基于改进LOG算子的图像边缘检测方法
基于LoG算子边缘检测的图像二值化处理
ＴＡ ｉｊｎ Ｉ ｉ Ｉபைடு நூலகம்Ｎ Ｚ－ｕ ，ＬＵ Ｙ
（ｃｏｌｏ ｈｓ ａ Ｅｅｔ ｎ ｓＵ ｉ ｒｉ ｆＥｅｔ ｎｃＳ ｉ ｃ ｎ ｅ ｈｏ ｇ ，ｈ ｎｄ １０ ４ Ｃ ｉ ） Ｓｈｏ ｆＰ ｙｉ ｌ ｌ ｒ ｉ ， ｎｖ ｓｙ ｏ ｌｃ ｏ ｉ ｃ ｅ ｅａｄ Ｔ ｃ ｎｌ ｙ Ｃ ｅｇ ｕ６ ０ ５ ， ｈｎ ｃ ｃｏｃ ｅ ｔ ｒ ｎ ｏ ａ Ａ ｓｒｃ：Ａ ｈ ｂｅｔａｄ ｂ ｃｇｏ ｎ ｆｎ ｍｅ ｌｃ ａａｔ ｉｔｌｉ ｇ ｒ ｏ ｑ ｉ ｅａａ ｄ ｈｓ ｐ ｐｒ ｂ ｔａｔ ｓ ｔｅ ｏｊｃ ｎ ａｋｒｕ ｄ ｏ ｕ ｒ ｈｒｃ ｒ ｄｇａ ｍａｅ ａｅ ｎｔ ｕ ｅ ｓｐｒｔ ，ｔｉ ａｅ ａ ｅ ｓ ｉ ｔ ｅ ｐ ｐｓｄ ａ ｎｗ ｇ ｂｌｔｒｓｏ ｂ ａｉ ｔ ｎ ｅ ｏｓ ｂ ｓｄ ｏ Ｇ （ａｌｃ ｆＧ ｕｓ ｎ．Ｔ ｉ ｅｈｄ ｇｔ ｏ ｒ ｏｅ ｅ ｌ ａ ｈｅｈｌ ｉ ｒａｉ ｍ ｔ ｄ ａｅ ｎ Ｌ ｏ ｄ ｎ ｚ ｏ ｈ ｏ Ｌ ｐａｉ ｏ ａ ｓ ａ） ｈ ｍ ｔｏ ｅ ｎ ａ ｉ ｓ ｓ
田 自君 ．刘 艺
（ 电子科技大学物理电子学 院， 四川 成都 ６ ０ ５ ） １０ ４ 摘 要： 数码 管图像 的 目标 和背景分离不 明显 ， 直方 图分布较复杂 。针对 该问题 ， 提出基于拉普拉斯 高斯 （ ａｌｃ ｎ Ｌ ｐａｉ ａ ｏ ａｓｉｎＬ Ｇ） ｆＧ ｕｓ ，ｏ 算子边缘 检测 的全 局二值 化方 法对其进行处理 ， ａ 该方 法通过提取图像边缘部份的像素灰度 获得 图 像二值化的阈值 。处理结果表明 ， 与传统的几种方 法相 比， 该方法能够快 速选取 良好 的二值化阈值 ， 较好地区分 目标 和背景 ， 在相 当大模板 宽度 内图像二值化的结果都令人 满意。 关键词 ： 二值化 ；ｏ Ｌ Ｇ算子 ； 边缘检测
基于改进Canny算子的图像边缘检测算法
［ ｂ ｔａ ｔ Ａ ｓｒｃ］Ｒｅｅｒ ｇｔ ｅｉ ｇ ｉｈｉ ｉ ｅｍｅ ｉ ｌ ｅｄ ａｄｓ ｌ ｅｍｅ ｉａ ｉ ｇ ｓｒｄｂｏ ｄｃｌ ｅｄ ｅｅｔ ｅｌ ｉｅ ｆｒｎ ｔ ｉ ｏ ｈ ｍａ ｅｗｈｃ ｓ ｎｔ ｄｃ ｌ， ｎ ｉ ａ ｔ ｔ ｄｃｌｍａｅａ ｅ ｌｏ ｅｌ ｎ ｅｓｔ ｄ ｔｃ ｃｌ ｓ ， ｈ ａｆ ｉ ｍｉｒ ｏ ｈ ｓ ｏ ｚ
值 的变化 ，采用数学方法 中的一 阶或二 阶方 向导数的变化来 检测边缘Ｌ。这 些算子 结构 简单 ，实现速度较快 ，但是对噪 ２ ｊ 声影响较大 ，如果将其应用于 细胞 图像边缘检测 中将会出现 细胞 图像边缘不连续、出现干扰边缘 或者细 胞图像细节丢失
ｈ ｎ ｎ ．Ｅｘ ｒｍｅ ｔｌｒｓ ｌｓｐ ｏ ａ ｉ ａｇ ｒｔ ｍ ａ ｆｅ ｔ ｅｙ ｒｄ ｃ ｎｅｆｒ ｎ ｅ ａ ｄ ｎ ｉｅ ｅ ｇ ，ａ ｄ ｍ ａ ｅ ｍｏｅ ｐ ｏ ｎ ｎ ｅｅ ｔｏ ｔｉｎｉｇ ｐｅｉ ｎａ ｅｕｔ ｒｖｅｔ ｔｔ ｓ ｌ ｏｉｈ ｃ ｎ ｅ ｃｉ ｌ ｅ ｕ ｅ ｉｔｒｅｅ ｃ ｎ ｏｓ ｄ ｅ ｎ ｋ ｒ ｒ ｍｉｅ ｔｄ ｔｃｉｎ ｈ ｈ ｖ
ＷＡＮ Ｘｉｏｊｎ Ｌ Ｕ Ｘ － ｎ ＧＵ ｏ ｇ Ｇ ａ － ， Ｉ ｕｍｉ， ＡＮＹ ｎ ｕ
（ ｏｌｇ ｆ ｎｏｍａｉｎＥ ｇｎ ｅｉｇ Ｃ ｐｔｌ ｒ ａ ｎｖｒｉ ， ｅ ｉｇ１ ０４ ， ｈｎ ） Ｃ ｌ ｅ Ｉｆｒ ｔ ｎ ｉｅｒ ， ａ ｉ ｍ ｌ ｉｅｓｙ Ｂ ｉｎ ０ ０ ８ Ｃ ｉａ ｅ ｏ ｏ ｎ ａＮｏ Ｕ ｔ ｊ
ｃ ａ ａ ｔ ｒｓｉ ｓｏ ｈ ｒ ｃｅ ｉｔ ｆｍｅ ｃ ｌ ｅ ｌｉ ｇ ． ｃ ｄｉａ ｌ ｍａ ｅ ｃ
［ ｙｗｏ ｄ ｅ ｇ ｅｅｔ ｎ ｒｄｂｏ ｄｃｌ ｇ ； ａｎ ｐ ｒｔｒｉ ｒｔ ｅ ｌｏｉ ｍ； ｔｅ ｔ ａ ｍｏ ｈ ｌｇｃｌ ｔｏ Ｋｅ ｒ ｓ ｄ ｅ ｔ ｉ ；ｅ ｌｏ ｅｌｉ ｅ Ｃ ｎ ｙｏ ｅａｏ；ｔ ａｉ ｇ ｒｈ ｍａ ｍａｉ ｌ ｒ ｏｏ ｉａｍｅｈ ｄ Ｉ ｄ ｃｏ ｓｍａ ｅ ｖａ ｔ ｈ ｃ ｐ ＤＯＩ １．９ ９ｊｓｎ１０ —４ ８２ １．４０ ９ ： ０３ ６ ／ｉ ．０ ０３ ２ ．０ ２１．５ ．ｓ
log边缘检测方法的原理
log边缘检测方法的原理
Log边缘检测是一种基于图像处理技术的算法，用于检测图像中的边缘。
它可以有效地检测图像的边缘，从而提高图像的品质和处理速度。
Log边缘检测的原理是基于Laplacian Of Gaussian（LOG）算子。
LOG算子是一个卷积核，它可以用来检测图像中的边缘。
LOG算子是一个高斯平滑操作，可以检测图像中的局部变化。
它是一个高斯函数，可以把图像中的小噪声去除，然后用一个Laplacian算子对模糊的图像进行检测。
LOG算子的核心思想是先对图像进行高斯平滑，然后再用Laplacian算子进行边缘检测。
LOG算子把高斯平滑操作和Laplacian操作结合起来，使边缘检测更加精确和有效。
LOG算子的计算过程是：先对图像进行高斯滤波，然后用Laplacian算子进行边缘检测，最后将检测结果转换为一个二值图像，其中强度大于一个阈值的像素为边缘，强度小于阈值的像素为非边缘。
LOG边缘检测的优点是它可以检测图像的边缘，并且可以抑制噪声，使得边缘检测更加准确。
LOG边缘检测的缺点是它的检测速度比其他方法要慢，而且它检测的精度也不是很高。
总之，Log边缘检测是一种有效的边缘检测算法，它可以抑制噪声，提高图像边缘检测的准确性和精确度，但是它的检测速度较慢。
基于LOG算子的激光雷达图象边缘检测算法改进
ｇｘＹ ＝ （ （， （，） （ ， Ｇ ． ｆ ｘ ） ＝（ Ｇ ｒ ） 厂 ） （， ） （， （， ）
（ ３）
航拍的可见光图像 ，激光雷达图像和可见光图像来 自
不同传感器 ，灰度的表示方法相差很大 ，所以图像匹 配多选用基于特征的 匹配方法 ，通过提取可见光和激
光雷达图像 的边缘 特征来 进行 比较匹配。 可见光 图像边 缘特征提取的技术 比较成熟 了 ，激 光雷达 图像 由于多用 相干法成像 ，含有 高斯 噪声 、乘 性 噪声等 ， 其中乘性噪声最为主要【 】 Ｏ 算 子在经 ｌ 。Ｌ Ｇ 典 的边缘检测技术 中应用广泛 ，效果 比较好 。本文针 对 激光 雷达 图像 的噪声 特 征 ，提 出用 自适应 的二维 Ｗｉ ｅ 波器改善Ｌ Ｇ 子对激光雷达 图像的边缘检 ｅ ｒ ｎ滤 Ｏ 算 测能力的算法 。
Ｗｉ ｅ 滤波代替 Ｇａｓｉ ｅｒ ｎ ｕｓ ｎ滤波。仿 真结果表 明：对 于含有 高斯噪 声和 乘性噪声 的激光 雷达 图像 ，该 算法能够有效 ａ
提 高 Ｌ Ｇ 算子 的 边缘 检 测 能 力 。 Ｏ 关 键 词 ：Ｗ ｉ ｅ 滤 波 ；Ｌ ｅ ｒ ｎ ＯＧ 算 子 ；激 光 雷达 图像 ；边缘 检 测 中 图分 类 号 ：Ｏ２ ． ：Ｔ ９ ７ ｌ １６ １ ４ Ｎ ５． ５ 文 献 标 识 码 ：Ａ
维普资讯
第２ ９卷
第６ 期
指挥 控制 与仿 真
Ｃｏ ｍｍａ ｄ ＣＯ ｔ ｌ Ｓ ｍｕ ａ ｉ ｎ ｎ ｎ ． ０２ ．
Ｄ ｅ ．００ ｃ２ ７
２０ 年 ｌ ０７ ２月 文 章 编 号 ： １７ ．８ ２ ０ ）６０ ７ —２ ３３ （０ ７０ ．０ １０ ６ １ ９
ｉ ｄ ｅｄ ｔ ｃ ｉｎ ｏ ｓ ｒ ａ ａ ｇ ｏ ｓ ｄ ｂ ｓ ｉ ｎ ｎ ｉｅａ ｄ Ｓ ｅ ｋ ｅｎ ｉｅ ｎ ｅ ｇ ｅｅ ｔ ｆ ａ ｅ ｄ ｒｉ ｏ ｌ ｒ ｍａ ｅｎ ｉｅ ｙ Ｇａ ｓａ ｏ ｓ ｎ ｐ ｃ ｌ ｏ ｓ ． Ｋ ｅ ｒ ｓ ｗｉｎ ｒ ｉ ｅ ｉ ｇ Ｌ ｙ ｗｏ ｄ ： ｅ ｅ ｌ ｒｎ ； ＯＧ ｐ ｒ ｔ ｒ ｌ ｓ ｒ ａ ａ ｇ ｎ ； ｄ ｅ ｅ ｅ ｔｏ Ｆ ｔ ｏ ｅ ａ ｏ ；ａ ｅ ｄ ｒ ｍａ ｉ ｇ ｅ ｇ ｔ ｃｉ ｎ ｒ ｉ ｄ ’
改进的LOG算子在医学图像边检测中的应用研究
赣■
改 进 的Ｌ 算 子 在 医 学 图像 边检 测 中 的应 用 研 究 ＯＧ
唐 闻 周爱 明 刘艳松
株洲 ４２ １） １ ０ ２ （ 湖南中医药高等专科 学校 湖南
摘
