基于Sobel算子的车辆轮廓边缘检测算法
合集下载
- 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)。
４ 结论
通过对仿真结果进行分析，得出如下结论：（１）由于在经典Ｓｏｂｅｌ算法的基础上，增加了６个方向模 板，因此改进算法可检测多方向的边缘；（２）采用Ｌ２范数的各同性扩散去噪模型能有效去除汽车轮廓 噪声；（３）改进后的Ｓｏｂｅｌ边缘检测算法，抗噪能力强，定位比较准确，可适用于噪声较严重、种类比较多 的汽车边缘检测，更好的提取车体轮廓；（４）准确而快速提取汽车的轮廓可以有效的提高汽车流量检测 率，甚至对更高效的使用交通设施，发挥智能交通的优势，改善环境功能有很大的帮助与促进作用。
（２）
如果用Ｓｏｂｅｌ算子检测图像Ｍ的边缘的话，可以先分别用水平算子和垂直算子对图像进行卷积，得
到的是两个矩阵，在不考虑边界的情形下也是和原图像同样大小的图像Ｍ１，Ｍ２，他们分别表示图像Ｍ
中相同位置处的两个偏导数。然后把Ｍ１，Ｍ２对应位置的两个数平方后相加得到一个新的矩阵Ｇ，Ｇ表
示Ｍ中各个像素灰度的梯度值的一个 逼近。这样就可以通过阈值处理得到边 缘图像。Ｓｏｂｅｌ算子利用像素的左、右、 上、下邻域的灰度加权算法，根据在边缘 点处达到极值这一原理进行边缘检测。
（４）Ｒ，边缘方向 （５）Ｒ．边缘方向
（６）Ｒ，边缘方向
模值的平方为范数（Ｎｏｒｍ），这样就构成了一个如 公式（４）所示的泛函的变分问题。公式中Ａ为
图３增加的算子
Ｌａｇｒａｎｇｅ乘子。
ｉｎｆＥ（Ⅱ）＝｜＾ｌ ＶｕＩ ２ｄ仃＋Ａｌ（Ⅱ一ｕｏ）２ｄ力
（４）
Ｅｕｌｅｒ—Ｌａｇｒａｎｇｅ方程公式中Ａ为Ｌａｇｒａｎｇｅ乘子。其Ｅｕｌｅｒ—Ｌａｇｒａｎｇｅ方程如公式（５）所示。
（上接第３７页）
参考文献： ［１］ Ｊｏｈｎ Ｇ，Ｍａｃｄｏｎａｌｄ．Ｈｙｄｒｏ—ｍｅｃｈａｎｉｃａｌ Ｔｒａｎｓｍｉｓｓｉｏｎｓ ａ北Ａｐｐｌｉｅｄ ｔｏ Ｒｏａｄ Ｇｒａｄｅｓ ａｎｄ Ｏｔｈｅｒ Ｅｑｕｉｐｍｅｎｔ［Ｊ］．ＳＡＥ Ｐａｐｅｒ，
１９６９。３（５８）：６４—６９． ［２］ 张卫华，张文春．液压机械无级传动在拖拉机上的应用［Ｊ］．机床与液压，２００４（３）：３１—３４． ［３］ 陈冬生．液压机械传动在工程机械中的应用及其前景［Ｊ］．工程机械，１９９７（７）：２１—２３． ［４］ 夏海南．液压机械无级传动在工程机械上的应用［Ｊ］．工程机械，２０００，３１（３）：１７一１９． ［５］ 张明柱．拖拉机多段液压机械无级变速器控制策略研究［Ｄ］．西安：西安理工大学，２００７． ［６］ 周志立，张明柱，徐立友，等．多段液压机械无级变速器．中国专利：２００５ ２ ００３１０７２．９［Ｐ］，２００６一０８一０１． ［７］ 夏海南，葛建人，陈明宏．液压机械传动在工程机械上的应用［Ｊ］．工程机械，２０００（３）：１７—１９． ［８］ 刘现青，周志立，徐立友，等．虚拟装配技术在液压、机械无级变速器设计中的应用［Ｊ］．河南科技大学学报：自然科
万方数据
·４０·
河南科技大学学报：自然科学版
２００９年
（２）在汽车图像经
过处理之后，利用汽车
