劉志贏 謝春思 李進軍 桑 雨 吳 帥

（1.海軍大連艦艇學院學員五大隊 大連 116018）（2.海軍大連艦艇學院導彈與艦炮系 大連 116018）

1 引言

邊緣信息對于目標外形提取有著十分重要的意義，是紅外雷達導引頭對紅外圖像的自動目標識別的關鍵一步［1～5］。目前，Canny算法由于其高精確度和高信噪比的邊緣檢測特性而得到廣泛應用［6～8］。但是，由于紅外雷達導引頭受環(huán)境影響較大，生成的圖像存在噪聲邊緣多、邊緣模糊等不利條件，因此直接運用上述方法處理紅外圖像難以得到理想效果［9～11］。對此，許多學者提出 Canny算法的改進方案。何文浩等［12］采用改進直方圖分析法優(yōu)化Canny算法雙閾值中高閾值的設定原則，實現(xiàn)自適應的選擇雙閾值；Lawend H O等［13］利用圖像邊緣的長度和方向等信息，增強了圖像邊緣的穩(wěn)定性。生物學家Hartline在對鱟的視覺系統(tǒng)長期研究后總結出了側抑制競爭理論［14］，該理論可用于增強圖像中目標和背景的反差。Dong Que等［15］利用側抑制網(wǎng)絡對圖像的增強特性，提高了傳統(tǒng)OTSU算法的魯棒性；張莉等［16］基于側抑制神經(jīng)提出了重設閾值條件下的圖像分割方法，取得了較好的分割效果。

結合傳統(tǒng)Canny算法的基本原理，提出了一種改進圖像邊緣檢測方法，通過比較，在排除噪聲邊緣干擾、提高邊緣連接性和降低重檢率方面有更好的效果。

2 Canny算法

2.1 Canny算法的基本原理

Canny邊緣檢測算法是John F.Canny在1986年首先提出的一個多級邊緣檢測算法，按照以下三個準則實現(xiàn)最優(yōu)邊緣檢測：最低誤判概率、最優(yōu)定位準則和單邊響應準則［17～19］。傳統(tǒng)Canny邊緣檢測算法流程如圖1所示。

圖1 傳統(tǒng)Canny算法流程圖

Canny算法具體實現(xiàn)步驟如下：

1）使用高斯濾波器降噪平滑。設Gauss濾波器卷積核為G(x，y)，原圖像素灰度分布為I(x，y)，處理后的圖像為J(x，y)，則滿足關系式：

其中，Gauss卷積核G(x，y)計算公式為

式（2）中，σ2是卷積核的方差。

2）計算梯度的幅值和方向。得到平滑圖像后，利用Gauss函數(shù)的一階差分模板Dg求解梯度的幅值和方向，滿足以下方程：

式（4）、（5）中Gx(x，y)、Gy(x，y)分別表示像素點I(x，y)在x和y方向的偏導數(shù)。

3）梯度幅值非極大值抑制。沿著某像素點梯度的方向，尋找該點梯度局部最大值，抑制梯度幅值非最大值的像素點。

4）雙閾值邊緣檢測和連接。根據(jù)經(jīng)驗設置高低兩個閾值TH和TL。當梯度幅值大于TH時認為是邊緣點；低于TL時認為是非邊緣點；介于兩者之間時，利用梯度方向判斷是否是邊緣點。

2.2 Canny算法的局限性分析

紅外圖像對比度低、邊緣模糊且存在大量噪聲邊緣，若直接利用Canny算法進行梯度計算，邊緣提取時將產(chǎn)生大量干擾邊緣，不利于目標識別工作；高低閾值需基于經(jīng)驗設置，不具備自適應計算設置能力，造成算法魯棒性較差。

