基于同化核分割相同值区域特征融合的边缘检测

›› 2012, Vol. ›› Issue (03): 759-765.

基于同化核分割相同值区域特征融合的边缘检测

曲智国¹, 王平¹, 高颖慧¹, 王鹏¹, 沈振康¹, 李江²

1. 国防科学技术大学 ATR国防科技重点实验室, 长沙 410073;
2. 中国人民解放军95028部队装备处, 武汉 430079

收稿日期:2011-03-20 出版日期:2012-05-01
基金资助:
国家自然科学基金项目(61103082);国防预研基金项目(9140A010107KG01).

Edge detection based on feature fusion of USAN area

QU Zhi-guo¹, WANG Ping¹, GAO Ying-hui¹, WANG Peng¹, SHEN Zhen-kang¹, LI Jiang²

1. National Key Laboratory of ATR, National University of Defense Technology, Changsha 410073, China;
2. Department of Equipment, Unit 95028 of PLA, Wuhan 430079, China

Received:2011-03-20 Online:2012-05-01

摘要/Abstract

摘要： 针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimilating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。

关键词: 信息处理技术, 边缘检测, 特征融合, 边缘算子

Abstract: The Smallest Univalue Segment Assimilating Nucleus (SUSAN) edge detector is prone to false-edge problem in noisy environment since it only utilizes the size of USAN area. To solve this problem, a novel edge detector based on feature fusion of the USAN area is proposed, which is called FUSAN edge detector. First, the FUSAN edge detector finds candidate edge points using the size information of USAN area. Then, directly and indirectly using the shape information of USAN area, the FUSAN edge detector computes two edge responses. Finally, the two responses are fused using simple strategies to get the final edge response. Comparing to SUSAN edge detector, FUSAN edge detector utilizes both the size and shape information of USAN area. Synthetic and Cameraman images are used to evaluate the performance of FUSAN edge detector. Experimental results show that FUSAN edge detector outperforms SUSAN edge detector.

Key words: information processing, edge detection, feature fusion, edge detector

中图分类号:

TN911.73

曲智国, 王平, 高颖慧, 王鹏, 沈振康, 李江. 基于同化核分割相同值区域特征融合的边缘检测 [J]. , 2012, (03): 759-765.

QU Zhi-guo, WANG Ping, GAO Ying-hui, WANG Peng, SHEN Zhen-kang, LI Jiang. Edge detection based on feature fusion of USAN area[J]. , 2012, (03): 759-765.

参考文献

[1] 冈萨雷斯. 数字图像处理(第二版)［M］. 阮秋琦译. 北京:电子工业出版社,2003:465-474.
[2] Canny J. A computational approach to edge detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698.
[3] 刘涵, 郭勇, 郑岗, 等. 基于最小二乘支持向量机的图像边缘检测研究［J］. 电子学报,2006,34(7):1275-1279. Liu Han, Guo Yong, Zheng Gang, et al. Edge detection based on least squares support vector machine［J］. Acta Electronica Sinica, 2006,34(7):1275-1279.
[4] 连静,王珂,吕智莹. 基于B样条小波的自适应阈值多尺度边缘检测［J］. 吉林大学学报:工学版,2005,35(5):542-546. Lian Jing, Wang Ke, Lü Zhi-ying. Adaptive thresholds multi-scale edge detection based on B-spline wavelet［J］. Journal of Jilin University (Engineering and Technology Edition), 2005,35(5):542-546.
[5] Smith S M,Brady J M. SUSAN-a new approach to low level image processing［J］. International Journal of Computer Vision, 1997,23(1):45-78.
[6] Ewaryst R. SUSAN edge detector reinterpreted, simplified and modified［C］//2007 Int Workshop on Multidimensional Systems, Aveiro,2007:69-74.
[7] Abdou I E, Pratt W K. Quantitative design and evaluation of enhancement thresholding edge detectors［J］. Proc IEEE,1979,67(5):753-763.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed