（信号与信息处理专业论文）基于形状的图像匹配复合模型研究.pdf

琢：酶臼 瓣：矽蓊罢勘 ( 罩群邓皋藤g 避鹄翠茸歌码赤朝迥翁) 。慰甲彤衅疆衅专明茸观再 杀辨封、擎髯丁勒静叫业晕单华刨业茸询乜辫杀掣刨：茸观码杀辫尊瞠翼鼬畔骂鲷目 椠骤砸半杀询血珥杀：豳幂袒圆晕骥茸砚码杀蚬可乜群嘉2 茸观珥嘉掣哿冀哗暂碍 圭陴酉罩并疆由黪、由猪甘当询乜珥杀：勒d j 驾与勒髫明茸观再杀萃聚j 衅* 阜叫箕 、星哿砰单辫杀：d 日罩群朝茸设珂杀目觋、禺哿* 阜杀￥华早习f = 市辫上弓覃y 牢 朗碘明砰群甘科萃拱科丢士* 卜；万歹2 群目 ：矽蓊县勤茸观再杀 。擎舷上尘擎萁的鼹 朝姚的上勘七b 茸现翠1 己瞬蝉堑凹丑朝珊增延控卓牲翠刨朝勘工刨一椠与。僻桦明裂茸班 世锋丑疆再嘉朝群衅晕骣科并疆杀￥华印习i = 布台； 蜂椠号目业毋凿鞘g 抱明裂氲薄矩擎 髯荡1 己y 融洋导母业审茸观惭辅z 舷鹾瞠瑕斟相睥暗甜七b 茸上割蟛蝈y 卓辨。凿搿 琶擅朝彭迎瞠勘工琶丑l 朝髟桑i 畚群蛳台翠刨群珥杀千邋黧巯杀￥华串习f = 衣翠y 牢普 琶搬雨辫号暂氇弼料囤朝淋纽壬髯茸观再亲千迎明莓鬻坷辅邗2 醣革重蟛y 卓 z z 秒9 6 zl 人 一l ul l i ii ii iil l li i ll l l l b i 千 饕 厂 噜 “权k 华北电力人学硕士学位论文 摘要 基于形状的图像匹配技术主要涉及三方面内容：一是形状特征的提取和描述； 二是形状相似性度量；三是匹配最优解的搜索。本文首先研究了采用边缘特征点和 角点来描述物体形状的情况及其相应的提取算法。提出了一种计算速度快、能准确 地提取角点的快速角点提取算法。介绍了一种新的特征点提取算法，有效地消除了 图像相邻面光照条件不同对特征点提取的影响。然后，提出了一种改进的部分 h a u s d o r f f 距离和一种快速相似性度量法分别用于精确匹配和快速匹配的相似性度 量。引入了一种基于模糊思想的能自适应调节交叉和变异概率的遗传算法搜索匹配 最优解。最后针对不同的应用要求，给出一些图像匹配复合模型，通过实验验证这 些模型的匹配效果。 关键词：形状特征点提取，图像匹配，h a u s d o r f f 距离，遗传算法，模糊思想 a b s t r a c t i m a g em a t c h i n gb a s e do ns h a p ei n c l u d e st h r e em a i na s p e c t s ：s h a p ef e a t u r ea b s t r a c t i o n ； s h a p es i m i l a r i t ym e a s u r e m e n t ；o p t i m u mm a t c h i n gs e a r c h f i r s t l y , t h ed e t e c t i o na l g o r i t h m s f o re d g ef e a t u r ea n dc o r n e ra led i s c u s s e di nt h i sp a p e r af a s tc o m e rd e t e c t i o na l g o r i t h mi s p r e s e n t e dt oe x t r a c tc o m e r sq u i c k l y an e wf e a m r ed e t e c t i o na l g o r i t h mi sa l s od e s c r i b e dt o e f f e c t i v e l ye l i m i n a t et h ei n f l u e n c eo fd i f f e r e n tl i g h t i n gc o n d i t i o no fi m a g e s a d j a c e n ts u r f a c e i nt h ef e a t u r ed e t e c t i o n s e c o n d l y , af a s ts t r a t e g ya n da ni m p r o v e dp a r t i a lh a u s d o r f fd i s t a n c e a r ep r o p o s e db a s e do nh a u s d o r f fd i s t a n c et or o u g h l ya n da c c u r a t e l ym e a s u r et h es h a p e s i m i l a r i t yr e s p e c t i v e l y a l s oan e wg e n e t i ca l g o r i t h mw i t ht h ep r o b a b i l i t i e so fc r o s s o v e ra n d m u t a t i o ns e l f - a d a p t i o nb a s e do nf u z z yc o n t r o li sa d o p t e df o rf a s ts e a r c ho fo p t i m u mm a t c h i n g f i n a l l y ，s e v e r a lc o m p o s i t em o d e l sa r eg i v e nf o rd i f f e r e n ta p p l i c a t i o nd e m a n d sa n dt h e i r m a t c h i n gr e s u l t sa r ev e r i f i e dt h r o u g ht h ee x p e r i m e n t s y a n gw e n x i a n ( s i g n a la n di n f o r m a t i o np r o c e s s i n g ) d i r e c t e db yp r o f x ug a n g k e yw o r d s ：s h a p ef e a t u r ea b s t r a c t i o n ，i m a g em a t c h i n g ，h a u s d o r f fd i s t a n c e ， g e n e t i ca l g o r i t h m ，f u z z yc o n t r o l 。蜂 ， z g 抽嚣苗射娶蜘鬻挲研柳斡磬z 哥 z 瑶辫矾聊跚虱丑姑淋纽i 。哥 z 箪搬面斡导鸾理司勘围明淋纽士番辜回真 9 z 彰、f 宴卓上 9 z 擗髟索释敢苗9 。 s z 掣醯d d h 0 0 s n v h 髟衅明幂碗兮+ s z 歌华菩翠珊吼卧娶谢牲一哥一 s z 型酗a d n o o s a v h 压聚凝z + 分乙”掣强d d n 0 0 s f l v h 彤勰i 。 分z 淋硫距搬朝晕邵d d h 0 0 s f l v i - ! 。 秒z 骝羽，朝掣毋d d h o o s 八v hz 乙百罩朝魁珊d h n 0 0 s f l v hi 。 z 箪搬娶蓖喜习羽- 均 群淋纽喜三嵩 乙z 羁、f 真卓哥。z 0 乙揖髟酱彰疆砸萃歌苗驴z 6 t 承犁粤z 6 t 降髟辑习覃粤z 。z 8 t 静衅犁粤i 。z i 戳皙群覃粤娶谄朝琅龌牲一z 9 【璐羽明餮葫斟洋粤茸粜牲v 弓z z 9 t 邛涿砚草嘭鲷亚斟暂礤士霉。i z z s i 士苗n v s f l sz 。i 。z z t 士茸群明n 工s s o bi i z z t j 蝉髟嚣葫瞥掣粤甘粜牲vi z z t 延坦歌葛瞢掣粤z 。z t i 嚣葫鬻覃亚斟朝鲜牲一z z 。i 。z o i 壬葛x r 州v 9t z i z 6 彰罚谣擗髟锈近z 。i 。z 嚣葫碓誓覃亚甜萄硪鲷目粜牲vi i z 距搬餮菌鬻单亚斟箭礤i z ”萼搬裂首磕警草亚钟淋纽辜= 喾 9 “髯f 嘉卓9 i s 瓣摹嚣掣9 。i 钞翁龆半辑哗船留延抱矽1 分”明目延地。l z 淋醢琶搬与智髯谩弼淋纽辫固z 。i t 。x 巢疆酱鼎延搬i i t ”呈l 量辜一嵩 i ”董群 警目 茸砚珥秦千弛杀￥华目习r 肃 _ 璺 宰i 囊h - - _ 。 、 s 分“豫斟搬性廿华簪哇萃殃半毒明擎髯刨瞻毒翠 h ，舰 疆 n ，。掸革皋每 q c “磊智与霸冒辜至嵩 ，c 彩f 妻卓兮。争 ，c “9 瑶斡号酉z 。z 争。争 a c 哥瑶辫导鹭i z 哥哥 9 衅髟疆凿彰锈摹朝压瓣号哲谩虱娶谄牲vz 争争 c f 瑶斡号酉i 秒矽 | ，c ”z 面辫号酉z i 。驴哥 7 f 。i 瓦瓣号酉t 。i 。哥。哥 z 衅髟疆凿彩孺运鲷瑶辫号西馥虱盼黜牲r l ri 。哥哥 i f 擗髟疆凿彰孺近谩弼淋红哥秒 1 = f ”硪辫号骂理弼驻谢z 争 n f 硪辫号骂理虱觋戥i 哥 n f 瑶斡号鹭氇司淋猫辫国牲r l f 。p 6 z 嚣苗封繇朝鼻瞰犁娶目毒擗哲醺唑索斟百莓z z 矽 女7 印静明尉刨i 。z 。争 飞 ” 华北电力大学硕士学位论文 1 1 研究背景及意义 第一章引言 自上世纪7 0 年代，美国从进行的飞行器辅助导航系统、武器投射系统等应用研 究中提出图像匹配以来，它一直是学者们研究的热点和难点。图像匹配技术是现代 遥感技术、微电子技术和精密测绘技术的综合性产物。 图像匹配包括灰度匹配、模板匹配和形状匹配等多种匹配方法。其中形状匹配 是计算机视觉和式识别的一个基本问题，它被应用到很多领域，如目标识别、基于 内容的图像检索、文字识别、医疗诊断等。 