3 改進Canny算法分析

針對傳統(tǒng)Canny算法的局限性，進行了兩個方面的改進：一是利用側抑制網(wǎng)絡的聚類作用，實現(xiàn)對圖像側抑制處理，增強圖像對比度，突顯強邊緣并抑制噪聲邊緣；二是采用OTSU實值法自適應計算設置雙閾值，并以此閾值進行邊緣檢測。改進Canny算法實現(xiàn)流程圖如圖2所示。

圖2 改進Canny算法流程圖

3.1 側抑制網(wǎng)絡分析

生物學家Hartline在對鱟的視覺系統(tǒng)長期研究后總結出了側抑制競爭理論，即當一個視覺神經(jīng)細胞受到光照刺激后，會增強周圍較近的視覺細胞的感光作用，對距離較遠的神經(jīng)細胞產(chǎn)生抑制作用，實現(xiàn)“增強中心，抑制周圍”的效果。將側抑制網(wǎng)絡運用在圖像處理中，可達成突出邊緣、增強反差、削弱冗余信息的效果，有利于后期邊緣檢測［1］。

基于側抑制競爭理論，學者們對于不同研究對象提出了各種數(shù)學模型，根據(jù)處理后輸出的量值取決于周圍細胞的輸入或者輸出可分為循環(huán)型和非循環(huán)型兩類［20］，兩種形式的側抑制模型如圖3所示。

圖3 側抑制數(shù)學模型

非循環(huán)型側抑制網(wǎng)絡數(shù)學模型中，輸入與輸出具有明確對應關系；而循環(huán)型數(shù)學模型中，輸出的結果與側抑制競爭系數(shù)的選擇有關，導致回路存在不穩(wěn)定性。在圖像處理中，前者模型更符合客觀機制，因此目前多采用減法非循環(huán)和分流非循環(huán)兩種網(wǎng)絡模型進行數(shù)字圖像處理。兩種模型的一般二維表達式如下。

二維減法非循環(huán)型網(wǎng)絡模型：

二維分流非循環(huán)型網(wǎng)絡模型：

式中，rx，y和ex，y分別為 (x，y)位置處神經(jīng)細胞的輸出和輸入；kxy，ij為神經(jīng)細胞 (i，j)對神經(jīng)細胞(x，y)的側抑制競爭系數(shù)；R為感受域的半徑。

文獻［11］指出，減法非循環(huán)型網(wǎng)絡復雜度低，且具有更強的突出邊緣、增強反差能力，因此采用該網(wǎng)絡模型來處理圖像。則神經(jīng)細胞(i，j)受抑制作用后的輸出為

式中K表示側抑制競爭系數(shù)矩陣。

3.2 自適應雙閾值選取方法研究

傳統(tǒng)Canny算法需基于經(jīng)驗設置高低閾值，不能自動判斷設置高低閾值，造成自適應能力不強。結合OTSU實值法原理，提出自適應雙閾值選取方法。

根據(jù)定義，OTSU實值法確定的閾值使分割出的背景和目標間類別方差最大，實現(xiàn)兩部分區(qū)域的差異性最大。因此，利用OTSU實值法在梯度區(qū)域中計算所得的閾值作為高閾值TH，在梯度為0～TH之間的區(qū)域再次運用該方法計算所得的閾值作為低閾值TL，從而實現(xiàn)自適應閾值選取。算法實現(xiàn)過程如下。

假設圖像灰度級為l，任意像素灰度為i的概率為pi。設有閾值t將圖像分割為背景和目標兩類，則可計算類間方差：

在梯度為0～TH之間的區(qū)域再次運用OTSU實值法計算低閾值TL的公式為

4 實驗結果與分析

4.1 側抑制網(wǎng)絡的影響分析

關于側抑制競爭系數(shù)kxy，ij，目前并沒有理論給出具體表達式。實驗中，在模擬側抑制作用時，設定每個神經(jīng)細胞僅與感受域半徑為2以內(nèi)的神經(jīng)細胞相互作用，且kxy，ij的模服從關于歐氏距離的二維正態(tài)分布，因此對第N層任意位置kxy，ij滿足：