图像样本如图５ａ中的
灰度直方图如图４所
示，直方图中横坐标为 繁
瑙 黑
图像中各个像素的灰度
级（０到２５５个灰度
级），纵坐标代表每种灰 度出现的频度，即对应 同一个灰度级的像素个 数与图像总像素个数的
灰度级，个 （ａ）原图灰度直方图
Ｏ
５０
１００ １５０ ２００ ２５５
灰度级，个
（ｂ）变化后灰度直方图
比值为频度，因此可以
图４灰度直方图
得出ＴＨ（灰度级）范围在１２０到１３０之间最合适，本文取ＴＨ为１２５，若图像中新的灰度值大于等于１１０，
则可以初步确定该点为边缘点，该点的方向为边缘点的方向，否则为非边缘点。本文选用两个样本汽车
图像进行处理，其效果图如图５所示；
令八ｚ，Ｙ）便是汽车理想图像，ｒｇ为加性噪声， ｉｉ。为退化图像，扯为待求去噪图像，则有公式（３） 所示
园匿孵
“ｏ＝ｆ＋ｎ
－
（３）
其出发点是输出图像Ｍ在满足Ｊ上Ｊ ｕ一Ⅱ。Ｉ ２以ｄｙ ２
盯２＝ｃｏｎｓｔ的约束下，应尽可能光滑，而采用
（１）Ｒ。边缘方向 （２）Ｒ，边缘方向
（３）如边缘方向
匪髑圜
Ｊ Ｊ Ｖ“ｌ ２ｄｘｄｙ作为图像光滑性的测度，即以梯度
２Ａ（１‘一Ｈ。）一ｄｉｖ（Ｖ／．ｔ）＝０
（５）
其中 扩散项ｄｉｖ（Ｖｕ）系数为１，即各个方向扩散能力一样，这样不会产生阶梯效应从而消除噪声。
２．３ 实现基于改进Ｓｏｂｅｌ算子的算法
设矩阵表示ｍ×ｎ大小的数字图像，如公式（６）所示，那么基于改进Ｓｏｂｅｌ算子的算法实现步骤如式
（１）～（３）所示。
卜…毛一］
学版，２００７，２８（１）：１９—２２． ［９］ 张明柱，周志立，徐立友．农业拖拉机用多段液压机械无级变速器设计［Ｊ］．农业工程学报，２００３。１９（６）：１１８—１２１．
收稿日期：２００９—０６—３０
万方数据
第６期
吴国伟等：基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
·３９·
该方法不但产生较好的检测效果，而且对噪声具有平滑作用，可以提供较为精确的边缘方向信息。 由于汽车类型各种各样，有的外体形态为近似椭圆的，有的汽车外表颜色近似与外界环境颜色，造
成局部边缘变化不是很明显，所有的这一切决定着仅仅依靠上下两个检测算子比较勉为其难，基于此本 文提出了一种改进的基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法。
有较强的抑制能力，汽车轮廓提取定位更准，精度更高，图像更清晰。
关键词：边缘检测算法；车辆轮廓；噪声；Ｓｏｂｅｌ算子
中图分类号：ＴＰ３９１
文献标识码：Ａ
Ｕ 刖吾
汽车个体形态的提取作为判别汽车个数的首要指标，在车辆流量检测中起着关键的作用，提取的精 度直接关系着流量检测的效果。现实中由于车辆种类的复杂，颜色多样，运动状况复杂，以及天气变幻， 路旁施工等影响光源照射等一系列因素影响，使得识别汽车个体的难度增大…。
（３）根据公式（４）和（５）排除噪声，可以达到边缘细化的目的，并能检测出图像的边缘。
图５汽车图像处理
３ 仿真结果
应用经典Ｓｏｂｅｌ算子和改进后的算法分别对采集的汽车图像如图５ｃ和图５ｆ图进行边缘提取，仿真 结果如图６所示。
