樣條尺度空間與Canny算子結合的弱邊緣檢測算法研究

摘 要： 由于在單一尺度空間中，邊緣檢測算子不可能正確地檢測出所有滿足實際需要的邊緣，提出B?spline算子與Canny算子結合的邊緣檢測算法，首先用B?spline算子對圖像進行多尺度空間處理，然后用Canny算子進行邊緣檢測，給出了尺度空間的計算過程和實例，并以實拍復雜背景條件下紅外機場跑道為邊緣檢測實驗對象，通過實驗，將該算法與經典算法相比較，證實該算法在檢測物體弱邊緣、消除邊緣誤檢測及提高算法效率方面具有優勢。

關鍵詞： B?spline； 多尺度空間； 圖像處理； 邊緣檢測

中圖分類號： TN957.52?34 文獻標識碼： A 文章編號： 1004?373X（2015）09?0057?02

Abstract： In single?scale space， the edge detection operator could not correctly test all edges to meet the actual requirements， an algorithm of weak edge detection based on B?spline operator combining with Canny operator is proposed. The image is processed in multi?scale space with B?spline operator， the Canny operator is applied to edge detection. The calculation process and examples of scale space is provided， and the infrared airport runway under complex background as the edge detection experiments， the results indicate that the proposed algorithm has advantages in detecting weak edges of objects， eliminating 1 edge detection and improving the efficiency of algorithm， compared to the traditional edge detection algorithm.

Keywords： B?spline； multi?scale space； image processing； edge detection

0 引 言

多尺度空間理論是在1987年出現的一種全新而有效的信號處理與分析方法[1?3]。它將多種學科的技術有效地統一在一起，如信號處理的子帶編碼、數字語音識別的積分鏡像過濾及尺度空間圖像處理。其優勢很明顯，在某種尺度下所無法發現的特性在另一種尺度下就可能很容易被發現。

多尺度邊緣檢測就是綜合利用多個尺度的邊緣檢測算子，有效地檢測出圖像的邊緣。通常小尺度參數空間的檢測算子能檢測出圖像的細微變化，反映更多的邊緣細節，所以對真正邊緣點的定位比較準確，但由于檢測的細節較多，容易出現許多誤檢測；大尺度參數空間的檢測算子能夠檢測出圖像灰度的粗變化，反映大的邊緣輪廓，對噪聲具有較強的抑制，所以常常能可靠地消除誤檢測，檢測真正的邊緣點。

本文給出一種B?spline算子與Canny算子結合的弱邊緣檢測算法，該算法首先用B?spline算子對圖像進行多尺度空間處理，然后用Canny算子進行邊緣檢測，實驗證明該算法尤其是在弱邊緣檢測方面具有優越性。

1 弱邊緣檢測算法

本文算法在進行邊緣檢測前，首先對圖像進行多尺度空間處理，主要包含縮減和擴展兩個方面，采用三種樣條基函數[4?5]：標準B?spline基函數、dual基函數及cardinal基函數，本文在尺度空間處理過程中充分利用了三種樣條基函數的優點：dual基函數有快速縮減的優點，所以用于尺度空間的縮減過程；cardinal基函數在內插上有優勢，用于縮減過程的初始化階段；標準B?spline基函數有緊支撐和快速擴展的特點，因此用在尺度空間的擴展過程。

1.1 B?spline尺度空間縮減運算

2 實驗結果及對比分析

Canny算子是經典的邊緣檢測算法，它比Sobel、Roberts、Prewitt等其他算子有更好的弱邊緣檢測能力，此處將本文算法與單獨使用Canny算子的算法進行對比，檢驗本文算法的性能。實驗圖像數據為復雜背景條件下的實拍紅外機場跑道圖，尺寸為256×256大小。

在圖2（a）中跑道上用橢圓標注1和標注2的地方，正好是原圖中云層的遮擋（陰影）處，由于陰影造成了圖像此處的對比度較低，灰度值比其他地方要小，屬于典型的弱邊緣，使用Canny算法檢測后跑道出現了明顯的彎曲（橢圓標注1處），而且在標注2的地方連接出現了中斷，邊緣不連續，可以看出受云層遮擋的影響，出現了錯誤檢測；本文算法檢測結果中，在相同的地方，可以看到跑道邊緣連接很好，沒有出現彎曲和中斷，消除了邊緣誤檢測，這說明使用本文算法檢測的弱邊緣更平滑，連續性好。另外，由于本文提出的邊緣算法是在尺度空間第三層實現的，圖像數據量與原圖像比較，已經縮減了[13，]從而大大加快了后續處理的速度，對于實現目標的實時匹配和跟蹤有著重要意義。

3 結 語

本文提出了一種基于B?spline樣條尺度空間與Canny算子相結合的弱邊緣檢測算法，通過實驗可以看出，與Canny算子相比較，本算法能夠在復雜背景條件下，更有效地檢測出對象的弱邊緣，并且由于邊緣檢測是在尺度空間的第三層實現的，圖像數據量大大減小，對于提高復雜背景條件下目標的實時識別、匹配和跟蹤速度有著重要意義。

參考文獻

[1] 岡薩雷斯.數字圖像處理[M].阮秋琦，阮宇智，譯.北京：電子工業出版社，2003.

[2] ALDROUBI A， EDEN M， UNSER M. Discrete spline filters for multiresolutions and wavelets [J]. SIAM J. Math. Anal.， 1994， 25（5）： 1412?1432.

[3] UNSER M. Splines： a perfect fit for signal and image [J]. Signal Processing Magazine， 1999， 16（6）： 22?38.

[4] UNSER M， ALDROIBI A， EDEN M. B?spline signal proces?sing. Part П： efficient design and applications [J]. IEEE Tran?sactions on Signal Processing， 1993， 41（2）： 834?838.

[5] THEVENAZ P， RUTTIMAN U， UNSER M. A pyramid approach to sub?pixel registration based on intensity [J]. IEEE Transactions on Image Processing， 1998， 7（1）： 1?29.

[6] XIE Z， FARIN G E. Image registration using hierarchical B?splines [J]. IEEE Transactions on Visualization and Computer Graphics， 2004， 10（1）： 85?94.

[7] ROH M C， CHRISTMAS B， KITTLER J， et al. Robust player gesture spotting and recognition in low?resolution sports video [C]// Proceedings of 9th European Conference on Computer Vision. Graz： Springer， 2006： 347?358.