變化明顯的界限、剔除無關(guān)信息、保留圖像整體結(jié)構(gòu)屬性的方法[1]。檢測(cè)結(jié)果的好壞對(duì)深層次的圖像特征提取、圖像分割和圖像識(shí)別等會(huì)產(chǎn)生較為重大的影響，因而在機(jī)器視覺、模式識(shí)別、人工智能等諸多計(jì)算機(jī)前沿領(lǐng)域舉足輕重。例如可以對(duì)交通標(biāo)線和路標(biāo)自動(dòng)識(shí)別及定位;對(duì)醫(yī)學(xué)圖像進(jìn)行分割，以便更直觀、清晰地對(duì)圖像進(jìn)行診斷;能夠?qū)\(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤，以及人臉識(shí)別與指紋識(shí)別等[2-6]。

目前，傳統(tǒng)的邊緣提取算子大致分為兩類：一階差分邊緣檢測(cè)算子和二階微分邊緣檢測(cè)算子。常用的一階差分邊緣檢測(cè)算子主要包括Sobel算子、Prewitt算子和Roberts算子。二階微分邊緣檢測(cè)算子要有LoG算子、Laplace算子等，但兩類算子都是在像素點(diǎn)鄰近區(qū)域內(nèi)進(jìn)行計(jì)算，對(duì)噪聲較為敏感，邊緣定位不夠準(zhǔn)確，使其在實(shí)際工程中檢測(cè)效果并不理想。因此，Canny于1986年提出Canny邊緣檢測(cè)算法，并獲得了廣泛應(yīng)用。

1 傳統(tǒng)Canny邊緣檢測(cè)算法

1.1 傳統(tǒng)Canny邊緣檢測(cè)算法步驟

⑵ 計(jì)算梯度的幅值和方向。選用合適的梯度算子計(jì)算降噪后影像各像素點(diǎn)的梯度大小方向。

⑶ 非極大值抑制。在當(dāng)前像素點(diǎn)的鄰域內(nèi)，通過比較該點(diǎn)的梯度幅值，若大于沿梯度方向上相鄰兩個(gè)像素點(diǎn)灰度值的梯度幅值，那么判斷該點(diǎn)是可能的邊緣點(diǎn)，否則判斷該點(diǎn)為非邊緣點(diǎn)[9-10]。

⑷ 用雙閾值算法檢測(cè)和連接邊緣。經(jīng)非極大值抑制得到的結(jié)果，仍存在許多噪聲和假邊緣，需要進(jìn)一步閾值處理，以消除假邊緣。通常的做法是確定一個(gè)高閾值[Th]和一個(gè)低閾值[Tb]，如果邊緣像素點(diǎn)梯度值大于高閾值，則被認(rèn)為是強(qiáng)邊緣點(diǎn);如果邊緣梯度值小于高閾值，大于低閾值，則標(biāo)記為弱邊緣點(diǎn);小于低閾值的點(diǎn)則被抑制掉[11-12]。

1.2 傳統(tǒng)算法的缺陷

數(shù)字圖像在處理前需要進(jìn)行高斯濾波，在此過程中，方差σ的取值要求人為設(shè)定，但人為設(shè)定σ時(shí)，在濾除噪聲與保護(hù)邊緣信息方面存在一定局限性，兩者效果不能兼顧。并且使用2×2領(lǐng)域一階偏導(dǎo)有限差分計(jì)算梯度時(shí)，由于導(dǎo)數(shù)計(jì)算對(duì)噪聲非常敏感，從兩個(gè)方向?qū)D像進(jìn)行邊緣檢測(cè)，容易出現(xiàn)偽邊緣和漏檢現(xiàn)象。同時(shí)，傳統(tǒng)canny算法通過人為設(shè)定高、低閾值，通過與閾值比較確定圖像的邊緣，這種方法主觀性較強(qiáng)，而且費(fèi)時(shí)費(fèi)力，若設(shè)置的閾值上界過小會(huì)出現(xiàn)大量的偽邊緣，過小則出現(xiàn)漏檢現(xiàn)象。而設(shè)置過大的閾值下界會(huì)出現(xiàn)漏檢現(xiàn)象，過小會(huì)出現(xiàn)較多的誤檢。

2 改進(jìn)的Canny邊緣檢測(cè)算法

本文針對(duì)上述缺陷提出一種改進(jìn)的Canny邊緣檢測(cè)算法，在對(duì)水面目標(biāo)去噪時(shí)盡可能保留邊緣信息并增強(qiáng)自適應(yīng)性。

2.1 雙邊濾波

雙邊濾波[13]是一種非線性的濾波方法，它結(jié)合了圖像的空間鄰近性和像素值的相似性，并考慮了空間信息和灰度的相似性，從而達(dá)到了保留邊緣和去噪的目的。它比高斯濾波器多了1個(gè)高斯方差sigma-d，其基于高斯濾波函數(shù)的空間分布，所以在邊緣附近，距離較遠(yuǎn)的像素不會(huì)過多影響到邊緣上的像素值，這樣就確保了邊緣附近像素值的保存。雙邊濾波的像素輸出值取決于鄰域像素值的加權(quán)組合，即：