（ｃ）经典删子结果 （－）经典－０Ｉ埘算子结果（ｂ）本文算法结果
‘ｄ）本文算法结果
第３０卷第６期 ２００９年 １２月
河南科技大学学报：自然科学版
Ｊｏｕｒｎａｌ ｏｆ Ｈｅｎａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ
Ｖ０１．３０ Ｄｅｃ．
Ｎｏ．６ ２００９
文章编号：１６７２—６８７１（２００９）０６—００３８—０４
一１
０
ｌ
·－———－－———－———Ｊ、————————一
二！ ！ ２
一１｜０ ｌ
（１） 水平梯度方向检测垂直边缘
（２）垂直梯度方向检测水平边缘
图１ Ｓｏｂｅｌ算子
基金项目：河南省自然科学基金项目（０１１１０４１００６）
作者简介：吴国伟（１９８３一），男，河南洛阳人，研究生；谢金法（１９６４一），男，江苏宜兴人，工学博士，教授，硕士生导师
［４］ 靳鹏飞．一种改进的Ｓｏｂｅｌ图像边缘检测算法［Ｊ］．应用光学，２００８，７（４）：７７９—７８３． ［５］ 孙洪淋，廖继旺．基于Ｓｏｂｅｌ算子的图像边缘检测及实现［Ｊ］．人工智能识别技术，２００４，１５（２）：８７—９４．
［６］ 刘 彩．一种改进的Ｓｏｂｅｌ图像边缘检测算法［Ｊ］．贵州工业大学学报，２００４，３３（５）：７７—７９． ［７］ 侯榆青，张欢，史静．一种改进的全变分自适应图像去噪模型［Ｊ］．西北大学学报，２００８，３８（３）：３７１—３７３．
基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
吴国伟１，谢金法１，郭志强２
（１．河南科技大学车辆与动力工程学院，河南洛阳４７１００３；２．中国一拖集团有限公司，河南洛阳４７１００４）
摘要：本算法是在经典Ｓｏｂｅｌ算子基础上，结合汽车本身的实际情况，增加了６个方向模板，同时利用基于Ｌ２
范数的各同性扩散去噪模型消除噪声，最终得出汽车轮廓图。仿真结果表明：该算法对汽车图像的噪声干扰
２ 基于改进Ｓｏｂｅｌ算子的算法
２．１ 确定Ｓｏｂｅｌ算子的方向模版
图像的边缘有许多方向，除了水平方向和垂直方向，还有其它 方向，如４５０，１３５。等，为了能够有效地检测８个方向的边缘。在经 典Ｓｏｂｅｌ怕１两个方向模版的基础上，再增加６个方向模版，为了便 于描述，对边缘方向进行编号，逆时针方向依次为死到Ｒ，为了能 够有效地检测８个方向的边缘，因此在经典Ｓｏｂｅｌ两个方向模版的 基础上，再增加６个方向模版，方向如图２所示，模板如图３所示。 ２．２采用ｒ范数的去噪模型
Ｘ＝ｌ… … …ｌ
（６）
ｌ‰…‰ｊ
（１）用图１，图３给出的８个方向模板依照从ｘ轴逆时针方向依次对图像进行逐点计算，并且取最 大值为像素点新的灰度值，最大值对应的模板方向为该像素点的边缘方向，即：Ｙｉ＝ｔ Ｘ Ｘｉ，ｙ。。＝ ＭＡＸ（ｙｆ），其中Ｚ表示上述８个方向模板的第ｉ个模板；菇。为图像Ｘ中的一个３×３邻域，ｙｍ。为３ ｘ ３邻 域中间像素点新的灰度值，ｙｍ．，的方向为该点的边缘方向；
１ 传统Ｓｏｂｅｌ算子
在边缘检测中，常用的一种模板是Ｓｏｂｅｌ算子Ｈ］。常用Ｓｏｂｅｌ算子有两个，一个是检测水平边沿的；