要 ： 提 出用 自适应 中值滤 波代替Ｌ Ｇ 子 的高斯滤 波器 ，在对 细胞切 片 图的边缘 检测 中，该方 法能在 平滑 图像 内部区域 的 同时保 留更多 的细节 ，提高 Ｏ算
斯 运算 与ｆ（ ，ｙ 的卷积 ，即 ： ｘ ）
ｈｘ ） Ｖ ｇ ）＝ （ Ｙ （，） ｆ ｘ） Ｖ 【（，） １３ （， ＝ （ 】 Ｖ 【 ｘ ）Ｇ Ｘ ］ （，） ］（． ） ， ， ， ＝ ， ｚ Ｇ
式中： ＧｘＹ 称为Ｌ 滤波器，也称为拉普拉斯高斯算子，其值 Ｖ＝ （ ） ， Ｇ Ｏ
一
ｚ 在坐 标 （ ，ｙ Ｘ ）上 的灰度 级： ｓａ：允许 的最大尺 寸 ｍ ｘ
Ａ － Ｚ ｄ Ｚ １ — ｏ Ａ ＝Ｚｄ Ｚ ２ — Ｂ＝Ｚ １ 一 ， 厶 Ｂ ＝Ｚ 一Ｚ ２
自适应 中值 滤波 算法 步骤如 下 ： Ｓｅｌ ｔ ｐ ：如果Ａ 且 ｈ ＜ ，则 转 到Ｂ ，否则 增大 窗 口尺寸 ；如 果 窗 口 ＤＯ ２ ０ 层 尺寸 ≤Ｓａ ，则 重复Ａ ，否 则输 出Ｚｅ 。 ｍｘ 层 ｍ ｄ Ｓ ｅ２ ｔｐ ：如 果Ｂ 且Ｂ ＜ ，则输 出Ｚ ｙ Ｄ０ ２ ０ ｘ ，否则 输 出Ｚｅ 。 ｍ ｄ Ｓ ｅ３ ｔｐ ：算 法每 输 出一个 值 ，窗 口Ｓｙ 被移 到 图像 的下一 个位 置 ，然 ｘ就 后算法 重新 开始 ，在新 的像 素位 置应用 。
２自适应 中值 滤 波算 法
自适 应 中值滤 波算 法 是对 中值 滤波 的一 种改进 。中值 滤波 的 去噪 效果 依 赖 于滤 波 窗 口的 大小 及 参 与 中值 计 算 的像 素 点数 目 。相 对 中值 滤 波 而 言 ，它 能够 处理 具有 更 大概 率 的冲激 噪 声 ，并且 平滑 非 冲激 噪 声 时，可 以 保存 细节 ，这 是传统 中值 滤波 器做 不到 的 。其 基本 原理 如下 图 １１ ［］ ］７ 。 Ｉ Ｓｙ ｘ：中心 像 素点 （ ，ｙ ｘ ）在 滤波 时所 对应 的掩 模 窗 口 ； ｚ ：Ｓｙ ｍ ｘ 中 灰度 级 的最小值 ： ｚ ：ｓ 一 ｘ 中灰度 级 的最大 值 ； Ｚｅ，Ｓｙ ｍ ＊ ｘ中灰度 级 的中值 ； ｄ
计算机图形学中边缘检测算法的改进与研究
计算机图形学中边缘检测算法的改进与研究在计算机图形学中，边缘检测是一项重要的任务，它在许多应用领域中发挥着重要作用，如图像处理、目标检测和计算机视觉等。
边缘是图像中不同区域之间的界限，通过检测这些边缘，可以从图像中提取出有用的信息，并进行后续的分析和处理。
然而，边缘检测算法在实际应用中常常存在一些问题，如噪声干扰、边缘断裂以及边缘模糊等。
为了解决这些问题，研究者们一直在努力改进边缘检测算法，使其更加准确和鲁棒。
最早的边缘检测算法是基于微分的方法，如Sobel算子和Canny算子。
这些算法通过计算图像中像素值的梯度来确定边缘的位置。
然而，这些方法对于噪声比较敏感，常常会产生大量的假阳性和假阴性。
为了改进这一问题，研究者们提出了许多基于统计学和机器学习的方法。
其中，基于局部像素统计信息的方法表现出了优秀的性能。
例如，基于区域增长的算法可以通过像素之间的相似性来判断是否属于同一边缘。
这种方法能够抑制噪声的影响，提高边缘检测的准确性。
除了基于统计学和机器学习的方法，研究者们还尝试了其他一些创新的思路。
例如，基于深度学习的边缘检测算法近年来备受关注。
通过构建深度神经网络模型，并使用大量标定好的图像数据进行训练，可以获得更加精确的边缘检测结果。
此外，近年来，研究者们还开始关注边缘检测算法在实时应用中的性能问题。
实时应用对边缘检测算法的计算速度和效率提出了更高的要求。
为了解决这一问题，研究者们提出了一些基于GPU并行计算的边缘检测算法，通过充分利用硬件资源，实现了实时边缘检测的可能。
除了以上提到的改进方法，研究者们还在很多其他方面进行了探索和创新。
例如，基于多尺度分析的算法、基于结构信息的算法以及基于形态学操作的算法等。
这些方法的出现，极大地丰富了边缘检测算法的研究领域，也为解决实际问题提供了更多的选择。
综上所述，边缘检测算法的改进与研究在计算机图形学领域中是一个具有重要意义的课题。
随着技术的不断发展，新的算法和方法不断涌现，为边缘检测算法的实际应用提供了更多的可能性。
应用B样条函数改进LOG算子的边缘检测能力
算子 、 ｉｅ Ｋｒ ｈ算 子 、 ａｌ ｉ ｓ Ｌｐａ ａ ｃ ｎ算 子 、 ｇ Ｌ ｐ ｃ ｎｏ （ ａ ｌ ｉ ｆ ａａ
明 ， 进后 的算法 能够 有效 提高边 缘检 测能力 。 改
Ｇ ｕｓ ｎ 子 和 Ｃｎｙ算 子 …。 其 中 ，Ｏ 算 子 ａｓａ） ｉ ａｎ ＬＧ
收稿 日期 ：０６ Ｉ —Ｉ ２０ Ｉ Ｉ 作● 筒 介 ： 盂 飞 （９６一） 男 ， 读 博 士 ； １７ ， 在 孙 鹏 （９３一） １７ ，
Ａｐ ｌｉ ｇ Ｂ－ ｐ ｉ ｅ Ｆ ｎ ｔ ｎ ｐ ｙｎ Ｓ ｌ ｕ ｃｉ ｎ ｏ
ＭＥＮＧ Ｆｅ ， Ｓ ｉ ＵＮ ， ＷＡＮＧ ｈ －ｈ ｎ ＺＨＡＮＧ Ｈｅ ｘｎ Ｐｅ Ｓ ｉｃ ｅ ｇ， － ｉ
（ ｈ ｅｏｄＡ ｔｌ ｙＥ ｇ ｅｒ ｇＣ ｌｇ ， ｉａ ｈａｘ ７０ ２ ， ｈ ａ Ｔ ｅＳｃｎ ｒｌ ｒ ｎｉ ｅ ｎ ｏ ｅｅ Ｘ ’ｎＳ ａｎｉ １０ ５ Ｃ ｉ ） ｉｅ ｎ ｉ ｌ ｎ
log边缘检测算法
log边缘检测算法
log算法（Laplacian of Gaussian）是一种常用的边缘检测算法，它是通过计算图像各个像素点周围像素的差异，来提取出图像中的边缘。
具体的log边缘检测算法步骤如下：
1. 首先，将输入图像转化为灰度图像，以便进行后续的计算。
2. 对灰度图像进行高斯滤波，以消除噪声的影响。
高斯滤波可以使用一维或二维高斯卷积核进行实现。
3. 对经过高斯滤波后的图像进行拉普拉斯运算，得到图像的二阶导数。
拉普拉斯运算可以通过使用一种二阶差分算子来实现，常见的有4邻域拉普拉斯算子和8邻域拉普拉斯算子。
4. 对二阶导数图像进行阈值处理，将边缘像素提取出来。
一般可以采用全局阈值或自适应阈值的方式进行处理。
5. 对提取出的边缘像素进行连接和细化处理，去除不必要的噪声点和断点。
log边缘检测算法具有一定的局限性，如对噪声比较敏感，需
要进行高斯滤波预处理；边缘检测结果可能会有边缘连接不完整、存在断点等问题。
因此，在实际应用中，可能需要结合其他边缘检测算法进行优化和改进。
自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力
２ ０ 年第 ６期 ０７ 总第 ２２期 ９
文章编 号 ：１０ －１２２０ ）６０ ４—３ ０ ４７ ８（０ ７０ —０ ５０
导 弹 与 航 天 运 载 技 术
Ｎ Ｓ Ｅ ＡＮＤ Ｐ ＣＥ ＶＥＨＣⅡ ⅡＳ Ⅱ Ｓ Ａ Ｅ
ＮＯ６ ２ ０ ． ０ ７ Ｓ ｍ ．９ ｕ Ｎｏ ２ ２
０ 引 言
激 光成 像 雷达 近些 年取 得 了巨大 的发展 ，只所 以 再度 成为 研究 的热 点 ，是 因其具 有 微波 雷达 无 可 比拟 的特 性 ，即高 的速 度分 辨 率和方 位 分辨 率 ，抗干 扰 性 强 ，能 同时获 取 目标 的强度 和深 度 信号 。利 用激 光 雷 达 进行 导航 制 导 ，能提 高制 导精 度 ，准确 打 击 目标 ，
Ｌ ｐａｉｎ边缘 检测 结合 在一起 ，形成 了 Ｌ ａ ｌｃ ａ ＯＧ 算法 。 Ｌ ＯＧ算 子 首先对 原始 图像进 行最 佳 的平 滑处 理 ，从而 对 噪 声实现 最 大程 度 的抑制 ，再对平 滑 后 的 图像 求取
个结论 。Ｌ Ｇ 算子在经 典 的边缘检 测技术 中应 用广泛 ， Ｏ
效果 比较 理想 。本文针对 激光雷达 图像 的噪声特 征 ，提
出用 自适应 的二维 Ｗｉｎｒ ｅｅ滤波器 代替 Ｌ ＯＧ算 子中 的高 斯 滤波器来 改善对激光雷 达 图像 的边 缘检测能力 。
１ Ｌ ＯＧ 算子及其不足
中图分类号：Ｖ５ ６６ ５． 文献标识码：Ａ
Ｅｎ ａ ｃ ｄ ＬＯＧ ｈ ｎ ｅ Ｅｄｇ ｔｃ ｉ ｎ ｗｉｈ Ｓ ｌ－ ｄａ ｔｖ ｉｎ ｒＦｉ ｅ ｉ ｇ ｅＤｅ ｅ ｔｏ ｔ ｅｆａ ｐ ｉ ｅＷ ｅ ｅ ｌ ｒｎ ｔ
ｆ ｒ Ｌａ ｅ ｄａ ｍ ａ ｉ ｇ ｏ ｓ ｒＲａ ｒБайду номын сангаас ｇ ｎ
基于改进Canny算子的图像边缘检测方法
