王嘉俊 段先華

摘 ?要： 基于邊緣特征的提取方法被廣泛應用于水面目標識別當中。針對傳統(tǒng)方法抗噪性較差且易誤判和漏判的缺點，文章對 Canny 算法進行了改進，基于Canny邊緣檢測思想，采用雙邊濾波，以及通過 Sobel 算子計算梯度幅值方向，并在梯度非極大值抑制過程中，將極大值點作為候選邊緣點，將極大值二次刷選，保留8鄰域內(nèi)候選邊緣點不相鄰的非極大值點，最后利用 Otsu 計算圖像高低閾值。結(jié)果證明，該方法能更準確的檢測邊緣信息，且具備較強的自適應性。

關鍵詞： 邊緣檢測; Canny算法; 雙邊濾波; 非極大值抑制; Otsu

中圖分類號：TP311 ? ? ? ? ?文獻標識碼：A ? ?文章編號：1006-8228（2020）01-35-04

Abstract： The edge feature based extraction method is widely used in water surface target recognition. Aiming at the disadvantages of traditional methods such as poor noise resistance and easy misjudgment and missed judgment， this paper makes the Canny algorithm improved. By using bilateral filtering， and using Sobel operator to calculate the gradient amplitude direction， and in the gradient non-maximum value suppression process， the maximum value point is used as the candidate edge point， and the maximum value is twice selected， leaving 8 neighbors. The non-maximal points of the candidate edge points in the domain are not adjacent， and finally the Otsu is used to calculate the image high and low thresholds. The result proves that the method can detect edge information more accurately and has strong adaptability.

Key words： edge detection; Canny algorithm; bilateral filtering; non-maximum value suppression; Otsu

0 引言

邊緣檢測是圖像處理中一種用于識別灰度圖像中亮度變化明顯的界限、剔除無關信息、保留圖像整體結(jié)構(gòu)屬性的方法[1]。檢測結(jié)果的好壞對深層次的圖像特征提取、圖像分割和圖像識別等會產(chǎn)生較為重大的影響，因而在機器視覺、模式識別、人工智能等諸多計算機前沿領域舉足輕重。例如可以對交通標線和路標自動識別及定位;對醫(yī)學圖像進行分割，以便更直觀、清晰地對圖像進行診斷;能夠?qū)\動目標檢測與跟蹤，以及人臉識別與指紋識別等[2-6]。

目前，傳統(tǒng)的邊緣提取算子大致分為兩類：一階差分邊緣檢測算子和二階微分邊緣檢測算子。常用的一階差分邊緣檢測算子主要包括Sobel算子、Prewitt算子和Roberts算子。二階微分邊緣檢測算子要有LoG算子、Laplace算子等，但兩類算子都是在像素點鄰近區(qū)域內(nèi)進行計算，對噪聲較為敏感，邊緣定位不夠準確，使其在實際工程中檢測效果并不理想。因此，Canny于1986年提出Canny邊緣檢測算法，并獲得了廣泛應用。

1 傳統(tǒng)Canny邊緣檢測算法

1.1 傳統(tǒng)Canny邊緣檢測算法步驟

⑵ 計算梯度的幅值和方向。選用合適的梯度算子計算降噪后影像各像素點的梯度大小方向。

⑶ 非極大值抑制。在當前像素點的鄰域內(nèi)，通過比較該點的梯度幅值，若大于沿梯度方向上相鄰兩個像素點灰度值的梯度幅值，那么判斷該點是可能的邊緣點，否則判斷該點為非邊緣點[9-10]。

⑷ 用雙閾值算法檢測和連接邊緣。經(jīng)非極大值抑制得到的結(jié)果，仍存在許多噪聲和假邊緣，需要進一步閾值處理，以消除假邊緣。通常的做法是確定一個高閾值[Th]和一個低閾值[Tb]，如果邊緣像素點梯度值大于高閾值，則被認為是強邊緣點;如果邊緣梯度值小于高閾值，大于低閾值，則標記為弱邊緣點;小于低閾值的點則被抑制掉[11-12]。

1.2 傳統(tǒng)算法的缺陷

數(shù)字圖像在處理前需要進行高斯濾波，在此過程中，方差σ的取值要求人為設定，但人為設定σ時，在濾除噪聲與保護邊緣信息方面存在一定局限性，兩者效果不能兼顧。并且使用2×2領域一階偏導有限差分計算梯度時，由于導數(shù)計算對噪聲非常敏感，從兩個方向?qū)D像進行邊緣檢測，容易出現(xiàn)偽邊緣和漏檢現(xiàn)象。同時，傳統(tǒng)canny算法通過人為設定高、低閾值，通過與閾值比較確定圖像的邊緣，這種方法主觀性較強，而且費時費力，若設置的閾值上界過小會出現(xiàn)大量的偽邊緣，過小則出現(xiàn)漏檢現(xiàn)象。而設置過大的閾值下界會出現(xiàn)漏檢現(xiàn)象，過小會出現(xiàn)較多的誤檢。