当观察周围环境时，人们首先注意到的是物体及其周围环境的颜色、纹理、形 状和空间关系等等，形状是物体最基本的有感觉意义的特征之一。在计算机视觉和 模式识别中，形状是对目标范围的二值图像表示，可以看成是目标的轮廓，它是用 于目标识别的重要特征n 1 。为了节省存储空间、易于特征计算，需要对形状作进一 步的表示，这些表示通常可以分为两类：编码方式，如链码、游程码、f r e e m a n 码 等；简化方式，如样条( b 样条，3 次，5 次样条) 、插值、多项式、多边形逼近和特 征点检测等。另外还可以使用形状的骨架来描述形状豫q 1 。 形状匹配就是根据形状特征将已知图像与陌生图像的全部或者部分在空间上对 准的过程。分为单目标匹配和多目标匹配两种情况。我们将已知图像称为模板图， 待检测的陌生图像称为匹配图。 随着科学技术的迅猛发展，形状匹配技术已成为近代信息处理，特别是图像信 息处理领域中的一项非常重要的技术。形状匹配技术有着广泛的应用领域，从工业 检测到导弹的地形和地图匹配、飞机导航、武器投射系统的制导、光学和雷达的图 像模板跟踪、工业流水线的自动监控、工业仪表的自动监控、资源分析，气象预报、 医疗诊断、交通管理、文字识别、图象数据库检索以及景物分析中的变化检测等等。 因此，开展形状匹配技术的研究具有重要的理论意义和实用价值。 由于各种各样的原因，如成像条件的差异、图象预处理引入的误差、获取轮廓 曲线所采用的方法等，参与形状匹配的模板与待匹配的物体形状间通常存在着程度 不同的不一致，因此，根据模板在一幅陌生物体轮廓形状中检测出潜在的匹配对象 并得出它在物体中的位置是一项复杂的工作。 形状匹配研究涉及到了许多相关知识领域，图像采样、图像预处理、图象分割、 轮廓特征提取、特征存储、特征查询、匹配方法等，并且将计算机视觉、多维信号 处理和数值计算方法等紧密结合在一起h 。 华北电力大学硕士学位论文 1 2 图像形状匹配发展与研究现状 常用到的图像形状特征有：特征点( 包括角点、高曲率点等) 、直线段、边缘、 轮廓、闭合区域、特征结构以及统计特征如矩不变量、重心等。 解决点匹配问题的方法包括相对距离直方图聚集束检测法6 3 ，h a u s d o r f f 距离 及相关方法口，刚等等。这些方法对检测到的角点要求比较苛刻，比如要求同样多的数 目，简单的变换关系等等。 直线段是图像中另一个易于提取的特征。h o u g h 变换阳- 川是提取图像中直线的有 效方法。h o u g h 变换可以将原始图像中给定形状的曲线或直线变换到变换空间的一 个点位置。它使得原始图像中给定形状的曲线或直线上所有的点都集中到变换域上 的某一个点位置从而形成峰值。这样，原图像中的直线或曲线的检测问题就变成寻 找变换空间中的峰点问题。正确地建立两幅图像中分别提取的直线段的对应关系依 然是该方法的重点和难点。 点和直线段特征匹配算法的研究多集中在2 0 世纪8 0 年代到9 0 年代，这些从参 考文献可以了解到。而对边缘、轮廓、闭合区域，矩不变量等特征配准算法研究则 往往是结合在一起进行的。在闭合区域的研究中，往往是分割区域后，对区域提取 轮廓，然后对区域轮廓进行矩不变量、重心或者是质心的提取，进而形成形状特征 点1 。 近十几年来，随着图像分割、边缘检测等技术的发展，基于边缘、轮廓和区域 的图像配准方法逐渐成为配准领域的研究热点。分割和边缘检测技术是这类方法的 基础，目前有很多图像分割方法可以用来做图像配准需要的边缘轮廓和区域的检 测，比如c a n n y 边缘提取算子n 刳，拉普拉斯一高斯算子( l o g ) n3 。，区域增长1 ，小 波边缘检测n 5 3 等等。尽管方法很多且各具特点，但并没有任何一种方法能对所有种 类的图像都能获得最佳效果，大多数的分割技术都是依赖于图像本身的。 根据匹配方法处理形变的能力将形状匹配方法分为两大类：一类只能处理各种 变换引起的形状变化，它们通过搜索在不同变换下的不变量来实现匹配：( 1 ) 相似 不变量：距离、矩、角度、圆度、f o u r i e r 描述子；( 2 ) 仿射不变量：定比、弧长、 包围面积、改进型f o u r i e r 描述子、曲率等；( 3 ) 透视不变量：交比及其延伸。另 一类方法可以处理更加复杂的形变，通过寻找目标和模型之间局部特征的对应来使 得匹配误差最小。为了获得最小值，人们使用了很多方法，诸如动态规划n6 i 、神经 网络、变形模板阻引、遗传算法n 引等。 很多学者已经提出了大量的形状匹配相关算法：文献 2 0 提出了区域增长结合 动态聚类算法的形状特征点提取方法。文献 2 1 采用基于c a n n y 算子边缘检测和像 素分析法相结合的特征点抽取算法，有效减少了特征点个数。