基于改进Canny算子的图像边缘检测方法作者：魏晴霞来源：《科技创新导报》 2012年第16期魏晴霞(甘肃省电力公司信息通信中心交换网络处甘肃兰州 730050)摘要:针对Canny算子在图像边缘检测中算法鲁棒性差的问题,提出了一种改进的Canny算子并将其应用于图像边缘检测,新的算子利用平滑后对图像进行灰度拉伸的预处理,利用遗传算法求阈值,从而得到较为理想的图像边缘。
仿真实验结果表明,改进后的Canny算子能有效检测到图像中的细节梯度,并去除了伪边缘和噪声边缘。
关键词:Canny算子边缘检测灰度拉伸遗传算法中图分类号:TP391.4 文献标识码:A 文章编号:1674-098X(2012)06(a)-0028-01近些年来,随着一些新的数学理论及数学工具在图像处理中的新应用,由此学者们提出了一些新的边缘检测方法,例如:基于小波变换的方法、数学形态学方法、模糊理论和神经网络等边缘检测法[2-3]。
然而,就现有的图像边缘检测算子而言,Canny算子是效果最好且最具实用性的一个边缘检测算子。
然而,Canny算子也具有缺陷[4-5],主要表现在对噪声较为敏感,边缘检测鲁棒性较差,检测到的图像边缘常常含有较多的伪边缘。
为了克服这一难题,提出了一种改进的Canny边缘检测方法,与经典的Canny算子相比,新的Canny边缘检测算子具有更好的边缘检测结果和较高的鲁棒性。
1 改进后的Canny算子1.1 图像预处理图像预处理重要是对图像的滤波,其结果是可以平滑图像中的各种噪声,使图像更清晰,便于后续步骤的处理。
然而,图像滤波在平滑噪声的同时也会导致一些边缘细节变得比较模糊,从而导致在后续的图像处理过程中难以深层处理。
基于该原因,在图像滤波后,我们需要对图像进行灰度拉伸处理,以使图像的灰度分布范围变宽,从而增强图像对比度和边缘变化速率。
具体处理如公式1:其中,Mg=Mf=255。
u和V均为常数。
1.2 遗传算法求取阈值由于经典的边缘检测算子中Canny算子是性能最好的,然而,该算子性能受参数H处和阈值Hth、Lth的影响。
基于LOG算子的医学X光图像边缘检测算法
机视觉 和 图像处 理 中重要 的 内容 ， 确 可靠 的边 缘 检 准
测方法 对 图像 处 理能起 到至关 重要 的作用 。迄 今 为止
进行 综合 滤 波和降 噪 ， 以便得 到 清 晰 和完 整 的 图像 轮 廓 和边缘 ， 一步提 高并 改善 图像质 量 。 进
２ Ｌ Ｇ 算 子 的算法 原理 Ｏ
已有 许 多 边 缘 检 测 方 法 ， ：ｏｅ 算 子 、 ａｎ 如 Ｓｂｌ Ｃ ｎｙ算 子 等 ， 些方法 的特 点是运 算简单 ， 在抗 噪性 能和边 缘 这 但 定位方 面效 果不 是很 好 。对 实 际 图像 而 言 ， 图像 的 细
２ １ 理 论基 础 ．
算子 用来检 测 和提取 边 缘 ， 即先 用 高斯 函数 对 图像 滤 波， 然后对 图像 进行 拉普 拉斯 运算 ， 克服 了拉普 拉斯算 子对 噪声 敏感 的缺 点 ， 少 了噪声 的影 响。 减 ２ ２ 算 法 实现 ． 在从 景物 到 图像 的形 成过程 中 ， 每一
医用 ｘ光 图像 是 临 床放 射 学 检 查 中应 用 最 早 和
第 ４期
４ ～７ ｘ Ｉｍ ｊ
，
赛亚丽 ， ７种 中药注射液对输液微粒的影响 等．
ｌ ５
也就 是说 Ｉ４ ｍ 的微 粒 会堵 塞 人 体多 种 ＞
般 为棕 色或 浅棕色 ， 响 了澄 明度 的检查 ， 影 因此 建议有
器 官的毛 细血 管 ， 或刺 激人 体局部 组织 形成 肉芽肿 、 静
围点对 给定 像素 具 有 的 不 同平 滑 作 用 。实 际上 ， 斯 高 函数 满足 上 述 要 求 ， 此 Ｌ Ｇ 算 子 中采 用 了 高 斯 函 因 Ｏ
LOG算子边缘检测方法的改进方案
收稿日期:2003-04-06。
杨振亚,讲师,主研领域:计算机视觉,人工智能。
LO G 算子边缘检测方法的改进方案杨振亚1 王 勇2 王成道11(华东师范大学电子科学技术系 上海200062) 2(复旦大学计算机科学系 上海200433)摘 要 本文对LOG 算子边缘检测方法的性能进行了分析和评价。
针对LOG 算子的缺陷,提出了选择性平滑方式清除图像中的椒盐噪声;提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法,抑制了图像中的大部分其它噪声,并保持了边缘定位精度;还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值,实现了图像边缘的自动提取。
实践证明该方法具备有效性和实用性。
关键词 边缘检测 LOG 算子 高斯函数 惯性矩特征THE ENHANCE D METH OD OF LOG OPERATOR IN E D GE DETECTIONY ang Zhenya 1 Wang Y ong 2 Wang Chengdao11(Department o f Electronic Science &Technology ,East China Normal University ,Shanghai 200062)2(Department o f Computer Science ,Fudan University ,Shanghai 200433)Abstract The capability of edge detection using LOGoperators is analyzed and evaluated in this paper.In order to av oid the defects of LOGopera 2tor ,We proposed a new edge detection method here.Firstly ,rem oved shot noises in image by selective sm oothness.Secondly ,by combining the first derivative πs maximum and the second derivative πs zero 2crossing of image gray 2scale ,we successed in eliminating m ost of other noise in image and locat 2ing the edge accurately.Subsequently ,by using variance of gray 2scale to auto 2adjust G assian space coefficient and edge detection threshold ,the image edge can be automatically detected.The efficient of this method is proved by practices.K eyw ords Edge detection LOGoperator G assian function C ontrast of gray 2level1 引 言边缘是指图像中周围像素灰度有强烈反差的那些像素的集合。
一种改进的Log边缘检测算法
图像 的细节 信息 ， 不 同 的像 素 点 自动 选取 不 同 的空 在
间尺度 因子 ， 得 Ｌ ｇ算 法 能够 在 边缘 信 息 和 噪声 中 使 ｏ 获 得合 理 的取舍 ， 而达 到最佳 的边 缘 检测效 果． 从
中 原 工 学 院 学报
２１ ０ １年
第 ２ ２卷
因为一 阶导数 常用 来 检测 边 缘 信 息 ， 大 的梯 度 幅值 较 对应 着边 缘信 息 ， 因此采 用梯 度 幅值来 构造 尺度 因子 ． 首先 计算 各像 素 点 的梯 度 ， 常 采用 一 阶差 分 来 近似 通
一
种 改 进 的 Ｌ ｇ边 缘 检 测 算 法 ｏ
程 东旭 ， 杨 艳 ， 慧 杰 赵
（ 中原 工 学 院 ， 郑州 ４ ０ ０ ） ５ ０ ７
摘
要 ： 在 分析 传统 Ｌ ｇ边 缘 检 测 原 理 的 基 础 上 ， 对 高 斯 滤 波 器 尺 度 因 子 的 选 取 ， 入 高 斯 滤 波 空 间 尺 度 因 子 计 算 ｏ 针 引
用， 因此 边缘 检测 成为 图像处 理 的研究 热点 ．
