结合边缘检测和区域分割的形状特征提取

1) 用高斯滤波器平滑图像 ~ 设二维离散高斯平滑函
数为
* 广西科学基金资助项目 ! 桂科基 0342046 "$ 广西科学研究与技术开发计划项目 ! 桂科能 05112001-7A2 "
!"
!""!年第 "# 卷第 " 期!总第 !$$ 期 "
2 2 G[iaja!]=exp ( /2! i +j )
式中 1! 是高斯平滑参数 a! 值影响图像处理的效果 O 得到的平滑图像为
s[i aj]=I[iaj]*G[iaja!]
方向 a得到梯度直方图 O 两个差分卷积模板为
2)
2) 用一阶偏导的有限差分来计算图像的梯度值 和 -l -l l l l -l l -l
(3 )
!"!
区域分割 图像阈值分割是区域分割的关键 a 基于区域的分割
shape Feature Extraction Based on Edge Detection and Region segmentation
YAN Ya-nanl, XIA Ding-yuan2
<1. Dept. of Information & Telecommunication , Guilin Uniu. of Electronic Technology , Guangxi Guilin 541004 , China;
似于 Gaussian 函数的一阶导数 , 它对白噪声影 响的阶跃 型边缘检测是最优的 , 是更好的边缘检测算子 ; 区域分割 的方法主要是基于灰度图像的阈值化 , 获得阈值的方法 有直方图变换法 ~ 类别方差自动门限法 ~ 矩不变法 ~ 最大 熵法等等 ~ 现有的轮廓提取方法或者只基于边缘检测或 者基于区域分割 ~ 边缘检测主要着眼于保持图像的局部 特征 ,得到的边缘点位置较准确 ,但是往往含有很多不规 则细节或者对形状描述产生冗余的边缘信息 , 会影响检
1
引言
形状是刻画物体本质的视觉特征之一 , 与颜色和纹
索的准确性 ; 而基于灰度的阈值分割法是利用图像的全 局统计特性 , 分割出来的每个物体都有闭合和连通的边 界 , 但容易丢失有用的信息 , 只能得到粗略的边缘 , 位置 不够精确 ~ 针对以上两种方法的优点和不足 ,本文通过将
理相比 ,形状特征是图像的中层特征 , 用它来进行检索无 疑可提高检索的准确性 ~ 各种基于形状特征的图像检索 方法 ,都可有效地利用图像中感兴趣的目标来进行检索 ~ 对形状特征分析和分类的方法可分成 3 类 [1]: 阈值 分割 ~ 边缘检测和区域提取 ~ 事实上 ,阈值分割算法本质上也是 一种区域提取方法 , 可归并入区域提取中 , 这样 , 形状特 征的算法可简化为两大类 :边缘检测和区域提取 ~ 目前, 用于图像边缘检测的方法很多~ 主要有
Pl t)=ZPi a P2 t )=ZPi
i=0 i=t+l
组均值为
t 255
#l t)=ZiPi/Pl t)a $2 t)=ZiPi/P2 t)
i=0 i=t+l
组方差为
t 2 2 2 255 2
!l t)=Z[i-$l t)] Pi/Pl t)a!2 t)=Z[i-$2 t)] Pi/P2 t)
滤掉边缘检测轮廓中不规则或冗余的边界点 " 得到位置比较准确的主轮廓图像 " 减少形状描述的计算量 ! 为验证方法的有效性 " 建 立了一个基于形状特征的图像检索系统框架 " 实验结果表明 " 该方法提高了系统检索准确性 ! I 关键词 l Canny 算子 # 边缘检测 # 类别方差 # 区域分割 # 结合形状特征 I 中图分类号 l TP39l I 文献标识码 l A
Canny 算子边缘检测与区域分割相结合 , 得到了图像的
主体边缘图像 , 兼顾了图像的全局特性和局部特性 ,获得 了较好效果 ~
2
形状特征提取
对彩色图像提取图像形状特征 , 无论是基于边缘检
测还是基于图像分割 ,都要根据灰度的变化 ~
Roberts 算 子 ~Sobei 算 子 ~Prewitt 算 子 ~Gaussian 算 子 ~ LOG 算 子 等 , 而 Canny 提 出 的 Canny 算 子 , 其 表 达 式 近
pi=ni /n iG[0a255]
255
6)
式 中 1n 为 总 像 素 数 3n i 为 灰 度 级 为 i 的 像 素 数 a 满 足
ZP =lO
i=0 i
Cmin 和 Cmax出现的概率分别为
t 255
Tl 和 T2的选择应满足以下条件 1
高阈值 1设图像的总像素数为 n a 非边缘点的数目占 总图像像素数目的比例 为 Hr a 把 根 据 步 骤 2) 求 得 的 梯 度直方图从低到高逐步累加图像点数目 a 当累加数目达 到 n !Hr 时 a 对应的图像梯度值 为 高 阈 值 a 一 般 Hr 的 取 值为 0.7 或 0.8 a本文取 0.7 O 低阈值 1为 Tl=T2"lr a 其中 alr 是一个比例因子 a 本文 取为 0.5a 即 T2=2TlO