文献 2 2 提出了长轴 两端点与重心所成的夹角这一几何特征的形状描述子，该形状描述子具有平移旋转 2 华北电力大学硕士学位论文 和伸缩变换不变性。文献 2 3 采用了s u s a n 边缘检测算法来得到轮廓特征点。文献 2 4 提出将h a u s d o r f f 距离作为物体轮廓相似性的测度，并用遗传算法进行最佳形 状匹配的快速搜索，根据遗传搜索的结果再进行一次线性搜索，从而提高解的精度 文献 2 5 和文献 2 6 都是利用形状中心点和边界匹配起始点来定义轮廓形状的描 述函数。文献 2 7 提出了用于形状匹配的自适应边界点选取的形状上下文方法。根 据目标形状，自适应地确定边界点个数；再利用选取的边界点，计算目标的形状直 方图；利用形状直方图计算不同目标之间的相似度。文献 2 8 提出一种把小波描述 子和神经网络相结合的形状识别方法。通过小波描述子提取待识别物体的形状特 征，所提取的特征值不受物体位移、缩放和旋转的影响，接着用多层分类器网络对 物体的形状进行识别分类，并采用b p 算法对神经网络进行学习和训练，最后得出 令人满意的实验结果。文献 2 9 ，3 0 则是为了克服小波变换对起始点的依赖，引入 z e r n i k e 矩，提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处 理后提取目标轮廓，生成具有平移、尺度不变的形状链状表达，并通过小波变换进 行多尺度分析。最后计算各个尺度下的各阶z e r n i k e 矩，来解决小波变换的起始点 问题，实现形状表达的旋转不变性。 但是，由于成像过程中各种不可预知因素的影响，现有的算法在某些方面都有 不尽人意的缺陷，尚且没有一种算法能解决所有的图像形状匹配问题。将多个算法 融合与集成可以克服单个算法的局限性，实现多算法优势互补，提高匹配的适应性。 在使用时需要根据这些算法的特点和具体的应用做出合理的选择。 目前国内外正在研究的几个重点是： ( 1 ) 积极借鉴其它相关学科的最新成果。现在已经有许多的前沿理论被应用到 形状匹配中，包括神经网络、语义网络、模糊理论和遗传算法等等，取得了很好的 效果。 ( 2 ) 复合匹配算法的研究。将多个算法融合与集成可以克服单个算法的局限性， 实现多算法优势互补，提高匹配的适应性。 ( 3 ) 寻找匹配的快速算法。实时性在飞行器巡航制导等应用中非常重要，现有 算法大多不能满足这一要求，这主要是因为算法过于复杂以及采用串行方式执行， 所以应该尝试对算法进行改进，使其并行实现，并结合并行计算机和特定理论工具 进一步提高图像匹配的速度。 ( 4 ) 匹配性能评价。任何技术都是由其相应领域的性能评价的准则而向前推动 的，目前图像匹配的性能准则在于“速度和精度”。由于图像内容丰富，而且具有 很大程度上的主观性，其匹配性能的评价标准制定起来具有相当的难度。 3 华北电力人学硕士学位论文 1 3 研究目的 图1 - 1 形状匹配系统图 形状匹配系统主要由形状预处理，提取特征，选择特征点，特征集合和形状匹 配算法这五个模块组成。形状匹配系统图如图1 - 1 。其中形状预处理模块主要是对 待匹配图像做平滑去噪预处理；提取特征模块是通过某种特征提取算法来提取图像 上描述特征的量；选择特征点模块是从已提取的特征量中选取匹配时需要的特征 点；特征集合模块是特征提取后的特征量以某种方式做成集合；形状匹配算法模块 是将得到的特征点或特征集合应用匹配算法进行匹配的过程。整个形状匹配系统中 提取特征模块和形状匹配算法是最关键的模块，对形状匹配过程起着决定性的作 用。故形状匹配主要包括特征空间的提取、形状相似性度量及匹配最优解搜索算法 等三方面内容。本文的研究目的是针对一些形状特征明显的单目标物体，在正常成 像和相邻面光照条件不同的成像条件情况下，针对不同的应用要求给出由这三方面 的不同算法组合的复合匹配模型，来完成图像间的有效匹配。 1 4 研究思路和技术路线 论文的研究内容主要包括四部分：一是研究形状特征的提取算法；二是研究用 于不同匹配精度情况的形状相似性度量算法；三是选择恰当的最优解搜索算法；四 是针对不同的应用要求给出由以上算法组成的复合匹配模型来完成图像间的有效 匹配。 在形状特征的提取部分，分别研究了采用边缘特征点和角点来描述物体形状的 情况及相应的提取算法。分析总结了已有的经典算法及前人的改进算法。在此基础 上，提出一种计算速度快、能有效准确地提取角点特征的快速角点提取算法。针对 相邻面光照条件不同的图像，介绍了一种新的特征点提取算法，有效地消除了光照 条件不同对特征点提取的影响。通过对给定图像库的鱼的形状进行特征点提取，验 证算法的有效性。 4 f 华北电力人学硕十学位论文 形状相似性度量方面，致力于寻找分别适用于匹配精度高和匹配速度快场合的 不同的形状相似性度量。理论上各种形式的距离函数都可以作为相似性度量，但用 的最多的要数欧氏距离。