通信工程canny算法毕业外文文献翻译

1、东北石油大学本科生毕业设计（外文文献翻译）一种新的基于Canny算子与小波变换相结合的边缘提取算法摘 要本文主要分析了Canny算子方法和小波变换方法在图像边缘提取方面的优势和缺点，并提出了一种关于两种方法相结合新的边缘提取算法。首先，利用Canny算子方法和小波变换方法分别对图像进行边缘特征提取，用小波边缘约束Canny边缘，是Canny边缘而不是小波边缘的边缘点被丢弃，这样可以使得在Canny算子检测出的边缘的噪声被消除。实验表明，通过改进后的算法提取边缘特征，不仅抗噪能力强而且还具有较高的定位精度，因此改进的算法已经被验证提高了边缘检测的有效性和可行性。关键词：小波变换，Canny算子，

2、边缘提取。1、绪论医学图像配准是现代医学图像处理技术的一个重要方面。它的主要目的是匹配不同的时间、不同的视点和不同的成像模式的两个或多个图像，其中在临床应用上有非常重要的意义。相同或不同的成像模式的医学图像的配准不仅可以用于医疗诊断，而且还可以用于外科手术计划、辐射治疗计划、治疗效果病理变化和评价跟踪等。来自两个图像的相关和有用的信息，其中包括灰色、特征点、边缘轮廓或纹理的提取是医学图像配准的关键步骤。在图像中，边缘是指在其周围有灰度级的突然变化或屋顶状变化的像素组，并且它存在于目标和背景、目的和目标、区域和区域、像元和像元之间。边缘是图像的基本特征之一，是图像分割依赖的重要特征，是图像纹理的

3、重要信息源和提取图像形状特性的基础。因此，边缘提取对图像处理有重要的意义，并且边缘是在数字图像处理过程中的主要部分，在计算机视觉、图像分析等应用中重要部分，它是在图像分析和识别的重要部分。Canny算子的边缘提取算法是根据边缘提取和最优型边缘提取算子理论的三条最优标准设计的，但它对噪音大、效益低的噪声图像很敏感。在最近几年提出了基于小波变换的模极大值的原理边缘提取方法，它对噪声较不敏感，而且对边缘的定位精度不是很高。本文提出了一种新的Canny算子边缘检测算法和小波变换方法相结合的边缘提取算法。改进的算法不仅可以减少对图像噪声的灵敏度，而且还提高了边缘的定位精度。进行实验后得出的结果表明，改进

4、后的算法提取的边缘比单独使用Canny算子或小波变换的效果要好。2、基于小波变换的边缘提取方法小波变换提供了一种多尺度近似、具有不同的尺度函数进行平滑信号，然后从它们的一阶或二阶导数检测出急剧变化点。具体的方法是，先平滑原始信号，然后从平滑的一阶或二阶导数检测边缘的原始信号的急剧变化3,4。假设表示二维平滑函数，计算出沿x,y方向的两个基本小波函数的一阶偏导数：和，利用下面的公式： （1） （2） （3）因此，对于任何二维函数f（x，y）的L 2 （ R 2），其小波变换有两个组成部分：（1）沿x轴方向：（2）沿y轴方向：其缩写向量形式是 = （4）在方程（3）中，fs（X，Y）是图像像f（X

5、，Y）由（x，y）的平滑处理。式6反映的WT1和WT2表示分别沿x、y轴方向的图像灰度梯度。通常的值是 2j(jz)，梯度向量WTf(2j,x,y) 被称为二进制小波变换。它的幅值和角度分别为： （5） （6）从上面等式中可以看出，二进制小波变换的图像的模量是与梯度向量的模量成比例的，并且小波变换的幅值角度等于梯度向量和水平向量之间的角度。图像边缘就是梯度向量模值的局部最大值的那些点，使用二进制小波变换来提取图像的边缘，被找到的小波变换系数是沿角度方向上的局部最大值的点。这就是小波变换模极大值边缘提取的原理。3、基于Canny算子提取边缘在处理之前，Canny算子边缘检测器采用高斯平滑滤波器来