对 图像噪声 和边 缘信 息 的特 点 ， 出 一 种 自适 应 的 多 提
尺度 分析 的 Ｌ ｇ算 法 ， 边 缘 处 采 用 较 小 的 尺 度 因 ｏ 在
子 ， 在 噪声处 采用较 大 的尺度 因子 ， 而 从而 在有 效保 护 边缘 信息 的前 提下减 少 噪 声 的 影 响 ， 获得 较 好 的图 像
在一 幅 图像 中 ， 边缘 有方 向和幅度 ２个特 性 ． 图像 边缘 可分 为 阶跃状 、 斜坡 状 和屋顶 状 ３种． 边缘 上灰 在 度 的一 阶导数 幅值 较大 ， 其二 阶导数 值 为零 ， 但其 左右 分别 为一 正一 负 ２个 峰 ， 此 可 以用 一 阶 导 数 和二 阶 因 导数 来检 测 图像 的边 缘． 统 的边 缘 检 测 算 子 有一 阶 传 微分 算 子 ， Ｒｏ ｅｔ 度 算 子 、 ｒｗｉ 算 子 和 Ｓ ｂ ｌ 如 ｂ ｒ梯 Ｐｅ ｔ ｔ ｏｅ 算子 等． 在数字 图像 处理 中， 用差分 代替 微分 计算 出各 像 素 的一 阶导数 大 小 ， 然后 通 过 取 阈值 等操 作 将 边 缘 检 出． 由于一 阶导数 需 要 阈值 选取 ， 因此 ， 于零 交 叉 基
改进的Log_Sobel算法的图像边界检测
A =（log(g(x + 1, y - 1)) + log(g(x + 1, y)) + log(g(x + 1, y + 1)) ） -（log(g(x - 1, y - 1)) + log(g(x - 1, y)) + log(g(x - 1, y + 1)) ）
B =（log(g(x - 1, y + 1)) + log(g(x,y + 1)) + log(g(x + 1, y + 1)) ） -（log(g(x - 1, y - 1)) + log(g(x,y - 1)) + log(g(x + 1, y - 1)) ） G(x,y) =| A | + | B |
真实度 行业关联度
改进的 Log_Sobel 算法的图像边界检测
图 像 的 边 缘 检 测 是 图 像 分 析 的 基 础， 在 图 像 的 分 割、 增强、识别及压缩中应用非常广泛。目前有很多经典的图 像边缘检测算法是利用边缘检测算子进行的，如 Canny， Prewitt，Sobel 等算子都非常优秀，各有优缺点。检测图像 边缘常用的算法虽能很好地检测图像的轮廓，但由于轮廓感 染了噪声，容易产生伪边缘。例如 Sobel 算子对灰度图像和 噪声较多的图像处理效果比较好，而且对边缘定位比较准确， 但是用 Sobel 算子提取噪声图像的边缘，噪声容易被当成细 节信息保留。很多学者对 Sobel 算法进行了研究和改进，如 薛帅提出了基于 Gabor 滤波器的 Sobel 算子图像边缘检测 算法。柴华利用用蚁群算法，对 Sobel 的处理结果进行改进。 柳欢结合人工蜂群算法对 Sobel 算法进行优化提出了 ABC_ Sobel 算法。杨国伟提出了 Log_Sobel 算法，该算法从反 射光强等于入射光强乘以反射系数这个角度去研究问题，取 得了不错的效果。Log_Sobel 算法较好地处理了不同的光 照强度在图像边缘检测中引起的问题，但是该算法没有考虑 到图像本身的模糊性对边缘检测引起的干扰。为此本文从降 噪的角度出发，引入了 Canny 算法的双阈值处理理念，对 Log_Sobel 算法进行了优化。
基于LOG算子的自适应图像边缘检测方法_严国萍
第36卷 第3期2008年 3月 华 中 科 技 大 学 学 报(自然科学版)J.Huazho ng U niv.of Sci.&T ech.(N atural Science Edition)V o l.36No.3 M ar. 2008收稿日期:2007-02-02.作者简介:严国萍(1947-),女,教授;武汉,华中科技大学电子与信息工程系(430074).E -mail :daiyugo al@g (戴若愚)基金项目:航天支撑技术基金资助项目.基于LOG 算子的自适应图像边缘检测方法严国萍 戴若愚 潘 晴 刘袁缘(华中科技大学电子与信息工程系,湖北武汉430074)摘要:鉴于传统的高斯-拉普拉斯(LO G)算子具有各向同性的特点,在很多有方向性差异的场合中并不适用,提出了基于LO G 算子的各向异性算子,该算子具有方向敏感性,能够对与其长轴方向重合的边缘起到加强的作用,同时,利用该算子设计了自适应算法来模拟人眼注视机制的工作过程,并将算法实验结果与LO G 算法的结果进行了比较.该算子和方法较好地解决了方向性模板对视觉解释的不完善问题.关 键 词:图像处理;计算机视觉;高斯-拉普拉斯算子;边缘检测中图分类号:T N911.73 文献标识码:A 文章编号:1671-4512(2008)03-0085-03Adaptive approach to image edge detection byLaplacian of G aussian operatorYan Guop ing Dai Ruoy u Pan Qing Liu Yuany uan(Department of Elect ronic and Info rmatio n Eng ineer ing,Huazho ng U niver sityo f Science and T echnolo gy ,W uhan 430074,China)Abstract :Because of its iso tr opy ,traditional Laplacian o f Gaussian (LOG)oper ator is not used in many o ccasions.The LOG operato r w ith anisotropy is presented,w hich is sensitiv e to mult-i directionand can intensify the edg es that has same direction as the m ajo r ax is.An adaptive alg orithm w as de -signed to simulate the process of the hum an visiual sy stem (H VS)concentration,and the r esults be -tw een the isotropy and anisotropy LOG operato r are presented.The alg orithm not only gives a r ation -al and better ex planation o f the H VS ,but also makes the tr aditional edg e detectio n theory w ith LOG operator more perfect.Key words :image pro cessing;computer vision;Laplacian of Gaussian operator;edge detection 高斯-拉普拉斯(LOG)算子利用高斯函数作平滑函数,然后用拉普拉斯算子提取二阶导数的过零交叉点进行边界检测.理论上,边缘点应处在一阶导数的峰值点,在这些点上,二阶导数为零,于是可以根据二阶导数过零点进行边缘检测.LOG 算子得到了广泛应用,并且有多种扩展方式[1,2].在众多扩展方式中,各向异性的LOG 算子适合用来模拟注视机制的自适应过程.这里通过理论模型的分析,将各向异性的LOG 算子应用于注视机制的模拟之中,并提出具体的边缘检测算法.1 各向异性LO G 算子二维高斯函数为G (x ,y ,R ),LOG 算子是对G(x ,y ,R )求二阶导数后得到的,记为ý2G(x ,y,R ),其中R 为高斯函数的均方差,算子如下:G(x ,y ,R )=(1/(2P R 2))ex p (-(1/2)A );ý2G(x ,y ,R )=K (2-A )exp (-(1/2)A),式中:A =(x 2+y 2)/R 2;K 为比例因子.