本文采用了另一种距离h a u s d o r f f 距离作为相似性度 量。h a u s d o r f f 距离以其很强的抗干扰能力和容错能力而受到人们的关注。借鉴了 已有的h a u s d o r f f 距离匹配算法思想的基础上，提出两种不同的相似性度量方法， 种计算速度快，一种计算精度高，分别用于满足实时性匹配和高精度匹配的场合。 常用的搜索算法有：简单遍历搜索法、遗传算法、智能群体算法、线性搜索法。 本文引入一种新的能自适应调节交叉和变异概率的遗传算法到图像匹配中，寻找达 到最优匹配时待匹配图像的旋转角度和缩放倍数。通过实验验证算法的有效性和可 靠性。 在前文基础上，针对不同的应用要求，给出一些图像匹配复合模型，考察这些 模型的匹配精度和匹配速度。通过实验验证这些复合模型的匹配效果。 为了实现以上研究目的，选择一个图像库作为实验数据源，该图像库罩有形状 各异的鱼，它们的二维形状特征明显，可以最大程度地反映物体本身的特征，适合。 采用形状特征来进行图像问的匹配。实验中采用了m a t l a br 2 0 0 7 a 和v c + + 6 0 两种 编程方法。 1 5 内容安排 论文每章的内容安排如下： 第一章：引言。通过查阅大量国内外图像形状匹配的相关文献资料，对基于形 状的图像匹配相关概念和技术进行了深入研究和归纳总结，阐述了课题的研究背景 及意义，分析了图像形状匹配的研究现状、不足及目前国内外的研究热点，给出了 课题的研究目的及技术路线。 第二章：形状特征点提取算法研究。讨论了形状特征点的分类和边缘特征点、 角点的提取算法。对几种常用的边缘特征点提取算法进行分析比较。在讨论经典的 角点提取算法s u s a n 算子和角点几何结构分析思想的基础上，结合参考文献，给出 一种新的快速角点提取算法。首先进行角点初提取得到候选角点，再进行角点几何 结构判断，得到图像的角点特征点。同时，针对相邻而成像条件不同的图像，介绍 了一种新的特征点提取算法，有效地消除了相邻面成像条件不同对特征点提取的影 响。最后通过大量实验验证这些特征点提取算法的有效性。 第三章：形状相似性度量算法研究。分析比较了h u s d o r f f 距离的各种已有改进 算法，在此基础上提出一种快速相似性度量方法用于图像l 日j 相似性的快速度量，用 于实时性高的场合。提出一种改进的部分h u s d o r f f 距离作为图像相似性的精确度 量，同时一定程度上减少计算量，用于匹配精度较高且不失实时性的场合。通过实 5 华北电力人学硕十学位论文 验验证两种度量方法的有效性。 第四章：基于形状的图像匹配复合模型研究。首先建立了形状匹配优化模型， 然后讨论了形状匹配最优解的搜索策略，阐述了遗传算法在图像匹配中的应用，同 时研究了遗传算法中参数的选取问题。最后引入了一种基于模糊控制思想的交叉概 率和变异概率自适应调节的遗传算法来实现图像匹配的最优解搜索。根据论文中给 出的各部分算法，针对不同的应用要求，选择恰当的算法组成形状匹配复合模型完 成图像问的匹配，并从匹配速度和匹配精度两方面来分别考察这些模型的匹配性 能，并对匹配结果进行分析。 第五章：总结与展望。总结本文的主要工作内容，分析了本文提出的匹配复合 模型的优点和不足，展望今后进一步改进的思路。 1 6 本章小结 本章对图像形状匹配的发展状况和研究现状进行了分析，提出了研究快速、有 效地图像形状匹配算法的重要作用和实际意义。介绍了课题的研究目的、研究思路 及所涉及的主要研究工作。最后给出了论文各章节内容安排。 6 华北电力人学硕十学位论文 第二章形状特征点提取算法研究 形状是描述图像内容的一个重要特征。与颜色特征相比，形状特征被认为是更 高层次的图像特征。物体的形状特征描述有很多方法，有边缘特征点、角点、f o u r i e r 描绘子、小波描述子、几何特征形状描述子等等。 2 1 边缘特征点提取算法研究 图像边缘对图像识别和计算机分析十分有用。边缘能勾画出目标物体，使观察 者一目了然；边缘蕴含了丰富的内在信息( 如方向、阶跃性质、形状等) ，是图像 识别中提取图像特征的重要属性。从本质上说，图像边缘是图像局部特性不连续性 ( 灰度突变、颜色突变等) 的反映，它标志着一个区域的终结和另一个区域的开始。 边缘的特性是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈。 2 1 1 几种常用的边缘特征点提取算法 。 本节分别讨论边缘检测算子、多尺度小波变化法、变形模板s n a k e 模型以及其 它一些边缘特征点提取算法。 ( 1 ) 边缘检测算子 边缘点是指其周围像素的灰度有阶跃变化或屋顶状变化的像素、常存在于目标 与背景之间、目标与目标之间、目标与其影子之间。由于边缘所具有的这些特征， 灰度的变化可以反映为导数。