6、消除噪声。Canny算子分割算法的梯度是由其一阶偏导数的有限差分模量和方向计算得来的。处理时Canny算子是采用非最大抑制机制的。最后，它使用两个阈值来连接边缘。步骤如下5：假设G（x,y）表示二维高斯滤波器。经过高斯滤波器，该图像在x方向上和在y方向上的导数为： （7） （8）计算出图像梯度的大小和方向： （9） （10）其中A（i,j）反映了图像边缘的强度;(i,j)反映了图像边缘的方向，使得A(i,j)获得了局部最大值。因为整体坡度不足以确定图像的边缘，有必要在非极大值抑制情况下获得局部梯度抑制的最大值点。在经过上述处理后，对于非极大值抑制的双阈值算法中有两个阈值，Th 和 Tl，Tl0

7、.4Th ，并检测出任何候选边缘像素点，如果该点的梯度幅值大于Th ，那它一定是边缘点，如果不大于Th，那它绝对不是边缘点，并将其灰度值设置为0。因此，我们可以得到两个点集，f1(i,j) 和 f2(i,j)。f1(i,j) 是一组大于Th的点，即边缘点，其中包含极少虚假边缘而且有间歇性。f2(i, j)是一组比Tl小的点，即非边缘点，包括很多的虚假边缘。对于这两个阈值之间的点来说，如果它的梯度幅值大于Th，则它是一个边缘点，并将其添加到图像点集f1(i,j);否则，将其添加到图像点集f2(i,j)。重复上述过程，直到在原始图像中的所有点被计算。4、结合Canny算子和小波变换的边缘提取目前，

8、提出的基于小波变换的边缘提取方法主要是提取处于高频率的边缘，忽略了在低频率边缘信息的部分。尽管它具有很高的抗噪声能力的优点，但所提取的边缘的定位精度不是很高，也一定有一些有偏差的边缘位置。传统的Canny算子边缘检测算法是通过模板卷积方法提取图像的边缘，因此，它具有定位精度高，但对噪声敏感的，所以它的抗噪声性能比较低6。考虑到以前出现的问题，本文提出了一种新的基于小波变换和Canny算子相结合的边缘提取算法，并且该方法不仅能有效地抑制噪声，而且还具有较高的定位精度。改进的新算法的思路：由于基于Canny算子边缘提取的方法具有较高的定位精度，但抗噪声能力不足，我们可以利用Canny算子提取的边缘

9、作为原始边缘，并通过小波变换来抑制原始边缘的噪声，得到消除噪声的Canny边缘。因为，如果在Canny边缘图像上有一个边缘，对应的一定有在该位置上的小波图像边缘的边缘；但是，如果在Canny边缘有一个噪声点，对应的不存在在该位置的小波边缘对应的边缘点，因此噪声点可以从Canny边缘被删除，最终可以得到图像的边缘。给出的特殊情况：当检测到小波边缘上的8邻域位置上时，有可能出现非常接近的Canny边缘附近的边缘噪声点，相对应临近边缘的那些边缘点可被包含在8领域位置附近，所以噪声点不能被删除。这些点必须在最后被删除，因为噪声的像素都很小，可以设定一个小的固定值；当边缘的长度小于L ，去掉边缘，所以消

10、除了这种噪声的影响。同时，连接断点以形成最终的边缘。该方法的步骤是：（1）输入所要提取边缘的图像;（2）使用Canny算子和小波变换分别对图像进行边缘特征的提取，得到边缘1和边缘2;（3）对于在边缘1的每个点来说，在边缘2遍历8邻域位置，如果不存在边缘点，该点不是是边缘点，去除来自边缘1的边缘点，否则，这点是边缘点，保留在边缘1上的这点，并将处理后的边缘图1作为基本的边缘3;（4 ）进一步处理边缘3，除去其长度小于3个像素的边缘，并连接边缘的断点，以形成最终边缘。5 、实验结果为了验证所提出的改进的基于Canny算子和小波变换的边缘提取算法的可行性和有效性，我们利用C+做了大量的图像边缘特征的