将LOG 算子改进为各向异性[3]的算子,并引入旋转角度,记为ý2G D (x ,y ,R x ,R y ,H ),其中R x和R y 分别为算子在x 和y 轴上的方差,H 为算子旋转的角度,即ý2G D (x ,y ,R x ,R y ,H )=K (2-(B +C))ex p (-(1/2)B +C),(1)式中:B =(x cos H -y sin H )2/R 2x ;C =(y cos H +x sin H )2/R2y .二维高斯函数G (x ,y,R )和LOG 算子ý2G(x ,y ,R )都是各向同性的算子,ý2G D (x ,y,R x ,R y ,H )则为各向异性算子,并以参数R x 和R y 改变各向异性的尺度,以角度H 调整算子的自适应角度(见图1).从图1可以看出:LOG 算子的形状是标准的墨西哥草帽状,而各向异性LOG 算子ý2G D (x ,y ,R x ,R y ,H )则为不规则的类似墨西哥草帽状,有长短轴之分.由于ý2G D (x ,y ,R x ,R y ,H )为边缘检测算子,因此在对其进行离散化取值时,应保证算子权值之和为0.图1 各个算子的三维形状和在x oy 平面上的投影2 注视机制的数学模型及分析式(1)就是H 角度下的改进后算子,当图像边缘是直线,算子ý2G D (x ,y ,R x ,R y ,H )的长轴方向与图像边缘方向重合时,算子提取边缘的效果最好;即便图像边缘不是直线,让长轴方向与图像边缘的切线方向重合,也能得到很好的效果.算法的思路可以表述如下:a .使用各项异性LOG 算子模拟视觉细胞(视杆细胞),即对每个像素点都用式(1)算子处理.b .根据图像边缘的方向自适应调整算子的敏感方向.c .使用调整后的算子处理图像,使边缘得到强化.数字图像中边缘的理想模型可以表示为非常靠近的、但像素灰度有较大差异的像素群所体现出来的整体效果.图像边缘可以看作是任意方向的阶跃函数的组合,而对于其中的某一小段边缘则可以用阶跃函数表示为[4]S h,k (x ,y )=h 0(y [kx );(其他),(2)而S h,k (x ,y )L h,k (x ,y )式中k 为L h,k (x ,y )与x 轴的夹角的正切,并假设L h ,k (x ,y )与x 轴的夹角为A .算子处理过程即为对式(1)和(2)求卷积,得I (x ,y )=ý2G D (x ,y ,R x ,R y ,H )S h,k (x ,y ).为了判定H 角的取值对边缘检测的程度的好坏,使用灰度均方差d 来表示[5],d =1MNE M i=1E Nj =1(I (x ,y )-I (x ,y ))2,(3)式中M 和N 为数字化后模板的大小,即对算子处理后的图像I (x ,y ),若灰度均方差越大,则说明算子对边缘的提取效果越好.在取R x =0.8,R y =0.6时,H 即为算子长轴与x 轴的夹角.使用M atlab 对式(3)进行计算,假定边缘方向为水平,得到图2.当算子长轴方向与边缘方向重合(0b 或者P )时,检测效果最好.同时可以看到:当算子长轴方向与边缘方向垂直时,检测效果最差.而且灰度均方差曲线是一个近似连续的过程,这可以为设计H 确定算法提供帮助.同时可以看到:如果将处理后的图像I (x ,y )中负值归零,那么事实上灰度均方差值可以近似地由I (x ,y )中的值来表示.#86# 华 中 科 技 大 学 学 报(自然科学版) 第36卷图2 d 与算子旋转角度H 曲线3 参数H ,R x 和R y 值的确定H 值的确定分为两步:a .使用Canny 算子,即将高斯算子分解为水平和垂直方向的梯度[6],分别为:E x (x ,y )=5G(x ,y ,R)5x S h,k (x ,y ),E y (x ,y )=5G(x ,y,R )5yS h,k (x ,y ).然后,计算梯度方向H 1(x ,y )=arctan (E y (x ,y )/E x (x ,y )).那么,边缘方向为H 1+90b ,即取 H =H 1+90b .b .根据图2和分析,可以设计在估计出的 H 的基础上,进行步进搜索,以得到更为精确的H 值,分别求出:I H (x ,y )=ý2G D (x ,y ,R x ,R y , H )S h,k (x ,y );I f (x ,y )=ý2G D (x ,y ,R x ,R y , H +s)S h,k (x ,y );I b (x ,y)=ý2G D (x ,y ,R x ,R y , H -s)S h,k (x ,y ),式中s 为算子ý2G D (x ,y ,R x ,R y ,H )离散化取值时,角度取值的最小步长.比较I H 与I f 和I b 的大小关系,若I f >I H ,则向 H 增大方向继续搜索;若I b >I H ,则向 H 减小方向继续搜索;直至搜索到H ,使得I H >I f 且I H >I b 为止.通过以上粗略估计以及步进法搜索,就能较好地实现H 的取值.R x 和R y 的取值与所处理图像的具体特性有关,它们分别代表各向异性算子ý2G D (x ,y ,R x ,R y ,H )在两个垂直方向的平滑程度.可以按照所处理图像的具体特征[7],依照经验将R x 和R y 取不同值即可[8,9].4 仿真结果及分析根据上述方法,仿真的结果见图3.图3 各向同性算子和异性算子仿真比较(a)LO G 算子,R =0.6;(b)各向异性L OG 算子,R x =0.6,R y =0.2;(c)(a)中白色方框内灰度直方图;(d)(b)中白色方框内灰度直方图可以看出:相对一般的各向同性LOG 算子检测,用本文的方法,所有方向的边缘在灰度得到加强的同时,其细节得到了很好的保存.特别是白色方框内Lena 的头发(图像边缘比较多的部分),从图3中直方图(c)和(d)可以明显看到:处理后边缘灰度梯度有了较大的提高,灰度值d 较大的点的个数i 有了很大程度的增加,图像更加锐化,边缘提取的效果更好.在这里仅将本文算法与各向同性LOG 算子进行了对比.事实上,与各向异性算子相比,本文算法在算法复杂度和性能上并不具备特别的优势.同时,图像中的一些孤立噪声点也被一定程度上强化了,因此在进行后续处理时应引起注意.总的来说,相对传统的LOG 算子检测,本文的方法较好地模拟了人眼注视机制的工作过程,并实现了对图像边缘更好的检测.由于本算子是基于LOG 算子提出的,因此它也继承了LOG 算子的一些缺点[10],使用时也应该有足够的重视.参考文献[1]王 展,皇甫堪,万建伟.基于零交叉的二维边缘检测算子的计算近似[J ].计算机工程与科学,1999,21(6):40-44.[2]杨振亚,王淑仙,王成道.自适应图像边缘检测算法[J].计算机应用,2003,23(5):15-17.[3]龙 公,王玉平,谈 正.具有方向性、变尺度的过零交叉特征检测算子[J ].数据采集与处理,1995,10(3):175-180.(下转第102页)#87#第3期 严国萍等:基于LO G 算子的自适应图像边缘检测方法数据挖掘的异常检测相比较[11],基于特征选择和支持向量机的异常检测,其检测率和虚警率都有明显的优势.这说明特征选择可以有效地提取数据的主要特征,从而在入侵检测的应用中可保证具有更低虚警率的同时,还具有更高的检测率.参考文献[1]Y ang Xiang ro ng,Shen Juny i,Wang Rui.A rtificialimmune theor y based netw or k int rusion det ection system and the algo rithms design[C]M Pr oceeding s o f2002Inter national Conference on M achine L earn-ing and Cybernetics,V ol. 1.Piscatawa y:IEEE P ress,2002:73-77.[2]Bo tha M,v on So lms R.U tilizing fuzzy log ic andtr end analy sis fo r effect ive intrusio n detect ion[J].Computers and Secur ity,2003,22(5):423-434. [3]Wang Y ong,Y ang Huihua,Wang Xing yu,et al.Dist ributed intr usion detection system based o n data fusion method[C]M T he5th Wor ld Co ng ress on In-tellig ent Co nt ro l and A uto mation.Piscaaway:IEEE P ress,2004:4331-4334.