因此，可以通过求导的方法来寻求边缘，提取边缘的 算法就是检出符合边缘特性的边缘像素的数学算子。 边缘检测算子检查每个像素的领域并对灰度变化率进行量化，通常也包括方向 的确定。有若干种方法可用。微分法是图像边缘检测方法之一，微分处理方法最常 用的是梯度法，在数字图像处理中，用差分运算代替微分运算来计算梯度。 比较经典的梯度法是r o b e r t s 边缘检测算子，是一种交叉差分法。采用的是对 角方向柏邻的两个像素之差。从图像处理的实际效果来看，边缘定位准，但是对噪 声敏感。 c a n n y 算子也是边缘检测常用算子之一3 1 。c a n n y 边缘检测算法的双阈值技术是 利用累计统计直方图得到一个高阈值t l ，然后再取一个低阈值t 2 。如果图像信号 的h 向应大于高阈值，则它一定是边缘；如果低于低阈值，则它一定不是边缘；如果 在高低阈值之问，就看它的8 个邻接像素有没有大于高阈值的边缘。高低阈值的取 值需要通过经验值得到。 s o b e l 边缘检测算子是先做加权平均，再微分，然后求梯度，得到图像的边缘。 7 华北电力人学硕十学位论文 s o b e l 边缘检测算子计算简单，能够得到图像的边缘特征，但是在对特征点进行识 别与提取时，不能排除因物体遮挡致引起的狄度阶跃对特征点提取的影响，往往会 将这一灰度阶跃作为一部分特征点提取出来。实际上，该灰度阶跃是因物体遮挡而 使其相邻面光照不同而引起的，其并不对应真实的特征点。所以s o b e l 边缘检测算 子对光照条件十分敏感，且要求较苛刻。同时s o b e l 算子也会将一些噪声点作为特 征点提取出来。文献 3 1 提出了一种新的特征点识别与提取算法，能有效地提取特 征点，且抗干扰能力强，对外界光照条件具有较强的适应性，不因物体的遮挡而影 响特征点的识别与提取。 其它比较经典的边缘检测算子还有p r e w i t t 算子、l o g 算子等。 ( 2 ) 多尺度小波变换法 小波变换法提取边缘点比传统的边缘检测方法具有更好的抑制噪声效果，因为 如s o b e l 等算子采用较小的掩膜，容易受零星的椒盐噪声的影响。小波的多分辨率 特性使之可以在不同的尺度上检测边缘，而传统的方法则因为限制为单一的宽度而 缺少尺度信息。同时小波变换法还能提供附加的相位信息，即边缘的方向信息，这 使得可以有效地构建链码。但是它的缺点是计算量大，对内存和磁盘空间的需求较 大1 。 ( 3 ) 变形模板s n a k e 模型 s n a k e 模型是一能量最小的样条曲线在内力和外力作用下变形，外力推动活动轮 廓向着物体边缘活动，而内力保持活动轮廓的光滑性和连续性，达到平衡位置时( 对 应于能量最小) 的活动轮廓收敛到所要检测的物体边缘。川。s n a k e 算法是能量极小 化的样条，内力约束它的形状，外力引导它的行为，图像力将其拖向显著的图像特 征；s n a k e 是“主动”的轮廓线模型，它锁定在图像特征附近，准确地将它们极小 化。其能够有效地利用局部与整体的信息，实现对边界的准确定位，是一种极为有 效的图像分割方法。 几种常用的边缘特征点提取算法比较及分析如表2 1 ： 8 华北电力人学硕+ 学位论文 表2 - 1 边缘特征点提取算法及分析 方法优点缺点 边缘检c a n n y 算子、s o b e l 算子、r o b e r t s需要进行图像分割，合适的分 测算子算子等常用的传统的边缘检测割域值选取是一个问题，同时 方法容易受零星的椒盐噪声影响 多尺度总体性能好。适应性和抗噪性最大的缺点是计算量较大，对 小波变强。提取的特征点能有效地实现内存和磁盘空间的需求较大， 换法匹配。小波的多分辨率特性使之算法实现相对复杂。 可以在不同的尺度上检测边缘， 而传统的方法则因为限制为单 一的宽度而缺少尺度信息。同时 小波变换法还能提供附加的相 位信息，即边缘的方向信息，这 使得可以有效地构建链码。 变形模s n a k e 模型是在曲线本身的内力初始轮廓的确定和能量公式的 板s n a k e和图像数据的外部约束力共同离散及参数的确定对算法的影 模型作用下移动的变形轮廓线，是初 响很大。 始曲线追寻“能量”为最小化 的过程。能实现对边界的准确定 位，是一种极为有效的图像分 割方法。 离散曲计算每一点的相关度参数，把相与其它边缘检测算法结合使用 线演化关度最小的点去掉。能降低噪声 的影响，又能排除不重要的形状 特征，只保留重要特征，简化形 状，提高匹配速度。 2 1 2 实验分析及总结 实验图像库如表2 2 所示，在本文中所有的实验均采用该图像库，匹配时模板图像 与图像2 相同。n o 1 1 2 的图像是形状各异的鱼( 大小为1 2 8 1 2 8 ) ，1 3 、1 4 、1 5 、1 6 、 1 7 、1 8 分别是模板逆时针旋转1 5 、4 5 、9 0 、1 6 7 、2 4 5 、3 1 5 度的图像；1 9 和2 0 分别是 模板放大一倍及之后旋转4 5 度的图像；2 l 和2 2 分别足模板缩小一倍及之后旋转9 0 度 的图像；2 3 2 7 是相邻面光照条件不同得到的图像。