由于水面目標(biāo)受水波、場(chǎng)景等變化因素的影響，易產(chǎn)生大量噪聲，因而進(jìn)行了改進(jìn)：將梯度幅值極大值點(diǎn)進(jìn)行保留并作為候選邊緣點(diǎn);若某個(gè)像素點(diǎn)梯度幅值小于梯度方向上與其兩個(gè)臨近插值點(diǎn)，則對(duì)其抑制;若某像素點(diǎn)梯度幅值僅大于與其臨近插值點(diǎn)兩個(gè)中的一個(gè)時(shí)，則搜尋該像素點(diǎn)在邊緣圖中與其8鄰域內(nèi)是否有候選邊緣點(diǎn)存在并判斷其連續(xù)性，如果鄰域存在候選邊緣點(diǎn)并且不連續(xù)，則可以判定該像素點(diǎn)是被抑制的邊緣點(diǎn)，將其標(biāo)記為候選邊緣點(diǎn);否則，判定該點(diǎn)為非邊緣點(diǎn)。

3 實(shí)驗(yàn)與分析

本文分別通過直接調(diào)用傳統(tǒng)Canny算法與改進(jìn)Canny算法進(jìn)行了大量實(shí)驗(yàn)，驗(yàn)證本文改進(jìn)算法準(zhǔn)確性和可行性，最后從眾多實(shí)驗(yàn)結(jié)果中選取三幅圖，分別從單一船只、多艘船只和復(fù)雜場(chǎng)景下的船只三個(gè)方面進(jìn)行了算法分析。

傳統(tǒng)算法與本文改進(jìn)算法的實(shí)驗(yàn)結(jié)果對(duì)比如圖3—圖5所示。

4 結(jié)束語

本文通過對(duì)傳統(tǒng)Canny算子對(duì)水面目標(biāo)邊緣檢測(cè)進(jìn)行分析，指出了傳統(tǒng)Canny算子在濾波去噪和閾值確定方面的不足，并加以改進(jìn)，使用雙邊濾波去噪代替?zhèn)鹘y(tǒng)的高斯濾波去噪，利用Sobel算法進(jìn)行梯度計(jì)算，并進(jìn)行非極大值抑制處理，在梯度非極大值抑制過程中，將極大值點(diǎn)作為候選邊緣點(diǎn)，對(duì)極大值進(jìn)行二次刷選，最后通過Otsu計(jì)算高低閾值進(jìn)行最終的邊緣檢測(cè)。本文改進(jìn)后的算法與傳統(tǒng)算法相比，運(yùn)行結(jié)果中假邊緣數(shù)量明顯減少，邊緣位置能準(zhǔn)確地確定，算法去噪效果提高，因此本文的改進(jìn)算法在邊緣檢測(cè)方面可行且有效。

參考文獻(xiàn)（References）：

[1] 李弼程，彭天強(qiáng)，彭波，等.智能圖像處理技術(shù)[M].北京：電子工業(yè)出版社，2004：153-155

[2] 段軍，張博.改進(jìn)的Canny算子邊緣檢測(cè)算法研究[J].軟件導(dǎo)刊，2018.17（10）：72-75

[3] 徐亮，魏銳.基于Canny算子的圖像邊緣檢測(cè)優(yōu)化算法[J].科技通報(bào)，2013.7：127-131

[4] 宋召青，鄭蘇，李志成.基于邊緣檢測(cè)與最小二乘支持向量機(jī)的人臉圖像識(shí)別[J].海軍航空工程學(xué)院學(xué)報(bào)，2010.25（5）：518-522

[5] 龍順宇，朱星.基于ARM構(gòu)建Sobel邊緣檢測(cè)算子的指紋識(shí)別系統(tǒng)實(shí)現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2013.12：25-27

[6] 賀超宇，鄭紫微.基于改進(jìn)的Vibe和Canny邊緣檢測(cè)算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].數(shù)據(jù)通信，2018.2：32-36

[7] 徐燦，張秋菊.基于改進(jìn)Canny算子的葵花籽邊緣檢測(cè)方法[J].食品與機(jī)械，2015.31（5）：36-38

[8] 陳燕龍，祝成虎.基于Canny算子的邊緣檢測(cè)改進(jìn)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2008.25（8）：51-53

[9] 孫硯飛，常曉剛，李東興，等.基于自適應(yīng)Canny的紅外圖像邊緣檢測(cè)算法[J].山東理工大學(xué)學(xué)報(bào)，2017.31（6）：18-21

[10] 葉德周，楊風(fēng)健，貌程浩，等.基于Canny算子的紅外影像邊緣檢測(cè)算法[J].激光與紅外，2015.45（9）：1129-1132

[11] 辛玉欣，王傳洋.一種基于Canny算子的圖像邊緣檢測(cè)方法[J].信息與電腦（理論版），2017.18：37-38

[12] 史久根，張亞.一種改進(jìn)的自適應(yīng)Canny算子邊緣檢測(cè)算法[C].中國儀器儀表與測(cè)控技術(shù)大會(huì).2011.

[13] Elad M.On the origin of the bilateral filter and ways to improve it[J].IEEE Transactions on Image Processing，2002.11（10）：1141.

[14] Jie G，Ning L.An Improved Adaptive Threshold Canny Edge Detection Algorithm[C].International Conference on Computer Science & Electronics Engineering.2012.

[15] Wang B，F(xiàn)an S S.An improved Canny edge detection algorithm[C].International Workshop on Computer Science and Engineering.IEEE，2010：497-500

[16] Zhou P，Ye W J，Xia Y J，etal.An improved Canny algorithm for edge detection[J].Journal of Computational Information Systems，2011.75（5）：1516-1523