2 改進的Canny邊緣檢測算法

本文針對上述缺陷提出一種改進的Canny邊緣檢測算法，在對水面目標去噪時盡可能保留邊緣信息并增強自適應性。

2.1 雙邊濾波

雙邊濾波[13]是一種非線性的濾波方法，它結(jié)合了圖像的空間鄰近性和像素值的相似性，并考慮了空間信息和灰度的相似性，從而達到了保留邊緣和去噪的目的。它比高斯濾波器多了1個高斯方差sigma-d，其基于高斯濾波函數(shù)的空間分布，所以在邊緣附近，距離較遠的像素不會過多影響到邊緣上的像素值，這樣就確保了邊緣附近像素值的保存。雙邊濾波的像素輸出值取決于鄰域像素值的加權組合，即：

由于水面目標受水波、場景等變化因素的影響，易產(chǎn)生大量噪聲，因而進行了改進：將梯度幅值極大值點進行保留并作為候選邊緣點;若某個像素點梯度幅值小于梯度方向上與其兩個臨近插值點，則對其抑制;若某像素點梯度幅值僅大于與其臨近插值點兩個中的一個時，則搜尋該像素點在邊緣圖中與其8鄰域內(nèi)是否有候選邊緣點存在并判斷其連續(xù)性，如果鄰域存在候選邊緣點并且不連續(xù)，則可以判定該像素點是被抑制的邊緣點，將其標記為候選邊緣點;否則，判定該點為非邊緣點。

3 實驗與分析

本文分別通過直接調(diào)用傳統(tǒng)Canny算法與改進Canny算法進行了大量實驗，驗證本文改進算法準確性和可行性，最后從眾多實驗結(jié)果中選取三幅圖，分別從單一船只、多艘船只和復雜場景下的船只三個方面進行了算法分析。

傳統(tǒng)算法與本文改進算法的實驗結(jié)果對比如圖3—圖5所示。

4 結(jié)束語

本文通過對傳統(tǒng)Canny算子對水面目標邊緣檢測進行分析，指出了傳統(tǒng)Canny算子在濾波去噪和閾值確定方面的不足，并加以改進，使用雙邊濾波去噪代替?zhèn)鹘y(tǒng)的高斯濾波去噪，利用Sobel算法進行梯度計算，并進行非極大值抑制處理，在梯度非極大值抑制過程中，將極大值點作為候選邊緣點，對極大值進行二次刷選，最后通過Otsu計算高低閾值進行最終的邊緣檢測。本文改進后的算法與傳統(tǒng)算法相比，運行結(jié)果中假邊緣數(shù)量明顯減少，邊緣位置能準確地確定，算法去噪效果提高，因此本文的改進算法在邊緣檢測方面可行且有效。

參考文獻（References）：

[1] 李弼程，彭天強，彭波，等.智能圖像處理技術[M].北京：電子工業(yè)出版社，2004：153-155

[2] 段軍，張博.改進的Canny算子邊緣檢測算法研究[J].軟件導刊，2018.17（10）：72-75

[3] 徐亮，魏銳.基于Canny算子的圖像邊緣檢測優(yōu)化算法[J].科技通報，2013.7：127-131

[4] 宋召青，鄭蘇，李志成.基于邊緣檢測與最小二乘支持向量機的人臉圖像識別[J].海軍航空工程學院學報，2010.25（5）：518-522

[5] 龍順宇，朱星.基于ARM構(gòu)建Sobel邊緣檢測算子的指紋識別系統(tǒng)實現(xiàn)[J].物聯(lián)網(wǎng)技術，2013.12：25-27

[6] 賀超宇，鄭紫微.基于改進的Vibe和Canny邊緣檢測算法的運動目標檢測[J].數(shù)據(jù)通信，2018.2：32-36

[7] 徐燦，張秋菊.基于改進Canny算子的葵花籽邊緣檢測方法[J].食品與機械，2015.31（5）：36-38

[8] 陳燕龍，祝成虎.基于Canny算子的邊緣檢測改進算法[J].計算機應用與軟件，2008.25（8）：51-53

[9] 孫硯飛，常曉剛，李東興，等.基于自適應Canny的紅外圖像邊緣檢測算法[J].山東理工大學學報，2017.31（6）：18-21

[10] 葉德周，楊風健，貌程浩，等.基于Canny算子的紅外影像邊緣檢測算法[J].激光與紅外，2015.45（9）：1129-1132

[11] 辛玉欣，王傳洋.一種基于Canny算子的圖像邊緣檢測方法[J].信息與電腦（理論版），2017.18：37-38

[12] 史久根，張亞.一種改進的自適應Canny算子邊緣檢測算法[C].中國儀器儀表與測控技術大會.2011.

[13] Elad M.On the origin of the bilateral filter and ways to improve it[J].IEEE Transactions on Image Processing，2002.11（10）：1141.

[14] Jie G，Ning L.An Improved Adaptive Threshold Canny Edge Detection Algorithm[C].International Conference on Computer Science & Electronics Engineering.2012.

[15] Wang B，F(xiàn)an S S.An improved Canny edge detection algorithm[C].International Workshop on Computer Science and Engineering.IEEE，2010：497-500

[16] Zhou P，Ye W J，Xia Y J，etal.An improved Canny algorithm for edge detection[J].Journal of Computational Information Systems，2011.75（5）：1516-1523