本文的所有实验郜是在i n t e l ( r ) c o r e ( t m ) 2d u oc p u ( 2 0 0 g h z ) 的平台上采用m a t l a br 2 0 0 7 a 或v c + + 6 0 实现。 9 华北电力人学硕十学位论文 表2 2 实验图像数据库 12345 6 。y 6 零撼 广o 蕊 ：，”。歹 789 1 011l2 厣| 、 。蟹 一覆 o 毋 勘 多熬勤 “力， 吣晷 l31 4 151 61 71 8 嗡擀 6饕 移 、 y 妒7 掣 龟参 1 92 02l 2 2 ，篇 藤 舂 l ? 誓蛇锄 2 32 4 2 52 62 7 l 厂+ 笺 i ，z ，豸 j ，曩 磺哆： 露， ! ；文蕊k、一强瓣二” 便 2 1 2 1c a n n y 算子 c a n n y 算子使用两个阂值来分别检测强边缘和弱边缘，而且仅当弱边缘与强边缘 相连时，弱边缘j 会包含在输出中。因此此方法不容易受噪声的干扰，能够检测到 弱边缘。为了得到适当的边缘特征点，通过多次实验比较，本实验中c a n n y 算子的 上下阈值分别设为0 0 9 2 、0 2 3 。图像数据库中部分图像的边缘检测结果见表2 - 3 。 1 0 一 华北电力人学硕十学位论文 表2 3c a n n y 算了边缘提取结果 2i34 5 l6 园圈圈囵厨圈 78l 9lo l 1 l i 12 圆圈圆圆置圆 1 31 4 1 5 1 6 17 i1 8 国：圈圈圈圈圈 1 92 0 2 12 2 圆圈国圆 从表2 - 3 中可以看出，根据所设定的上下阈值，c a n n y 算子所提取的边缘特征点 能够反映图像的主要形状特征，缺点是合适的分割阈值选取需要多次实验彳能得 到，而且获取的特征点数目较多，计算量较大。 2 1 2 2 一种新的特征点提取算法 s o b e l 边缘检测算子由两个卷积核形成。图像中的每个点都用这两个核做卷积， 常用的卷积核是3 3 的( 见图2 1 和图2 2 ) ，一个核对垂直边缘影响最大，一个核 对水平边缘影响最大。边缘检测算子的中心与中心像素相埘应，进行卷积运算。两 个卷积核的最大值作为该点的输出位。然后根据设定的阂值大小确定边缘点。在边 缘检测中，s o b e l 算子对于像素的位置的影响做了加权，有一定噪声抑制能力。经 常被用来提取图像的边缘。但是s o b e l 边缘检测算子对光照条件十分敏感，要求较 苛刻，抗干扰能力不强。 华北电力人学硕十学位论文 雕习 文献 3 1 在s o b e l 算子基础上提出一种新的特征点提取算法。具体算法如下： ( 1 ) 假设图像中某个像素点( i ，j ) 为候选特征点，其狄度为g ( i ，j ) ，以 该点为中心，在其同行( 或同列) 各取m ( m = 3 或4 ，1 0 等) 个像素点， 它们对应的灰度值分别为：g ( i m ，j ) ，g ( i m + 1 ，j ) ，g ( i + m ， j ) ，与该像素点灰度g ( i ，j ) 差值的绝对值为l ： 厶= i g ( i + 尼，_ ) 一g ( i ，州 公式( 2 1 ) 其中，k = l ，2 ，竹。 取一合理阈值t ，使得以下逻辑关系成立：l t ( 2 ) 在以候选特征点( i ，j ) 为中心的模板窗口睨。( 如3 3 ，5 5 或7 7 等) 中，将狄度值最小的候选特征点确定为特征点。 g ( f ，) = m 。in g ( i ，j ) ，it t ) 公式( 2 - 2 ) j j e 7 p ”口 在v c + + 6 0 平台上，分别采用s o b e l 边缘检测算子和新的特征点提取算法对对 图像库中n o 2 3 - 2 7 的图像进行特征点检测。s o b e l 算子的阈值取2 5 4 。新的特征点 提取算法中，取m = 5 ，阈值t = 4 5 ( 通过多次实验得到) ，窗口w o 。大小为5 5 。计算 时间和提取的特征点点数比较如表2 4 所示( 考虑到时间计算方法、计算机运行速 度等各种外界因素影响，表2 4 的计算时i 、日j 只具有相对意义) ，提取出的特征点结 果如表2 5 所示。 表2 - 4s o b e l 边缘榆测算了和新的特征点提取算法比较 图像编号 2 32 42 52 62 7 新的特征点 计算时问 1 3 71 2 51 3 61 4 20 7 8 ( 1 0 。