孙砚飞,常晓刚,李东兴,张华强,马良慧
(山东理工大学 机械工程学院, 山东 淄博 255049)
基于自适应Canny的红外图像边缘检测算法
孙砚飞,常晓刚,李东兴,张华强,马良慧
(山东理工大学 机械工程学院, 山东 淄博 255049)
针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.
红外图像;边缘检测;自适应中值滤波;Otsu算法;Canny算法
红外成像技术具有全天候、探测距离远、非接触等特点,在军事和民用领域得到了普遍的应用[1].边缘提取是红外图像处理的重要组成部分,其准确性会直接影响图像解译的质量[2].红外图像存在噪声大、边缘模糊等缺点[3],更增加了边缘检测的难度[4].
常用的边缘检测算子有Sobel、Prewitt、Kirsch、Laplacian等,这些算子算法简单且检测速度较快[5],但对噪声比较敏感[6],而真边缘因为噪声的干扰可能被漏检.Canny算子由Canny J提出[7],传统Canny算子是根据最优化思想得出的边缘检测算子,可是在实际应用中存在一定的局限性,高斯方差值和双阈值的选取不具有自适应性[8].Otsu算法由学者Otsu N提出[9],是根据最小二乘原理得出的,可以自动选取阈值.本文提出一种基于自适应Canny的红外图像边缘检测算法.
传统的Canny算法包括以下4个步骤:(1)对图像高斯滤波;(2)计算去噪后图像的梯度幅值和方向;(3)对梯度的幅值在相应邻域内进行非极大值抑制;(4)设定高低阈值去除假边缘和连接真边缘[10].
Canny算子采用二维高斯函数G(x,y)和原始图像f(x,y)作卷积,获取去噪图像H(x,y)[11],二维高斯函数G(x,y)和去噪图像H(x,y)分别为:
(1)
(2)
式中:σ为二维高斯函数的标准差;“*”是卷积运算符号.
高斯滤波中σ值往往根据经验人工设定.σ越小,偏离中心的所有像素权重越小,去噪效果越差,细节保留比较好;σ越大,偏离中心的所有像素权重越大,去噪效果更好,细节信息可能丢失越多.σ的人工设定,导致图像平滑去噪与保留细节信息之间存在矛盾.
Canny算子中双阈值的选取通常依靠经验或者实验的方法,得到一个固定值.但这种固定阈值仅适用于特定图像,对灰度分布有较大变化的图像,需要重新设定阈值.
2.1 自适应中值滤波
传统Canny算子的第一步是对图像进行高斯滤波,本文算法采取自适应中值滤波对其进行改进.假设一幅M×N的图像,g(x,y)为像素点(x,y)的灰度值,r为当前滤波半径,R为最大滤波半径,通常取10,Imin、Imed和Imax分别为当前滤波半径图像灰度的最小值、中值和最大值.
自适应中值滤波具体步骤如下:
(1)初始滤波半径r为1.
(2)计算当前滤波半径图像灰度的Imin、Imax、Imed.