另一个是检测垂直平边沿的，如图１所示。Ｓｏｂｅｌ算子在求梯度之前，首先进行邻域平均或加权平均，然
后进行微分，就能抑制噪声。在基于经典Ｓｏｂｅｌ算子的边缘检测中，每一个算子逼近一个偏导数，偏导
图６边缘检测结果比较
仿真结果可以看出本文算法比基于经典Ｓｏｂｅｌ算子的算法处理过的图像更加细密，边缘更加清晰， 同时噪声更加的小，更容易识别。同时本文算法的边缘检测误差率相对于经典Ｓｏｂｅｌ算子的误差率较
万方数据
第６期
吴国伟等：基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
·４ｌ·
小，通过仿真实验可知误差率为０．０１６—０．０２３之间。
学术界在此方面做了大量的研究，但都又存在些不足。文献［２］提出车牌定位法，提高了检测效 率，但由于没有考虑到无牌照状况，仅限于特定环境，不宜应用在复杂道路。文献［３］提出的算法设计 出发点用于高速公路防撞系统，它能够很好的检测到运动相近的汽车，但是并不适合固定ＣＣＤ的检测。
本文通过结合分析车辆自身和环境方面的实际情况和传统算法在车辆边缘检测的局限性，提出一 种基于Ｓｏｂｅｌ算子的改进的边缘检测算法，从而实现关于车辆轮廓的更好提取，实践证明这种算法准确 率高，可靠性强，具有很李超，朱成军．基于边缘对称性的视频车辆检测算法［Ｊ］．北京航空航天大学学报，２００８，３９（９）：１１１３—
１１１６．
［２］ 霍炜，刘大维．基于自适应背景抽取的车辆外形参数识别［Ｊ］．河南科技大学学报：自然科学版，２００７，２８（３）：１７—
２１．
［３］ 田克纯，欧阳宁，陈祖希，等．基于模式识别的汽车目标识别研究与实现［Ｊ］．图像处理，２００８，２４（６—３）：３０９—３１１．
数分别如公式（１）和（２）所示Ｈ１
可Ｚ（石，，，）＝［以茗＋１，ｙ一１）＋Ｚ厂（菇＋１，Ｙ）＋八戈＋１，），＋１）］一［八算一１，Ｙ一１）＋
２ｆ（ｘ一１，Ｙ）＋八省一１，，，＋１）］
（１）
Ｖ■（茹，Ｙ）＝［八髫一１，Ｙ＋１）＋Ｚ厂（菇，Ｙ＋１）＋以算＋１，，，＋１）］一［八ｚ一１，，，一１）＋
２厂（戈，Ｙ一１）＋以茗＋１，Ｙ一１）］
Ｒ。方向 ‘。月唧，即
／一 ＼
ｊ．向
＼
向
／ ＼７＂
ｒ向／
ｘＲ５ｊ
Ｒ．方向
经过添加个方向模块的增强和阈值ＴＨ的取定，就可按照车体 新灰度大于或等于阈值得出像素点。但是还不能够确定这些像素
图２增加的边缘方向开，＇
点就是边缘点，因为噪声也会引起像素灰度的跳变，造成灰度新值大于或等于阈值删。因此，必须进一
步采取相应的方法来排除噪音点。本文采用的是为基于范数的各同性扩散去噪模型‘７１。
［８］ 苏彦华．数字图像识别技术典型案例［Ｍ］．北京：人民邮电出版社，２００４．
·
［９］ 余松煜，周源华，张瑞．数字图像处理［Ｍ］．上海：上海交通大学出版社，２００７．
４～ｐ·一ｈｒ。■～√’ｈ－＿１ｈ，“ｈｒ—～ｐ，’■ｐ４■ＩｐＪ■－，１＿，１＿７。叱。～Ｆ‘‰－，‘ｍ＿，１■··Ｊｏ－＿——ｌ＿咖－ｄＨｏ·－。１ｈ，嘲Ｉ＿ｐｌｏ·＿—。■ｌｈ·一－Ｈｐ＿‘＿，１ｈＰ‘＿Ｉ－＿‘岫＿ｏ～＿ｏ～Ｆ，’＿√’●＿，Ｈ¨Ｊ’ｈ，。～ｒ—ｈ－。～－。＿ｈ－√＿ｈ，’ｈ，‘ｈｒＪ■ｈ＋１ｈ＿。ｈｒ√’＿