s ) 提取算法 特征点数 9 4719 410 64 7 计算时| 、日j 7 9 37 0 28 2 7 7 9 9 3 8 9 s o b e l 算子 ( 1 05 s ) 特征点数 l5 8 3 10 7 82 0 5 3 16 4 7 5 4 0 1 2 r 算 1j由习鼬，1 o o o 擞“乾“陆 一h h h 一垂 图 华北电力人学硕士学位论文 表2 - 5s o b e l 边缘柃测算了和新的特征点提取算法特征点提取结果 编号 2 32 42 52 62 7 磷嚷 &髭 ，重 ：霾 图像 制冁 、- 锄缈碉- s o b e l 边缘检 酗圆豳遂毯 测算子 圜 新的特征点提 圈i睡戮鬻潮豳 i翮 黧 l 】取算法 华北电力人学硕十学位论文 2 2 1 1f o r s t n e r 兴趣算子 兴趣点是指相对于其邻域表现出某种奇异性的像素点，它们容易提取，对信号 噪声、数据获取时的参数变化和图像变换等具有较好的鲁棒性6 i 。兴趣算子，是指 运用某种算法从影像中提取我们感兴趣的点的方法。 f o r s t n e r 兴趣算子是常用的一种角点特征定位算子。该算子通过计算各像素的 r o b e r t s 梯度和像素( c ，r ) 为中心的一个窗口( 如5 5 ) 的狄度协方差矩阵，在 图像中寻找具有尽可能小的接近圆的误差的椭圆点作为特征点。其步骤为： ( 1 ) 计算各像素的r o b e r t s 梯度，如公式( 2 - 3 ) 。 g h = 孥= g 川l _ g j j ou 。 g v = 孥= g 旷g “。j o v ， 公式( 2 - 3 ) ( 2 ) 计算l x l ( 如5 x 5 或更大) 窗口中灰度的协方差矩阵。 圳= 瞄，蛩 _ l 2 圳 其中： 邑2 = ( + 喝， i = c - kj - - r k c + k fr + k i g ，2 = ( 鼠川一， i = c - kj = r k c + k 一，r + k 一， g 。毋= ( 岛“川一岛) ( g 。+ 。一蜀+ i ，) i = c - kj = r k k = i n t ( 1 2 1 ( 3 ) 计算兴趣值q 与w 。 4 d e t n 驴两 、d e t n w = = t r q t r n 其中d e t n 代表矩阵n 的行列式；t r n 为矩阵n 的迹。 q 是像素( c ，r ) 对应的误差椭圆的圆度： 州一搿 公式( 2 5 ) 公式( 2 - 6 ) 公式( 2 7 ) 其中a 与b 为椭圆的长、短半轴。如果a ，b 中任一为零，则q = o ，表明该点可 能位于边缘上：如果a ：b ，则q ：l ，表明为一圆。w 为该像元的权。 1 4 华北电力人学硕十学位论文 值： ( 4 ) 确定待选点 如果兴趣值大于给定的阈值，则该像元为待选点。阈值为经验值，可参考下列 乃= 0 5 0 7 5 瓦= c ；t m 甾n ”， 公式( 2 - 8 ) 其中w 为权平均值，w c 为权的中值。当q t q 同时w t w 时，该像元为待选点。 ( 5 ) 选取极值点 以权值w 为依据，选择极值点，即在一个适当窗口中选择w 最大的待选点，而 去掉其余的点。 2 2 1 2s u s a n 算子 s m i t h 等人提出的s u s a n ( s m a l l e s tu n i v a l u es e g m e n ta s s i m i l a t i n gn u c l e u s 最小吸收核同值区) 算法7 1 直接对图像灰度级进行操作，主要利用梯度和曲率度量 检测角点。它提供的角点特征提取方法，有很强的抗噪声能力，不需要进行去噪声 处理。 s u s a n 算法将窗口模板应用于图像，从而给出各向同性的响应。它采用的模板与 常规卷积算法的j 下方形模板不同，使用了一种近似圆形模板( 如表2 - 6 ) 。用圆形模 板在图像上移动，若模板内像素的灰度与模板中心像素灰度的差值小于一定阈值， 则认为该点与核具有相同的灰度，由满足这样条件的像素组成的局部区域称为 “u s a n ”( u n i v a l u es e g m e n ta s s i m i f a t i n gn u c l e u s ) 。根据u s a n 的尺寸、质心 和二阶矩，可检测边缘、角点等特征。 表2 - 6s u s a n 算法7 x 7 圆形模板 123 45678 91o1 l12l31415 l6l71 8192 02l2 2 2 32 4 2 5 2 62 72 82 9 3 0 3 l：3 2 3 3：3 4 3 53 63 7 在数字图像中计算每个像素的u s a n 区域可以找出一个区分这个像元的边界条 件。当它处于图像或背景中时，u s a n 区域面积最大：当它处于边界和角点的情况下 时，u s a n 区域都比较小，角点的u s a n 比边界要小。因此我们找寻最小的u s