[4]F oster I,Desselman C,T uecke S.T he anato my o fthe g rid:enabling ca llable v irtual o rganizatio n[J].Internatio na l Super co mputer A pplicat ions,2001, 15(3):1-25.[5]V apnik V N.T he nature of statistica l lear ning theo ry[M].N ew Y ork:Spr inger,1995.[6]Cristianini N,Shaw e-T ay lo r J.A n intr oduction tosuppor t vector machines and other ker ne-l based learning metho ds[M].Cambridg e:Cambr idge U n-i ver sity P ress,2000.[7]Andrew H S.Identify import ant features for intru-sion det ection using support vecto r machines and neu-ral net wo rks[C]M IEEE Pr oceeding s of the2003 Sy mpo sium o n A pplicatio n and the Inter net.Piscat-awa y:I EEE P ress,2003:209-217.[8]Gy uo n I,Elisseeff A.A n intr oduction to var iable andfeature selection[J].Jo ur nal of M achine L earning Research,2003(3):1157-1182.[9]包潘晴,杨明福.基于K PCA和SVM的网络入侵检测[J].计算机应用与软件,2006,23(2):125-127.[10]Chen Wun-H w a,H su Sheng-H sun,Shen H wang-Pin.A pplicatio n of SV M and A N N fo r intrusion de-tection[J].Co mputers&OR,2005,32:2617-2634.[11]L ee W,St olfo S J.A framew or k fo r co nstr uctingfeatur es and mo dels for int rusion detectio n systems[J].A CM T rans on Inform and Sy stem Security,2000,3(4):227-261.(上接第87页)[4]冈萨雷斯.数字图像处理[M].阮秋琦,译.北京:电子工业出版社,2004.[5]Deng G,Cahill L W.A n adaptive G aussian filter fornoise reductio n and edg e detectio n[C]M Pr oc IEEE N uclear Science Symposium and M edica l I maging Conference.San F rancisco:I EEE,1993:1615-1619.[6]G eusebroek J M,Smeulder s A W M,W eije J V D.Fast anisotr opic gauss filtering[J].I EEE T rans on Imag e Pro cessing,2003,12(8):938-943.[7]T an Y,F reeman H.T he surface-attr ibute probe-an/active-vision0approach to3D object characterization [J].P attern Recog nition,1996,29(4):549-563. [8]张光年,葛庆平.基于M ar r-H ildr et h算子多尺度图像边缘检测[J].首都师范大学学报:自然科学版, 2005,26(3):17-21.[9]王怀野,张科,李言俊.各向异性滤波在红外图像处理中的应用[J].红外与毫米波学报,2005, 24(2):110-113.[10]王振杰,肖正光,盛焕烨.一种基于过零交叉的图像边缘检测的改进方法[J].计算机工程,2003,29(22):21-23.#102#华中科技大学学报(自然科学版)第36卷。
基于改进LOG算子的图像边缘检测方法
基于改进LOG算子的图像边缘检测方法
管力明;李磊;林剑
【摘要】针对传统基于LOG算子的边缘检测算法中高斯系数σ不确定性的问题,提出了一种改进的LOG算子边缘检测方法,该算法通过引入极坐标参数θ,计算不同方向θ的1阶导数,并求得导数最大值所对应的θ,进而确定图像边缘点.研究结果表明,利用该改进算子对图像进行边缘检测时,边缘信息丰富,细节体现明显,伪边缘较少,相对传统LOG算子其具有更好的检测效果,同时与Prewitt算子、Canny算子等算法相比较,所提算法也具有明显的优越性.
【期刊名称】《机电工程》
【年(卷),期】2010(027)012
【总页数】3页(P113-115)
【关键词】边缘检测;LOG算子;高斯系数
【作者】管力明;李磊;林剑
【作者单位】杭州电子科技大学,机械工程学院,浙江,杭州,310018;杭州电子科技大学,机械工程学院,浙江,杭州,310018;杭州电子科技大学,机械工程学院,浙江,杭
州,310018
【正文语种】中文
【中图分类】TP242。
基于改进LOG算子的雷达图像边缘检测算法
基于改进LOG算子的雷达图像边缘检测算法
李平;张勇;田忠彬;吕西昆;王晴晴
【期刊名称】《空天预警研究学报》
【年(卷),期】2024(38)1
【摘要】雷达图像中固定地物杂波的边缘轮廓对运动目标检测有重要作用.针对传统的高斯-拉普拉斯(LOG)边缘检测算法在对雷达图像进行边缘检测时对噪声敏感,易影响图像边缘轮廓信息的提取问题,提出了一种改进的LOG边缘检测算法.首先采用改进的均值滤波和双边滤波对图像进行平滑去噪;然后用拉普拉斯算子计算二阶方向导数,计算零交叉点得到图像的边缘位置信息,从而获得连续、完整的地物边缘轮廓;最后对雷达图像采用原始LOG和本文改进的LOG算法进行了对比实验.实验结果表明,在强地物杂波环境下,与原始LOG算法相比,改进的LOG算法提高了边缘的检测精度,改善了图像边缘连续性,从而可提高雷达目标的检测概率.
【总页数】5页(P16-20)
【作者】李平;张勇;田忠彬;吕西昆;王晴晴
【作者单位】空军预警学院;联勤保障部队
【正文语种】中文
【中图分类】TN958
【相关文献】
1.基于Canny边缘检测算子的雷达图像1/8插值改进算法
2.自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力
3.基于LOG算子的激光雷达图象边缘检测算法改进
4.一种基于LoG算子的量子图像边缘检测算法
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的LoG图像边缘检测方法
一种改进的LoG图像边缘检测方法
赵景秀;韩君君;王菁;赵昭
【期刊名称】《计算技术与自动化》
【年(卷),期】2009(028)003
【摘要】对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足.针对LoG算子的缺点,通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系.实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值.因此,提出的改进算法既能有效的抑制噪声又能较精确的定位边缘.