通过对仿真结果进行分析，得出如下结论：（１）由于在经典Ｓｏｂｅｌ算法的基础上，增加了６个方向模 板，因此改进算法可检测多方向的边缘；（２）采用Ｌ２范数的各同性扩散去噪模型能有效去除汽车轮廓 噪声；（３）改进后的Ｓｏｂｅｌ边缘检测算法，抗噪能力强，定位比较准确，可适用于噪声较严重、种类比较多 的汽车边缘检测，更好的提取车体轮廓；（４）准确而快速提取汽车的轮廓可以有效的提高汽车流量检测 率，甚至对更高效的使用交通设施，发挥智能交通的优势，改善环境功能有很大的帮助与促进作用。
（２）
如果用Ｓｏｂｅｌ算子检测图像Ｍ的边缘的话，可以先分别用水平算子和垂直算子对图像进行卷积，得
到的是两个矩阵，在不考虑边界的情形下也是和原图像同样大小的图像Ｍ１，Ｍ２，他们分别表示图像Ｍ
中相同位置处的两个偏导数。然后把Ｍ１，Ｍ２对应位置的两个数平方后相加得到一个新的矩阵Ｇ，Ｇ表
示Ｍ中各个像素灰度的梯度值的一个 逼近。这样就可以通过阈值处理得到边 缘图像。Ｓｏｂｅｌ算子利用像素的左、右、 上、下邻域的灰度加权算法，根据在边缘 点处达到极值这一原理进行边缘检测。
（４）Ｒ，边缘方向 （５）Ｒ．边缘方向
（６）Ｒ，边缘方向
模值的平方为范数（Ｎｏｒｍ），这样就构成了一个如 公式（４）所示的泛函的变分问题。公式中Ａ为
图３增加的算子
Ｌａｇｒａｎｇｅ乘子。
ｉｎｆＥ（Ⅱ）＝｜＾ｌ ＶｕＩ ２ｄ仃＋Ａｌ（Ⅱ一ｕｏ）２ｄ力
（４）
Ｅｕｌｅｒ—Ｌａｇｒａｎｇｅ方程公式中Ａ为Ｌａｇｒａｎｇｅ乘子。其Ｅｕｌｅｒ—Ｌａｇｒａｎｇｅ方程如公式（５）所示。
（上接第３７页）
参考文献： ［１］ Ｊｏｈｎ Ｇ，Ｍａｃｄｏｎａｌｄ．Ｈｙｄｒｏ—ｍｅｃｈａｎｉｃａｌ Ｔｒａｎｓｍｉｓｓｉｏｎｓ ａ北Ａｐｐｌｉｅｄ ｔｏ Ｒｏａｄ Ｇｒａｄｅｓ ａｎｄ Ｏｔｈｅｒ Ｅｑｕｉｐｍｅｎｔ［Ｊ］．ＳＡＥ Ｐａｐｅｒ，
１９６９。３（５８）：６４—６９． ［２］ 张卫华，张文春．液压机械无级传动在拖拉机上的应用［Ｊ］．机床与液压，２００４（３）：３１—３４． ［３］ 陈冬生．液压机械传动在工程机械中的应用及其前景［Ｊ］．工程机械，１９９７（７）：２１—２３． ［４］ 夏海南．液压机械无级传动在工程机械上的应用［Ｊ］．工程机械，２０００，３１（３）：１７一１９． ［５］ 张明柱．拖拉机多段液压机械无级变速器控制策略研究［Ｄ］．西安：西安理工大学，２００７． ［６］ 周志立，张明柱，徐立友，等．多段液压机械无级变速器．中国专利：２００５ ２ ００３１０７２．９［Ｐ］，２００６一０８一０１． ［７］ 夏海南，葛建人，陈明宏．液压机械传动在工程机械上的应用［Ｊ］．工程机械，２０００（３）：１７—１９． ［８］ 刘现青，周志立，徐立友，等．虚拟装配技术在液压、机械无级变速器设计中的应用［Ｊ］．河南科技大学学报：自然科
万方数据
·４０·
河南科技大学学报：自然科学版
２００９年
（２）在汽车图像经
过处理之后，利用汽车
图像样本如图５ａ中的
灰度直方图如图４所
