基于數學形態學的多尺度熵權邊緣檢測方法

摘要：提出了一種基于數學形態學的多尺度熵權邊緣檢測方法。信息熵為圖像的內在特性，由它來決定不同結構元素所提取的邊緣在最終合成邊緣中所占的比重，是自適應的和客觀的。通過實驗對多尺度熵權邊緣與多尺度均權邊緣作了對比，證實多尺度熵權邊緣有更強的邊緣信息。將多尺度熵權邊緣與多尺度均權邊緣相減得到的差圖像定義為強邊緣，在強邊緣中消除了弱小細節的影響，保留了灰度值較強的主要邊緣，有助于圖像的分割和目標的識別。

關鍵詞：數學形態學；多尺度；熵；邊緣

0 引言

邊緣對圖像而言蘊涵了豐富的信息，并且相比于圖像本身而言數據量少了許多，因此邊緣檢測技術在數字圖像處理中有重要的應用。圖像處理中，既濾除噪聲又很好地定位邊緣是一個難點。LOG算子、canny算子采用高斯平滑運算，有了較廣泛的應用，但在不知道物體尺寸和噪聲種類的情況下，很難準確確定濾波器尺寸。高斯參數о值越大，噪聲濾除效果越好，但同時也丟失了重要的邊緣信息；如果о取小值，又有可能平滑不完全而留有太多的噪聲。

人眼睛在觀察物體的時候，首先把握的是物體大體的形狀，然后才是其細節信息。多尺度邊緣檢測基于感知具有不同層次的特點，首先在大的尺度上找到邊緣的大體位置，然后再在小的范圍內做小尺度細致的搜索，由于噪聲對大尺度信息影響較小，因此這種多尺度邊緣檢測算法的抗噪聲性能也往往優于其他邊緣檢測算法，同時又不丟失細節，這樣在濾除噪聲和定位邊緣上可達到較好效果。……