【总页数】4页(P74-77)
【作者】赵景秀;韩君君;王菁;赵昭
【作者单位】曲阜师范大学,计算机科学学院,山东,日照,276826;曲阜师范大学,计算机科学学院,山东,日照,276826;曲阜师范大学,计算机科学学院,山东,日照,276826;曲阜师范大学,计算机科学学院,山东,日照,276826
【正文语种】中文
【中图分类】TP301
【相关文献】
1.一种改进的LOG遥感数字图像边缘提取算法 [J], 彭立芹;冯文钊;曾志远
2.基于改进LOG算子的图像边缘检测方法 [J], 管力明;李磊;林剑
3.一种改进的彩色图像边缘检测方法 [J], 李海洋;文永革
4.一种基于改进蚁群算法的图像边缘检测方法 [J], 宋佳乾;汪西原
5.一种结合数学形态学和LOG算子的遥感图像边缘检测方法 [J], 陈云波;於雪琴因版权原因，仅展示原文概要，查看原文内容请购买。
改进的LOG算子与小波变换融合的边缘检测方法
改进的LOG算子与小波变换融合的边缘检测方法邓彩霞;阴茵;马伟凤;金伟;杨鑫蕊【摘要】传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.%The traditional LOG operator does not have the adaptive ability itself in the variance of Gaussian filtering. The variance directly affects the de-noising and the edge preserving effect. Aiming at on the problem, a new kind of LOG operator is proposed. It detects the edge of original image by the means of improved LOG operator and wavelet transform respectively, and then gets a new image by fusing the two edge images. It is shown that the fusion method contain the advantage of two detecting methods and obtain more perfect edge image.【期刊名称】《哈尔滨理工大学学报》【年(卷),期】2012(017)005【总页数】4页(P87-90)【关键词】LOG算子;高斯滤波;小波变换;边缘检测【作者】邓彩霞;阴茵;马伟凤;金伟;杨鑫蕊【作者单位】哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;焦作市修武一中分校,河南焦作454350;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080【正文语种】中文【中图分类】O241.5边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点.边缘检测的结果对于后续的图像理解、图像分析、图像识别等高层图像处理会产生巨大的影响.传统的边缘检测方法可根据模板的大小和元素值的不同有不同的微分算子，如Sobel算子、Prewitt算子、LOG算子等.这些算子的特点是运算简单，具有较好的实时性，但是当图像含有噪声时，这些算子对噪声比较敏感，很难在噪声和边缘中做取舍［1］，主要是因为边缘和噪声都是高频信号，常常会把噪声当作边缘点一并检测出来，而真正的边缘由于噪声的干扰也可能被漏检［2］.由于小波变换具有良好的时频局域化特性及多尺度分析能力，因此，应用 Mallat等［3－4］提出的基于奇异点检测的小波多尺度边缘检测方法提取的边缘比较连续，包含的信息也比较多.而传统的LOG算子在高斯滤波方差的选择上需要人工干预，去除噪声和边缘保持方面很难达成一致，尤其对噪声干扰非常敏感，针对这一缺陷，本文首先给出了一种利用灰度形态学滤波来代替高斯滤波的方法对LOG算子进行了改进，改进后的LOG算子在一定程度上保持了边缘强度及细节并很好地去除了噪声;其次利用改进的LOG算子和小波变换分别对噪声图像进行边缘检测;建立相应的融合算法，最后将这两种方法检测出来的边缘图像进行融合，得到最终的图像边缘.实验表明，该融合算法既包含了改进的LOG算子有效去除噪声的优点，又保留了小波变换提取边缘信息丰富、连续的优点，最终达到了图像边缘提取完整和定位准确的效果.1 基于LOG算子的边缘检测1.1 传统的LOG算子图像边缘检测算法拉普拉斯高斯（LOG）算法是一种二阶边缘检测方法，它通过寻找图像灰度值中二阶微分的过零点来检测边缘点［5］，其原理是图像先与高斯函数G（x，y）进行卷积，这一步既平滑了图像又降低了噪声，然后利用无方向性的拉普拉斯算子▽2实现边缘检测［6］.设原图像为f（x，y），通过卷积运算和拉普拉斯算子作用，得到输出图像为其中:“*”表示卷积运算.高斯函数拉普拉斯算子由卷积和微分可交换顺序的性质知:其中平滑和微分合并后的算子为称为拉普拉斯高斯（LOG）算子.求取h（x，y）的所有过零点轨迹即可得到图像f（x，y）的边缘.1.2 传统LOG算子图像边缘检测算法缺陷分析从式（2）的高斯平滑函数中可以看出，其方差σ（平滑参数）的选择对平滑效果有着决定性的影响.高斯滤波为低通滤波，σ的大小代表着频带的窄和宽.σ越大，频带就会越窄，对较高频率的噪声抑制作用越大，避免了虚假边缘的检测，但是可能会造成过于平滑，丢失细节信息.反之，σ越小，频带越宽，可以检测到图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘.因此，在不知道物体尺度和位置的情况下，很难准确确定滤波器的σ 值［7］.1.3 改进的LOG算子图像边缘检测算法在深入研究LOG算子的基础上，引入灰度形态学开闭运算，在平滑去噪方面做了相应的改进.灰度形态学包括膨胀、腐蚀、开、闭等运算.假设F（x，y）为灰度图像，S（m，n）为形态学结构元素，则灰度形态学运算定义如下为改进的LOG算子就是在传统的LOG算子中引入灰度形态学开闭运算来代替高斯平滑滤波.即分别使用两个不同尺度的结构元素对图像进行顺序开闭运算，平滑图像去除噪声.此处称为形态学开闭滤波.选取的两个结构元素分别为3×3十字形的结构元素和5×5菱形的结构元素，假设它们分别为S1和S2，如下式所示:十字形结构元素S1尺度较小，去噪能力较弱，但是能够保持图像的边缘细节信息;菱形结构元素S2尺度较大，去噪能力较强，但会平滑掉许多有用的细节信息.因此，顺序运用两个形态学结构元素对图像进行开闭滤波，既能够取得良好的平滑去噪效果，又能够保持更多的图像边缘细节.即对图像的开闭滤波运算如式（10）所示:其中，Fdisnoise为平滑去噪后的结果.由以上分析可知，改进的LOG算子边缘检测算法步骤如下:①用形态学开闭滤波对图像进行顺序开闭运算，平滑去噪;②对滤波后的图像进行求导，所得的过零点连接就是所求图像的边缘效果.2 基于小波变换的边缘检测设θ（x，y）是二维光滑函数，满足对任意的二维函数f（x，y）∈L2（R2），其小波变换有两个分量:式中 fs（x，y）是 f（x，y）被θs（x，y）平滑后所得图像.通常s取为2j（j∈z），而矢量称为f（x，y）的二进小波变换.对于每个尺度2j，计算梯度矢量的模值和幅角分别为其中分别反映了平滑后的函数沿水平及竖直方向的梯度.而它们的模取局部极大值的点对应了平滑后的图像在相应位置的突变点或尖锐、陡峭变化的位置［8］，其大小反映了该位置的灰度强度.因此，只要沿着梯度方向检测小波变换系数模的局部极大值点即可得到图像的边缘点［9］.3 基于图像融合的方法单一的边缘检测方法只能从一个方面反映图像的边缘信息，为了综合每一种方法的优点，本文应用图像融合的边缘检测方法，采用Matlab7.4编程实现，具体方法如下:1）对原始图像加椒盐噪声.2）采用改进后的LOG算子对图像进行边缘检测.3）应用小波变换对图像进行边缘检测.①选用2次B样条函数作为小波函数，对图像f（x，y）进行二进小波变换;②通过图像水平和竖直方向的小波变换系数，求出二进小波变换的模值和幅角;③由小波变换的模值和幅角，求出模值沿幅角方向的局部极大值点，即图像的边缘点;④对边缘点进行合理的连接和取舍.4）将得到的两幅边缘图像应用融合函数进行图像融合.即首先使用sym4小波分别对两幅边缘图像进行二重二维小波分解，得到两组平均与细节［c1，s1］，［c2，s2］.然后求其平均值，即最后用［c，s］进行小波重构，即可得到融合后的边缘图像.4 检测结果及分析采用加有椒盐噪声的trees（如图1（b））图像进行实验.图1（c）是用形态学滤波平滑的结果，形态学滤波不但降低了噪声，而且边缘依然很清晰，还保留了很多重要的图像细节，因为大尺度形态学结构元素去除了大量噪声，而小尺度结构元素则在一定程度上保持了边缘强度和细节.图1（d）是传统的LOG算子边缘检测算法检测出的边缘，图1（e）是改进后的LOG算子检测出的边缘.对比实验结果可以看出，传统的LOG算子受噪声影响很严重，检测出了大量的噪声点，而改进后的LOG算子有效地去除了噪声，边缘也比较清晰，但还是丢失了一些灰度值变化缓慢的局部边缘细节信息.图1（f）是单独采用小波变换检测出的图像，边缘更为连续，包含的信息更多，但边缘比较粗糙，还混杂有一些噪声点.而本文提出的方法融合了改进的LOG算子和小波变换的优点，与传统的LOG算子和小波变换融合图1（g）相比较，既有效地去除了噪声，又保留了图像边缘细节，并且边缘定位准确，没有伪边缘的出现.如图1（h）所示，获得了比较理想的边缘检测效果.图1 不同图像边缘检测方法结果对比5 结语本文提出的边缘检测算法结合了改进的LOG算子和小波变换的优点，该方法提取出来的边缘图像包含了原始图像比较完整的轮廓和较丰富的细节信息.实验表明，此融合算法是一种有效且实用的边缘检测方法.参考文献:【相关文献】［1］倪林.小波变换与图像处理［M］.安徽:中国科学技术大学出版社，2010:1－34.［2］黄玉程，胡国清，吴雄英.人脸识别系统中图像噪声去除方法研究［J］.微计算机信息，2005，21（12）:187－189.［3］MALLAT S，ZHONG S.Characterization of Signals From Multiscale Edges［J］.IEEE Trans Pattern Anal Mach Intell，1992，14（7）:710－732.［4］MALLAT S，HWANG WL.Singularity Detection and Processing with the Wavelets ［J］.IEEE Trans Inform Theor，1992，38（2）:617－643.［5］张德丰.数字图像处理:MATLAB版［M］.北京:人民邮电出版社，2009:265－266.［6］王卜堂，杨善林.基于Gauss-laplace算子的灰度图像边缘检测［J］.计算机工程与应用，2003，39（26）:132－134.［7］赵书兰.MATLAB R2008数字图像处理与分析实例教程［M］.北京:化学工业出版社，2009:141.［8］HANJAL IC A.Shot-boundary detection:unraveled and resolved［J］.IEEE Transactions on Circuits and System for Video Technology，2002，12（2）:90－105. ［9］黄海龙，王宏.一种基于小波变换和数学形态学的边缘检测算法［J］.东北大学学报:自然科学版，2011，32（9）:1315－1318.。
基于LoG算子的图像边缘增强算法的改进
基于LoG算子的图像边缘增强算法的改进
吴熙;钱盛友
【期刊名称】《电气电子教学学报》
【年(卷),期】2007(29)4
【摘要】图像边缘增强的目的是为了突出图像所包含的信息.图像的许多有用信息集中在图像的边缘部分,从频谱上说就是图像的高频部分,因而可以用加重高频来增强图像,常规方法是直接对图像锐化,这会加剧噪声对图像的影响.本文先用高斯-拉普拉斯算子检测出图像的高频部分,然后用最大方差比方法确定图像边缘,再针对边缘对图像进行增强处理.实验表明,该方法可有效抑制边缘增强后的噪声问题.