示，直方图中横坐标为 繁
瑙 黑
图像中各个像素的灰度
级（０到２５５个灰度
级），纵坐标代表每种灰 度出现的频度，即对应 同一个灰度级的像素个 数与图像总像素个数的
灰度级，个 （ａ）原图灰度直方图
Ｏ
５０
１００ １５０ ２００ ２５５
灰度级，个
（ｂ）变化后灰度直方图
比值为频度，因此可以
图４灰度直方图
得出ＴＨ（灰度级）范围在１２０到１３０之间最合适，本文取ＴＨ为１２５，若图像中新的灰度值大于等于１１０，
则可以初步确定该点为边缘点，该点的方向为边缘点的方向，否则为非边缘点。本文选用两个样本汽车
图像进行处理，其效果图如图５所示；
令八ｚ，Ｙ）便是汽车理想图像，ｒｇ为加性噪声， ｉｉ。为退化图像，扯为待求去噪图像，则有公式（３） 所示
园匿孵
“ｏ＝ｆ＋ｎ
－
（３）
其出发点是输出图像Ｍ在满足Ｊ上Ｊ ｕ一Ⅱ。Ｉ ２以ｄｙ ２
盯２＝ｃｏｎｓｔ的约束下，应尽可能光滑，而采用
（１）Ｒ。边缘方向 （２）Ｒ，边缘方向
（３）如边缘方向
匪髑圜
Ｊ Ｊ Ｖ“ｌ ２ｄｘｄｙ作为图像光滑性的测度，即以梯度
２Ａ（１‘一Ｈ。）一ｄｉｖ（Ｖ／．ｔ）＝０
（５）
其中 扩散项ｄｉｖ（Ｖｕ）系数为１，即各个方向扩散能力一样，这样不会产生阶梯效应从而消除噪声。
２．３ 实现基于改进Ｓｏｂｅｌ算子的算法
设矩阵表示ｍ×ｎ大小的数字图像，如公式（６）所示，那么基于改进Ｓｏｂｅｌ算子的算法实现步骤如式
（１）～（３）所示。
卜…毛一］
学版，２００７，２８（１）：１９—２２． ［９］ 张明柱，周志立，徐立友．农业拖拉机用多段液压机械无级变速器设计［Ｊ］．农业工程学报，２００３。１９（６）：１１８—１２１．
收稿日期：２００９—０６—３０
万方数据
第６期
吴国伟等：基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
·３９·
该方法不但产生较好的检测效果，而且对噪声具有平滑作用，可以提供较为精确的边缘方向信息。 由于汽车类型各种各样，有的外体形态为近似椭圆的，有的汽车外表颜色近似与外界环境颜色，造
成局部边缘变化不是很明显，所有的这一切决定着仅仅依靠上下两个检测算子比较勉为其难，基于此本 文提出了一种改进的基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法。
有较强的抑制能力，汽车轮廓提取定位更准，精度更高，图像更清晰。
关键词：边缘检测算法；车辆轮廓；噪声；Ｓｏｂｅｌ算子
中图分类号：ＴＰ３９１
文献标识码：Ａ
Ｕ 刖吾
汽车个体形态的提取作为判别汽车个数的首要指标，在车辆流量检测中起着关键的作用，提取的精 度直接关系着流量检测的效果。现实中由于车辆种类的复杂，颜色多样，运动状况复杂，以及天气变幻， 路旁施工等影响光源照射等一系列因素影响，使得识别汽车个体的难度增大…。
（３）根据公式（４）和（５）排除噪声，可以达到边缘细化的目的，并能检测出图像的边缘。
图５汽车图像处理
３ 仿真结果
应用经典Ｓｏｂｅｌ算子和改进后的算法分别对采集的汽车图像如图５ｃ和图５ｆ图进行边缘提取，仿真 结果如图６所示。
