資源描述：
《基于均值梯度的脈沖噪聲圖像邊緣檢測(cè)算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于均值梯度的脈沖噪聲圖像邊緣檢測(cè)算法沈德海，侯建，鄂旭，張龍昌渤海大學(xué)信息科學(xué)與技術(shù)學(xué)院，遼寧錦州121013摘要：為丫冇效地檢測(cè)出受脈沖噪聲污染閿像的邊緣，提出丫一種S于均值梯度的閣像邊緣檢測(cè)算法。算法將檢測(cè)臠門根裾水平和垂直方向分成上、下、左、右四個(gè)不同區(qū)域，先計(jì)算每個(gè)區(qū)域內(nèi)非噪聲點(diǎn)的平均灰度值，然后利用這些值的差分計(jì)算圖像梯度，得出梯度圖像，最后對(duì)梯度圖像采用了改進(jìn)的非極人值抑制方法對(duì)梯度圖像進(jìn)行細(xì)化并提取邊緣。實(shí)驗(yàn)結(jié)果表明，木文算法能夠較好地檢測(cè)出受較高密度脈沖噪聲干擾的圖像邊緣，而且邊緣較細(xì)，效果明顯優(yōu)于傳統(tǒng)Sobel算法，其有較強(qiáng)的實(shí)川性。關(guān)鍵詞：邊緣檢測(cè)；脈沖噪聲；均值梯
2、度；非極大值抑制中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：EdgeDetectionAlgorithmBasedonMeanGradientForImpulseNoiseImageSHENDe-hai,HOUJian，EXu,ZHANGLong-changCollegeofInformationScienceandTechnology，BohaiUniversity,Jinzhou，Liaoning121013,ChinaAbstract:Inordertodetecttheedgeofimagepollutedbyimpulsenoise，proposedanedgedete
3、ctionalgorithmbasedonmeangradient.Thealgorithmdividedthedetectionwindowintoup，down，leftandrightdifferentareasaccordingtothehorizontalandverticaldirections，first，calculatestheaveragevalueofnonnoisepixelsineveryarea，thencalculatestheimagegradientwiththesemeandifference，getsthegradientimage,finally，
4、usesimprovenon-maximumsuppressiontorefinegradientimageandextracttheimageedge.Experimentsshowthattheimprovedalgorithmcandetecttheedgeofimagepollutedbyhigherdensityimpulsenoise，andtheedgeisthin，theeffectsarebetterthantraditionalSobelalgorithm，andwithstrongerpracticality.Keywords:Edgedetection;impul
5、senoise;Meangradient;Non-maximumsuppression0引言邊緣是圖像中目標(biāo)與背景的分界線，灰度值變化最為顯著。圖像邊緣是圖像的最基本特征之一，包含了許多重要的信息，是圖像識(shí)別、圖像分割和圖像理解的重要依據(jù)m。邊緣檢測(cè)就是將圖像不同區(qū)域的邊界進(jìn)行確定并提取出來，其效果的好壞直接影響后續(xù)圖像處理的精度和性能。巾于數(shù)字圖像在獲取和傳輸過程屮可能受到各種因素的影響而產(chǎn)生噪聲，進(jìn)而影響到閣像邊緣檢測(cè)的效果，直接影響到閣像的后續(xù)處理工作。因此，在檢測(cè)圖像邊緣的同時(shí)如何有效地抑制噪聲一直是圖像處理領(lǐng)域研究的熱點(diǎn)之一。傳統(tǒng)的邊緣檢測(cè)算法如Roberts算子【21、Sob
6、el算子［31、Prewitt算子［41、LoG算子【51、Canny算子［61及Kirsch算子等，它們主要是基于圖像強(qiáng)度的一階或二階導(dǎo)數(shù)的計(jì)算，算法簡(jiǎn)單，但對(duì)噪聲比較敏感。近年來，一些基于新理論的算法被提了出來，如數(shù)學(xué)形態(tài)學(xué)算法
7、71、小波算法181、祌經(jīng)網(wǎng)絡(luò)算法191及遺傳算法1101等，這些邊緣檢測(cè)算法在噪聲抑制性能上有了一定的提島，但也各自的存在著算法復(fù)雜、普適性差及實(shí)時(shí)性差等問題。本文借鑒傳統(tǒng)邊緣檢測(cè)算法的梯度計(jì)算原理，提出了一種基于均值梯度的邊緣檢測(cè)算法，并采用改進(jìn)的非極大值抑制方法對(duì)梯度圖像進(jìn)行細(xì)化，算法對(duì)不同程度污染的脈沖噪聲干擾圖像具有良好的抑噪性能，并能較好地檢測(cè)出
8、圖像的邊緣。1基于梯度的邊緣檢測(cè)原理傳統(tǒng)邊緣檢測(cè)算法都是基于梯度算子的，梯度算子就是一階導(dǎo)數(shù)算子。閣像的邊緣具有方叫和幅度兩個(gè)基本屬性，沿著邊緣方向，像素灰度值變化平緩，而沿著垂直邊緣的方向，像素灰度值變化劇烈，在此方向上，像素點(diǎn)的一階導(dǎo)數(shù)具有最大值。當(dāng)圖像噪聲污染較小吋，梯度算子檢測(cè)的圖像邊緣效果良好。設(shè)./U，y）為連續(xù)數(shù)字圖像函數(shù)，則其梯度可以表示為如下的一個(gè)矢量。式a）G.jnGv分別為X和y的一階導(dǎo)數(shù)，表示點(diǎn)（x，y）水平