【总页数】3页(P25-27)
【作者】吴熙;钱盛友
【作者单位】湖南师范大学,物理与信息科学学院,湖南,长沙,410081;湖南师范大学,物理与信息科学学院,湖南,长沙,410081
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于改进LOG算子的非局域均值图像降噪 [J], 肖华
2.基于脑部CT图像的LOG算子改进 [J], 朱丙丽
3.基于改进型 LOG 算子的图像增强方法在 InGaAs 宽光谱红外器件中的应用 [J], 葛朋;李龙;潘治云;史衍丽
4.基于边缘增强算子的光谱保持型图像融合算法 [J], 黄勇杰;王树国;陈东
5.基于改进LOG算子的图像增强算法 [J], 罗萍;胡光宝;吕霞付;康健
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
万方数据
万方数据
第１２期管力明，等：基于改进Ｉ，ＯＧ算子的图像边缘检测方法·１１５·
图１不同边缘检测算法仿真结果
图２Ｃａｎｎｙ算子和本研究算子仿真比较
４结束语
本研究在分析原ＬＯＧ算子的基础上，提出了一种改进的ＬＯＧ算子，该算子通过引入并计算不同方向极坐标参数的方法，实现图像边缘点的检测，不需要考虑高斯系数盯具体取值对图像处理结果的影响，在实际应用中能对边缘和噪声做出合理的取舍，根据具体的图像自动获得图像边缘点。
研究结果表明，所提算法对图像进行检测时，边缘细节明显，伪边缘相对较少，取得了理想的检测效果。
且该算法较Ｐｒｅｗｉｔｔ算子、Ｃａｎｎｙ算子¨驯等算法均具有明显的优越性。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１］赵景秀，韩君君，王菁，等．一种改进的ＬＯＧ图像边缘检测方法［Ｊ］．计算技术与自动化，２００９，２８（３）：７４—７７．［２］孙先达，黄其坤，王璞瑁．Ｃａｎｎｙ算法在岩心图像边缘检测中的应用［Ｊ］．长江大学学报，２００９，６（２）：２６８—２７０．［３］ＣＨＥＮＮａｉ－ｊｉａｎ，ＷＡＮＧＳｕｎ—ａ１１．ＡｎＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎａｎｄＳｅｇｍｅｎｔａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄＳｍａｌｌ··ＷｏｒｌｄＰｈｅｎｏｍ－·
ｅｎｏｎ［Ｃ］／／２００８３ｒｄＩＥＥＥＣｏｎｆｅｒｅｎｃｅＩｎｄｕｓｔｒｉａｌＥｌｅｃ．
ｔｒｏｎｉｃｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８：２２７２—２２７７．
［４］ＺＨＯＵＮｉｎｇ－ｎｉｎｇ，ＺＨＡＯＺｈｅｎｇ—ＸＵ，ＨＯＮＧＬｏｎｇ，ｅｔａ１．ＡＮｅｗＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄ０１３．Ｍｅａｓｕｒｉｎｇｏｆ
ＭｅｄｉｕｍＴｒｕｔｈＳｃａｌｅ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ２００８ＩＥＥＥＩｎｔｅｒ－
ｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅＮｅｔｗｏｒｋｉｎｇ，ＳｅｎｓｉｎｇａｎｄＣｏｎｔｒｏｌ，
ＩＣＮＳＣ，２００８：６９８—７０３．
［５】张永亮，刘安心．基于Ｐｒｅｗｉｔｔ算子的计算机数字图像边缘检测改进算法［Ｊ］．解放军理工大学学报，２００５，６（１）：
４４—４６．
［６］ＣＨＥＮＹｕ，ＹＡＮＺｈｕａｎｇ—ｚｈｉ．ＡＣｅｌｌｕｌａｒＡｕｔｏｍａｔｉｃＭｅｔｈｏｄｆｏｒｔｈｅＥｄｇｅＤｅｔｅｃｔｉｏｎｏｆＩｍａｇｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ
４ｔｈｉｎｔｃｍａｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｉｎｇ：Ａｄ—
ｖａｎｃｅｄＩｎｔｅｌｌｉｇｅｎｔ
ＣｏｍｐｕｔｉｎｇＴｈｅｏｒｉｅｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８：９３５—９４２．
［７］吴镇扬，周琳．数字信号与图像处理［Ｍ］．北京：高等教育ｆ｛｛版社，２００６．
［８］田自君，刘艺．基于ＬＯＧ算子边缘检测的图像二值化处理［Ｊ］．中国测试技术，２００７，３３（６）：１０９一１１１．
［９］［美］ＰＲＡＴＹＷＫ．数字图像处理［Ｍ］．邓鲁华，张延恒，译．北京：机械１二业出版社，２００５．
［１０］ＳＨＡＮＫＡＲＮＧ，ＲＡＶＩＮ，ＺＨＯＮＧＺＷ．Ａｒｅａｌ．ｔｉｍｅ
ｐｒｉｎｔ－ｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｆｏｒｗｅｂｏｆｆｓｅｔｐｒｉｎｔｉｎｇ［Ｊ］．
Ｍｅ嬲ｕ咖ｅｎｔ，２００９，４２（５）：６４５—６５２．
［编辑：张翔］万方数据
基于改进LOG算子的图像边缘检测方法
作者：管力明， 李磊， 林剑， GUAN Li-ming， LI Lei， LIN Jian
作者单位：杭州电子科技大学,机械工程学院,浙江,杭州,310018
刊名：
机电工程
英文刊名：MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
年，卷(期)：2010,27(12)
1.赵景秀.韩君君.王菁.赵昭一种改进的LoG图像边缘检测方法 2009(3)
2.孙先达.黄其坤.王璞珺Canny算法在岩心图像边缘检测中的应用 2009(2)
3.CHEN Nai-jian.WANG Sun-an An Image Edge Detectionand Segmentation Algorithm Based on Small-World Phenomenon 2008
4.ZHOU Ning-ning.ZHAO Zheng-XU.HONG Long A New Image Edge Detection Algorithm Based on Measuring of Medium Truth Scale 2008
5.张永亮.刘安心基于Prewitt算子的计算机数字图像边缘检测改进算法 2005(1)
6.CHEN Yu.YAN Zhuang-zhi A Cellular Automatic Method for the Edge Detection of Images 2008
7.吴镇扬.周琳数字信号与图像处理 2006
8.田自君.刘艺基于LoG算子边缘检测的图像二值化处理 2007(6)
9.PRATT W K.邓鲁华.张延恒数字图像处理 2005
10.SHANKAR N G.RAVI N.ZHONG Z W A real-time print.defect detection system for web offset printing 2009(5)
本文链接：/Periodical_jdgc201012028.aspx。