(3)如果Imin (4)如果1 (5)如果Imin 2.2 计算梯度的幅值和方向 设K(x,y)为自适应中值滤波后的图像,计算K(x,y)梯度的幅值和方向. (3) (4) 式中Kx(x,y)、Ky(x,y)分别为图像K(x,y)在x、y方向的梯度分量. (5) 式中L(x,y)为梯度幅值. (6) 式中θ(x,y)为梯度方向. 2.3 在3×3邻域内进行非极大值抑制 对K(x,y)内的所有像素点用一个3×3的邻域作矩阵计算,如果邻域中心点像素的L(x,y)比梯度方向上相邻两个点的幅值都大,则将当前邻域的中心点记为边缘点的可能点,否则当前邻域的中心点为非边缘点,赋值为0. 2.4 自适应高低阈值算法 本文采用Otsu算法,将非极大值抑制后的图像分为前景区域和背景区域两类,使这两类的类间方差最大,从而获得最佳区域分割阈值. 假设图像中灰度为ni,灰度范围是[0,255],总像素数目是N,各个灰度值概率为pi=ni/N。把图像中的像素用阈值T分为两类,前景C0=[0,T-1]和背景C1=[T,255],则C0和C1产生概率分别为: (7) (8) 对应的平均灰度分别为: (9) (10) 整幅图像的平均灰度 (11) 则两个区域的总方差为 (12) 在[0,255]内阈值T从小到大依次取值,使σ2最大的T值就是高阈值Th,令低阈值Tl=Th/2,使用高低阈值算法检测、连接边缘,获得红外边缘检测图像.算法流程图如图1所示. 图1 算法流程图 本文选用3幅不同目标的红外探测图像,分别使用传统Canny算法和本文算法进行实验. 传统Canny算法和本文算法的边缘检测结果如图2所示,图2(a)、2(d)、2(g)为3幅不同目标的红外探测图像,图2(b)、2(e)、2(h)分别为传统Canny算法相应的边缘检测结果,图2(c)、2(f)、2(i)分别为本文算法相应的边缘检测结果.由图2可知,传统Canny算法对红外图像的去噪效果比较差,检测出较多的假边缘,目标边缘淹没在背景噪声中,影响目标识别.本文算法降低了红外图像的噪声,减少了假边缘,目标边缘定位比较准确,目标边缘比较清楚完整. 本文所用的评价指标为均方误差MSE(Mean Square Error)、峰值信噪比PSNR (Peak Signal to Noise Ratio)和平均结构相似度MSSIM(Mean Structural Similarity). 式中:f(x,y)是原始图像;f1(x,y)为输出图像;M×N为图像尺寸;PSNR单位为dB. 传统Canny算法和本文算法的MSE和PSNR值见表1.由表1可知,本文算法与传统Canny算法对比降低了均方误差,提高了峰值信噪比. (a) (b) (c) (d) (e) (f) (g) (h) (i) 图2 传统Canny算法和本文算法的边缘检测结果 表1 传统Canny算法和本文算法的MSE和PSNR值 红外图像Canny算法MSE本文算法MSECanny算法PSNR/dB本文算法PSNR/dB图2(a)3068.42339.113.314.4图2(d)2443.01259.914.317.1图2(g)6114.65193.010.311.0 结构相似度SSIM(Structural Similarity)综合考虑了亮度、对比度、结构因素,根据图像的灰度均值、方差和协方差,度量边缘的完好性和定位精准性.两幅图像A、B的结构相似度为[12] 式中:μA、μB分别为图像A、B的灰度平均值;σA、σB分别是图像A、B的方差;σAB是图像A、B的协方差.c1=(k1L)2、c2=(k2L)2是用来维持稳定的常数,L是像素值的动态范围,一般k1=0.01,k2=0.03,L=255. 通常将两图像分为N块子图并计算对应子图的相似度指标SSIM[13],所有子图的SSIM均值为平均结构相似度MSSIM(Mean Structural Similarity),即 式中aj、bj分别为图像A、B中的第j块子图. 传统Canny算法和本文算法每列SSIM的均值对比曲线如图3所示,图3(a)、3(b)、3(c)分别对应图2(a)、2(d)、2(g).由图3可知,本文算法边缘检测图像的每列SSIM的均值,高于传统Canny算法边缘检测图像的相应值. (a) (b) (c)图3 传统Canny算法和本文算法每列SSIM的均值对比曲线图 传统Canny算法和本文算法的MSSIM值如表2所示.由表2可以看出,本文算法与传统Canny算法相比增大了平均结构相似度. 表2 传统Canny算法和本文算法的MSSIM值 红外图像Canny算法MSSIM本文算法MSSIM图2(a)0.96950.9772图2(d)0.97550.9838图2(g)0.95330.9617 本文提出了一种基于自适应Canny的红外图像边缘检测算法,对于传统Canny算法人工设定高斯方差值和双阈值的问题,选取了自适应中值滤波方法和Otsu算法,自适应能力较强,可以获得较好的红外图像边缘检测效果.本文对3幅不同目标的红外图像进行实验,结果表明,与传统Canny算法相比,本文算法有效降低了均方误差,提高了峰值信噪比,增大了平均结构相似度.本文算法可以应用于红外图像的目标检测、识别等相关领域,但仍需进一步改进. [1]岳改丽, 王栋, 杨蕊. 几种边缘检测算子在红外图像处理方面应用研究[J]. 西安科技大学学报, 2012, 32(4):500-504. [2]夏清, 胡振琪, 许立江, 等. 一种改进Sobel算子的热红外影像边缘检测方法[J]. 