2.1 Canny 边缘检测 Canny 算子是图像处理领域里的标准算子 , 其特性
体现在 3 个方面 :1) 检测标准 :不丢失重要的边缘 , 没有 虚假的边缘 ;2) 定位标准 : 实际边缘与检测边 缘位置之 间的偏差最小 ;3) 单边缘响应标准 : 将 多个响应降低为 单个边缘响应 , 得到的边界为单个像素宽度 ~ 基 于 这 些 标 准 ,Canny 算 法 [2-5] 是 一 个 多 阶 段 处 理 过 程 ,设二维数字图像为 I <i,j),处理过程如下 :
数字电视与数字视频
文章编号 :1002-8692<2007>03-0012-04
结合边缘检测和区域分割的形状特征提取 *
闫雅楠 1! 夏定元 2
I摘 要l
论文 # #
"1. 桂林电子科技大学 信息与通信学院 ! 广西 桂林 541004 # 2. 武汉理工大学 信息工程学院 ! 湖北 武汉 430070 $ 提出了一种将 Canny 边缘检测和区域分割相结合的形状特征提取方法 ! 该方法通过区域分割得到的粗略形状轮廓 " 过
the paper.
In this aigorithm,many of the edge points obtained by Canny edge detection are anomaious and redundant.
To soive
this probiem ,a rough sketch is obtained by region segmentation and used to fiiter the Canny edge detection contour iine ,thereby the primary figure of an image may be characterized by the method. the amount of caicuiation when describing the shape feature. The primary figure has accurate position,and can decrease In order to verify the effectiveness of the method ,a CBIR prototype
2. Dept. of Information Engineering , Wuhan Uniu. of Technology , Wuhan 430070 , China )
IAbstractl An aigorithm for shape feature extraction based on Canny edge detection and region-based segmentation is proposed in
!l=
a
!2=
P[iaj]=S[iaj]*Hl[iaj]a O[iaj]=S[iaj]*H2[iaj]
从而得到边缘强度和梯度方向分别为
的主要方法是基于灰度的二值化 a 它对于含有一个或多 个目标和对比较强的背景图像组成的一类图像特别有 效 a分割速度快 a分割出来的每个物体都有闭合和连通的 边界 O 但是 a 二值化后 a 信息丢失严重 a 得到的边界轮廓不 精确 O 若通过阈值分割仅仅需要得到一个粗略的边界描 述 a用来对边缘检测的细节信息进行过滤 a 则基于灰度的 阈值分割算法可满足要求 O 阈值方法的关键是如何选取合理的阈值 a 可选用的 方法有许多 a如矩不变自动门限法[6] 迭代的最优阈值法[7] 类别方差自动门限法[8]等 O 对比实验表明 a 类别方差自动 门限法性能最优 a 得到的分割图像含有较少的细节 a 便于 提取主轮廓 O 类别方差自动门限法 OsIu 方法 ) 是一种最优阈值化 分割方法 O 其阈值的取值为距离对应于两个或更多个正 态分布最大值之间的最小概率处最近的灰度值 a 其结果 是具有最小错误的分割 被错误分割的像素数目最小 )O 本文以此方法为基础进行区域分割 a处理过程如下 1 对源图像 I xay) 进行灰度变换 a 形成的 256 级 灰 度 图像可完全表征所需信息 a 而不要额外信息 O 设阈值为 ta 可有效将图像分为 Cmax和 Cmin aI=CmaxUCmin O Cmax由灰度值 大于 t 的像素组成 aCmin 由灰度值小于 t 的像素组成 O 灰度 直方图归一化后 a 得到灰度级的概率分布
m[iaj]= \P[iaj] +O[iaj] "[iaj]=aI<Ian O[iaj] P[iaj]
两个一维的行列滤波器 O
2
2
4) 5)
为提高分解速度 a 计算时 a可将两个卷积模板分解为