（ｃ）经典删子结果 （－）经典－０Ｉ埘算子结果（ｂ）本文算法结果
‘ｄ）本文算法结果
第３０卷第６期 ２００９年 １２月
河南科技大学学报：自然科学版
Ｊｏｕｒｎａｌ ｏｆ Ｈｅｎａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ
Ｖ０１．３０ Ｄｅｃ．
Ｎｏ．６ ２００９
文章编号：１６７２—６８７１（２００９）０６—００３８—０４
一１
０
ｌ
·－———－－———－———Ｊ、————————一
二！ ！ ２
一１｜０ ｌ
（１） 水平梯度方向检测垂直边缘
（２）垂直梯度方向检测水平边缘
图１ Ｓｏｂｅｌ算子
基金项目：河南省自然科学基金项目（０１１１０４１００６）
作者简介：吴国伟（１９８３一），男，河南洛阳人，研究生；谢金法（１９６４一），男，江苏宜兴人，工学博士，教授，硕士生导师
［４］ 靳鹏飞．一种改进的Ｓｏｂｅｌ图像边缘检测算法［Ｊ］．应用光学，２００８，７（４）：７７９—７８３． ［５］ 孙洪淋，廖继旺．基于Ｓｏｂｅｌ算子的图像边缘检测及实现［Ｊ］．人工智能识别技术，２００４，１５（２）：８７—９４．
［６］ 刘 彩．一种改进的Ｓｏｂｅｌ图像边缘检测算法［Ｊ］．贵州工业大学学报，２００４，３３（５）：７７—７９． ［７］ 侯榆青，张欢，史静．一种改进的全变分自适应图像去噪模型［Ｊ］．西北大学学报，２００８，３８（３）：３７１—３７３．
基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
吴国伟１，谢金法１，郭志强２
（１．河南科技大学车辆与动力工程学院，河南洛阳４７１００３；２．中国一拖集团有限公司，河南洛阳４７１００４）
摘要：本算法是在经典Ｓｏｂｅｌ算子基础上，结合汽车本身的实际情况，增加了６个方向模板，同时利用基于Ｌ２
范数的各同性扩散去噪模型消除噪声，最终得出汽车轮廓图。仿真结果表明：该算法对汽车图像的噪声干扰
２ 基于改进Ｓｏｂｅｌ算子的算法
２．１ 确定Ｓｏｂｅｌ算子的方向模版
图像的边缘有许多方向，除了水平方向和垂直方向，还有其它 方向，如４５０，１３５。等，为了能够有效地检测８个方向的边缘。在经 典Ｓｏｂｅｌ怕１两个方向模版的基础上，再增加６个方向模版，为了便 于描述，对边缘方向进行编号，逆时针方向依次为死到Ｒ，为了能 够有效地检测８个方向的边缘，因此在经典Ｓｏｂｅｌ两个方向模版的 基础上，再增加６个方向模版，方向如图２所示，模板如图３所示。 ２．２采用ｒ范数的去噪模型
Ｘ＝ｌ… … …ｌ
（６）
ｌ‰…‰ｊ
（１）用图１，图３给出的８个方向模板依照从ｘ轴逆时针方向依次对图像进行逐点计算，并且取最 大值为像素点新的灰度值，最大值对应的模板方向为该像素点的边缘方向，即：Ｙｉ＝ｔ Ｘ Ｘｉ，ｙ。。＝ ＭＡＸ（ｙｆ），其中Ｚ表示上述８个方向模板的第ｉ个模板；菇。为图像Ｘ中的一个３×３邻域，ｙｍ。为３ ｘ ３邻 域中间像素点新的灰度值，ｙｍ．，的方向为该点的边缘方向；
１ 传统Ｓｏｂｅｌ算子
在边缘检测中，常用的一种模板是Ｓｏｂｅｌ算子Ｈ］。常用Ｓｏｂｅｌ算子有两个，一个是检测水平边沿的；