红外技术, 2015(6):462-466. [3]郭慧鑫, 牛竹云, 郭会兵, 等. 一种基于Canny算子的红外图像边缘检测算法[J]. 火力与指挥控制, 2014(S1):95-97. [4]CHAIRA T. A rank ordered filter for medical image edge enhancement and detection using intuitionistic fuzzy set[J]. Applied Soft Computing, 2012, 12(4):1 259-1 266. [5]申俊琦, 胡绳荪, 冯胜强, 等. 基于数学形态学的焊缝图像边缘提取[J]. 天津大学学报(自然科学与工程技术版), 2010, 43(4):373-377. [6]胡刚毅, 秦明明, 荣剑. 一种用于森林红外图像动物边缘检测算法[J]. 红外技术, 2016, 38(8):709-713. [7]CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1986, 8(6):679-698. [8]许宏科, 秦严严, 陈会茹. 一种基于改进Canny的边缘检测算法[J]. 红外技术, 2014, 36(3):210-214. [9]OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems Man and Cybernetics, 1979, 9(1):62-66. [10]吴翔, 于微波, 马艳辉,等. 一种新的改进Canny图像边缘检测算法[J]. 影像科学与光化学, 2016, 34(1):116-121. [11]李健, 李赫宇, 姚汝婧,等. 基于均值滤波的改进Canny算法在核磁共振图像边缘检测中的应用[J]. 吉林大学学报(工学版),2016, 46(5):170 4-170 9. [12]WANG Z, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13(4):600-612. [13]磨少清. 边缘检测及其评价方法的研究[D]. 天津:天津大学, 2011, 33-34. (编辑:郝秀清) Infrared image edge detection algorithm based on adaptive Canny SUN Yan-fei, CHANG Xiao-gang,LI Dong-xing,ZHANG Hua-qiang,MA Liang-hui (School of Mechanical Engineering,Shandong University of Technology,Zibo 255049,China) The gaussian variance and double-threshold should be determined artificially, meanwhile, aiming at defects of infrared image with high noise and fuzzy edge, an infrared image edge detection algorithm is proposed based on adaptive Canny. Firstly, adaptive median filter is used to replace gaussian filter. Secondly, the amplitude and direction of the gradient is computed. And then, non-maximum suppression is used to process the gradient magnitude in the 3×3 neighborhood. Finally, Otsu algorithm is adopted to get high and low thresholds adaptively according to the gray, and image edge is detected and connected by high and low thresholds algorithm. The experimental results show that the mean square error (MSE) is decreased, the peak signal to noise ratio (PSNR) and the mean structural similarity (MSSIM) are simultaneously increased, and then edge of the infrared image is extracted effectively. infrared image;edge detection;adaptive median filter;Otsu algorithm;Canny algorithm 2017-04-01 国家自然科学基金项目(61302162);山东省自然科学基金项目(ZR2014JL027,ZR2015FL012) 孙砚飞,女,lostrice@163.com; 通信作者:李东兴,男,lidongxin_1@163.com 1672-6197(2017)06-0018-04 TP391 A3 实验结果与分析
4 结束语