11、提取实验。同时，利用Canny算子和小波变换进行边缘特征提取，对改进算法的实验结果进行了分析和比较。计算并分析比较三种方法的信号信噪比SNR，精度定位和零交叉点的平均距离D等等，并进行了客观的评价，从而验证了该方法的优越性。5.1 CT图像的边缘提取实验图1为用三种方法对一CT图象的边缘提取的三个结果，其中，（a）是原始图像，（b）是利用Canny算子边缘检测算法提取的边缘图像，（c）是利用小波变换算法提取的边缘图像，以及（d）是利用改进的Canny算子和小波变换相结合的边缘提取算法提取的边缘图像。从图1中可以看出，通过利用Canny算子进行提取的图像边缘由于受噪声的影响定位精度低，而通过利用

12、小波变换提取的图像边缘也有一些虚假边缘，尽管它不是很明显，但是使用改进的算法提取边缘就没有这样的问题，并且边缘是最好的。表1表示出了对图1中的CT图像上的三种边缘特征提取算法的评估。我们可以从表中看到，利用Canny算子算法检测图像边缘信号的噪声比是最小的，也就是说抗噪声性能是最坏的。虽然利用小波变换算法检测出的边缘的位置精度是最小的，并且定位不是很准确。而改进后的算法是最好的，所提取的图像边缘不仅是清晰的，具有最强的抗噪声性能、最高的定位精度，而且零交叉点的平均距离是最长的。图1 CT图像的边缘提取结果表1 CT图像的特征提取的评价参数 指数SNR位置DCanny算子26.37150.716

13、21.7692小波转换30.56550.65121.8943改进的方法31.46790.75952.05495.2 MR图像的边缘提取实验图2是利用三种提取边缘特征提取算法对MR图像进行边缘提取的的三个结果，其中，（a）是原始图像，(b)是利用Canny算子算法检测出的边缘图像，（c）是利用小波变换算法检测出的边缘图像，以及（d）是改进的Canny算子和小波变换相结合的算法检测出的图像边缘。从图2中我们可以看到，通过利用Canny算子算法提取的图像边缘是比较模糊的，而用小波变换和改进的算法提取的图像边缘是清晰的，而且，后者是更好的。图2 MR图像的边缘提取结果表2表示出了对图2中的MR图像上的

14、三种边缘特征提取算法的评估。很明显，虽然小波变换算法的零交叉点的平均距离和信噪比要比Canny算子算法好，用Canny算子算法检测的边缘信噪比最小，更容易受到噪声的影响。但利用小波变换算法的定位位置精度是最小的，而且位置不是很准确的，而改进后的算法是最好的，可以提取更清晰、更光滑的边缘。不仅具有高的抗噪声能力和高的定位精度能力，而且零交叉点的平均距离也是最大的并且含有更少的伪边缘。表2 在MR图像的特征提取的评价参数 指数SNR位置DCanny算子21.54830.72651.6482小波变换25.56640.59821.7295改进的方法26.56640.59821.72956、结论本文研究

15、了传统的Canny算子的优点和缺点，并在图像的边缘运用小波变换，然后提出了一种新的Canny算子和小波变换相结合边缘提取算法。该算法消除了利用小波变换去除了Canny算子检测边缘的噪音，结合改进的小波变换和Canny算子检测的边缘。实验表明，该算法是一种有效的边缘提取方法，并通过该改进算法提取的边缘比单独使用Canny算子和小波变换边缘检测效果更好。参考文献1 He Qiang, Yan Li, Algorithm of edge detection based on LOG and Canny operator, Computer Engineering, vol. 37, pp. 210-

16、212,2011. 2 Huang Jianling, Chen Bozheng, An optimal algorithm of edge detection based on Canny, Computer Simulation, vol. 27, pp. 252-255,2010. 3 Wang Lan, Wu Jin, An improved Canny edge detection algorithm, Microcomputer Information, vol. 26, pp. 198-199,2010. 4 Liang Dequn, Yang Wanhai, Performan

17、ce Comparison for Canny Operator and Spline Wavelet Operator in Edge Detection, Journal of China Institute of Communications, vol. 20, pp. 47-51,1999. 5 John Canny, A computational approach to edge detection, IEEE Transaction on Pattern Analysis and Machine Intelligence, vol. 8, pp. 679-698,1986. 6 Xue Lanyan, Pan Jianjia, Edge detection combining wavelet transform and Canny operator based on fusion rules, Proceedings of the 2009 International Conference on Wavelet Analysis and Pattern Recognition, pp. 324-328,2009. 7 Deng Guang, J