另一个是检测垂直平边沿的，如图１所示。Ｓｏｂｅｌ算子在求梯度之前，首先进行邻域平均或加权平均，然
后进行微分，就能抑制噪声。在基于经典Ｓｏｂｅｌ算子的边缘检测中，每一个算子逼近一个偏导数，偏导
图６边缘检测结果比较
仿真结果可以看出本文算法比基于经典Ｓｏｂｅｌ算子的算法处理过的图像更加细密，边缘更加清晰， 同时噪声更加的小，更容易识别。同时本文算法的边缘检测误差率相对于经典Ｓｏｂｅｌ算子的误差率较
万方数据
第６期
吴国伟等：基于Ｓｏｂｅｌ算子的车辆轮廓边缘检测算法
·４ｌ·
小，通过仿真实验可知误差率为０．０１６—０．０２３之间。
学术界在此方面做了大量的研究，但都又存在些不足。文献［２］提出车牌定位法，提高了检测效 率，但由于没有考虑到无牌照状况，仅限于特定环境，不宜应用在复杂道路。文献［３］提出的算法设计 出发点用于高速公路防撞系统，它能够很好的检测到运动相近的汽车，但是并不适合固定ＣＣＤ的检测。
本文通过结合分析车辆自身和环境方面的实际情况和传统算法在车辆边缘检测的局限性，提出一 种基于Ｓｏｂｅｌ算子的改进的边缘检测算法，从而实现关于车辆轮廓的更好提取，实践证明这种算法准确 率高，可靠性强，具有很李超，朱成军．基于边缘对称性的视频车辆检测算法［Ｊ］．北京航空航天大学学报，２００８，３９（９）：１１１３—
１１１６．
［２］ 霍炜，刘大维．基于自适应背景抽取的车辆外形参数识别［Ｊ］．河南科技大学学报：自然科学版，２００７，２８（３）：１７—
２１．
［３］ 田克纯，欧阳宁，陈祖希，等．基于模式识别的汽车目标识别研究与实现［Ｊ］．图像处理，２００８，２４（６—３）：３０９—３１１．
数分别如公式（１）和（２）所示Ｈ１
可Ｚ（石，，，）＝［以茗＋１，ｙ一１）＋Ｚ厂（菇＋１，Ｙ）＋八戈＋１，），＋１）］一［八算一１，Ｙ一１）＋
２ｆ（ｘ一１，Ｙ）＋八省一１，，，＋１）］
（１）
Ｖ■（茹，Ｙ）＝［八髫一１，Ｙ＋１）＋Ｚ厂（菇，Ｙ＋１）＋以算＋１，，，＋１）］一［八ｚ一１，，，一１）＋
２厂（戈，Ｙ一１）＋以茗＋１，Ｙ一１）］
Ｒ。方向 ‘。月唧，即
／一 ＼
ｊ．向
＼
向
／ ＼７＂
ｒ向／
ｘＲ５ｊ
Ｒ．方向
经过添加个方向模块的增强和阈值ＴＨ的取定，就可按照车体 新灰度大于或等于阈值得出像素点。但是还不能够确定这些像素
图２增加的边缘方向开，＇
点就是边缘点，因为噪声也会引起像素灰度的跳变，造成灰度新值大于或等于阈值删。因此，必须进一
步采取相应的方法来排除噪音点。本文采用的是为基于范数的各同性扩散去噪模型‘７１。
［８］ 苏彦华．数字图像识别技术典型案例［Ｍ］．北京：人民邮电出版社，２００４．
·
［９］ 余松煜，周源华，张瑞．数字图像处理［Ｍ］．上海：上海交通大学出版社，２００７．
４～ｐ·一ｈｒ。■～√’ｈ－＿１ｈ，“ｈｒ—～ｐ，’■ｐ４■ＩｐＪ■－，１＿，１＿７。叱。～Ｆ‘‰－，‘ｍ＿，１■··Ｊｏ－＿——ｌ＿咖－ｄＨｏ·－。１ｈ，嘲Ｉ＿ｐｌｏ·＿—。■ｌｈ·一－Ｈｐ＿‘＿，１ｈＰ‘＿Ｉ－＿‘岫＿ｏ～＿ｏ～Ｆ，’＿√’●＿，Ｈ¨Ｊ’ｈ，。～ｒ—ｈ－。～－。＿ｈ－√＿ｈ，’ｈ，‘ｈｒＪ■ｈ＋１ｈ＿。ｈｒ√’＿