將式（12）的計算值帶入式（8），可得側抑制競爭系數(shù)矩陣K為

為檢驗該側抑制矩陣的增強效果，使用紅外圖像進行實驗。利用傳統(tǒng)Canny算法對圖4（a）所示紅外原圖進行邊緣提取，結果圖4（b）所示；將紅外圖像側抑制處理后，利用傳統(tǒng)Canny算法進行邊緣提取，結果如圖4（c）所示?？梢缘贸鼋Y論，經(jīng)側抑制網(wǎng)絡處理后的圖像在保留強邊緣的同時，對噪聲邊緣有較好的抑制作用。經(jīng)計算，邊緣檢測結果圖中邊緣像素所占比例由11.32%降低為10.04%，干擾邊緣數(shù)量明顯減少。側抑制網(wǎng)絡有利于突顯強邊緣并抑制噪聲邊緣。

圖4 側抑制網(wǎng)絡圖像增強對比

4.2 改進Canny算法性能測試

為檢驗改進Canny算法的綜合性能，以邊緣連接性函數(shù)（Connect，CON）、重檢率（Repeat，REP）和邊緣像素比例（Edge Ratio，ER）［1］為量化指標，利用紅外圖像分別測試傳統(tǒng)Canny算法、基于側抑制網(wǎng)絡的Canny算法（簡稱側抑制Canny）、基于OTSU自適應選取雙閾值的Canny算法（簡稱自適應Canny）以及本文改進Canny算法的邊緣檢測效果。

圖5、圖6為兩組實驗的處理結果。其中，圖5（a）、6（a）為紅外原圖；對于邊緣模糊的紅外圖像，傳統(tǒng)Canny算法的邊緣檢測結果中包含大量干擾邊緣，邊緣檢測能力基本失效，結果圖 5（b）、6（b）所示；若先對紅外圖像進行側抑制處理再利用傳統(tǒng)Canny算法邊緣檢測，可較好地抑制干擾邊緣和短小邊緣，同時保留目標主體輪廓，如圖5（c）、6（c）所示；以兩次OTSU實值法計算出的高低雙閾值代替原閾值進行邊緣檢測，排除了大量背景干擾，但目標的邊緣輪廓略有丟失，如圖5（d）、6（d）所示；改進Canny算法兼顧了側抑制網(wǎng)絡和自適應選取閾值的優(yōu)點，既抑制了大量背景干擾邊緣，同時最大程度上保證了目標輪廓的完整性，視覺效果顯著提高，圖5（e）、6（e）所示。

圖5 實驗一對比結果

圖6 實驗二對比結果

各邊緣檢測算法量化指標統(tǒng)計情況如表1所示。分析表中數(shù)據(jù)可知，相比傳統(tǒng)Canny算法，改進Canny算法CON值平均增大了3.7%，說明邊緣檢測結果的連接性有所改善，短小邊緣得到一定抑制；REP值平均減小了57%，說明重復邊緣數(shù)量較少，邊緣定位精度顯著提高；ER值減小了91%，說明邊緣像素點數(shù)量占圖像像素點總數(shù)的比例降低很多，很好地抑制了干擾邊緣。綜上所述，在對紅外圖像進行邊緣檢測時，改進Canny算法優(yōu)于傳統(tǒng)Canny算法。

表1 各算法量化指標統(tǒng)計

5 結語

針對傳統(tǒng)Canny算法處理紅外圖像時存在的問題，提出了一種基于側抑制競爭原理的改進Canny邊緣檢測算法，該算法結合OTSU實值法的思想，從圖像增強和自適應選擇雙閾值方面對Canny算法進行改進。實驗表明，改進Canny算法可有效排除紅外圖像干擾邊緣的負面影響，提高邊緣定位精度，對目標的紅外圖像有更好的邊緣檢測效果，有利于對目標準確自動識別。