亞像素圖像邊緣檢測(cè)方法研究.pdf

1、將圖像作為檢測(cè)處理的載體的目的是從圖像數(shù)據(jù)中獲得相關(guān)信息，進(jìn)而對(duì)被檢測(cè)的對(duì)象做出正確的處理。在這個(gè)處理過(guò)程中，準(zhǔn)確地將圖像的邊緣提取出來(lái)十分重要，這是因?yàn)閳D像邊緣包含了大量的有用信息，邊緣檢測(cè)結(jié)果的精確與否，對(duì)后續(xù)圖像的處理，如物體配準(zhǔn)、圖像分割、區(qū)域輪廓提取、物體的尺寸測(cè)量、物體的檢測(cè)與識(shí)別等，也有著重要的影響，因此準(zhǔn)確地提取圖像邊緣在基于機(jī)器或者計(jì)算機(jī)視覺(jué)的檢測(cè)系統(tǒng)中占有重要地位，但是隨著科技技術(shù)的發(fā)展，像素級(jí)的邊緣檢測(cè)精度并不能滿

2、足實(shí)際的生產(chǎn)與應(yīng)用。系統(tǒng)檢測(cè)的精度與邊緣檢測(cè)的精度有著直接的關(guān)系，提高系統(tǒng)檢測(cè)精度最有效的方法是提高系統(tǒng)硬件的分辨率，但是提高硬件分辨率所需的成本較高，所以研究人員利用軟件算法-亞像素邊緣檢測(cè)技術(shù)來(lái)提高“系統(tǒng)硬件”的分辨率，這樣不僅提高了檢測(cè)精度，同時(shí)也降低了系統(tǒng)的成本。本文主要對(duì)亞像素的邊緣檢測(cè)算法進(jìn)行研究，主要工作如下:
　　(1)本文簡(jiǎn)單介紹常用的像素級(jí)邊緣檢測(cè)的方法和傳統(tǒng)的亞像素邊緣檢測(cè)的方法。
　　(2)基于邊緣階

3、躍模型，本文首先利用傳統(tǒng)的像素級(jí)邊緣檢測(cè)算子Sobel算子來(lái)進(jìn)行邊緣檢測(cè)，然后在已檢測(cè)定位的像素級(jí)邊緣位置利用偽Zernike矩模板將邊緣的參數(shù)（位置，方向，目標(biāo)灰度值）求出，考慮到實(shí)際的邊緣模型，本文利用邊緣誤差補(bǔ)償模型對(duì)基于階躍邊緣模型所求出的參數(shù)進(jìn)行修改，從而使檢測(cè)出的邊緣參數(shù)更精確，即，邊緣更精確。經(jīng)過(guò)仿真實(shí)驗(yàn)表明，本文所提的偽Zernike矩邊緣補(bǔ)償方法比傳統(tǒng)的偽Zernike矩方法的邊緣檢測(cè)精度有所提高，并且也減少了其計(jì)算復(fù)

4、雜度。
　　(3)不同于目前流行的利用連續(xù)邊緣直線模型檢測(cè)亞像素邊緣的方法，本文利用離散數(shù)據(jù)建立二次曲線邊緣模型來(lái)進(jìn)行亞像素邊緣檢測(cè)，具體的方法是:首先利用傳統(tǒng)的像素級(jí)邊緣檢測(cè)算子如Sobel，Canny等來(lái)進(jìn)行邊緣檢測(cè)，然后以檢測(cè)出的邊緣位置為中心，建立一個(gè)3×n或者n×3的區(qū)域，在這個(gè)區(qū)域利用一維灰度矩建立6個(gè)方程來(lái)分別求得亞像素邊緣的參數(shù)（位置，方向，目標(biāo)灰度值，背景灰度值），進(jìn)而將亞像素的邊緣檢測(cè)出來(lái)。經(jīng)過(guò)仿真實(shí)驗(yàn)表明本文