改进Laplace的无人机图像边缘检测算法的研究

罗钦文 苟亦明 王帅杰 管京龙 陈祺

摘要：本文针对一般边缘算法无法有效检测产生较大波动的图像灰度的阈值这一现状，提出了BRGB-Alaplace这一新算法，通过分别对比BRGB-Alaplace算法与传统算法对图像的预处理成果，分析研究二者分别的优势与缺陷，并根据研究结果做进一步探讨。

关键词：图像灰度;Laplace;无人机图像;边缘检测算法

如薛宾田等提出基于LBP（LocalBinaryPatterns）纹理特征和Canny算子的视频分割算法，并采用RANSAC进行拟合，计算机视觉领域的研究主体近几年不断向图像的数字处理方面靠拢，诸多专家对数字图像处理进行深度发掘和研究，如薛宾田等提出基于LBP（LocalBinaryPatterns）纹理特征和Canny算子的视频分割算法，这一算法的主要优势在于对光线交界处具有明暗对比变化的颜色处理;马玛双等人对具有强烈光照对比和多重光照影响的道路两侧的光照进行检测研究，探究出与道路边缘检测算法结合的能够对干扰光照进行有效特征提取的提取器，提取器工作的第一步主要在于提取器特制的过滤波网能够增强图像的画面强度，有效的减少声波等其他污染波的干扰;再利用模糊联动的计算方法，将道路边缘根据道路环境特征进行远近分组，利用RANSAC开展拟合，这一算法在环环相扣的计算过程的基础上，保证了计算结果的准确性和高效性。

1 Laplace边缘检测算法及其原理

边缘检测算法主要就是对图像的边缘信息进行检测采集，采集得到的图像画面通常是黑白色，黑白两色分别代表边缘颜色深浅，边缘实际上的构成是告诉运动的灰度的点。Laplace边缘检测法是数据处理领域中常用的二阶微分算法与图像边缘检测算法的结合运用，与一数处理领域的二阶微分算法不同，Laplace边缘检测算法的基本特征是边缘本身，图像边缘检测主要检测对象就是图像目标主体和图像背景环境，利用相关算法进行分析贮存，主要检测过程可以简单归类出以下几个步骤：图像提取、图像分析、边界检测、边界重构。Laplace边缘变换通俗来讲就是对图像进行锐化处理，增强图像明暗色差和细节展现，使图像更清晰化。由于一般情况下利用函数图像变换展现图像的灰度变化，因此可以利用相关的图像微观处理技术实现图像边缘提取算法的顺利开展。图像边缘提取展现了图像的主要位置特征，且不会受灰度变换的影响，因此通常采用边缘提取作为图像匹配的主要辨识物。

2 改进Laplace的无人机图像边缘检测算法——BRGB-ALaplace算法

2.1原理介绍

BRGB-ALaplace（Advanced Laplace based on RGB）是Laplace的改进的算法，其本质上和Canny边缘检测算法相差不大，属于多层次的检测算法之一，这一算法产生进行的基础Laplace边缘检测算法对图像的清晰化，然后通过对图像进行处理，处理的过程需要采用高斯平滑滤波和普拉斯算子这两种技术，最终才能达到归化处理的基本要求，最后重新分组处理分量。通过这种算法进行检测后，最终的图像能够有效在保证灰度呈现效果的同时其细节詳细也可以得到相对完善的保留。

2.2 RGB-ALaplace 算法实验结果与目视评价分析

第一，改进算法能够保留Laplace算法的优势，如噪点辨识敏感度，摒弃传统算法的缺点，不仅对邻域中心比较系数t进行分段，将0.5和1作为零界点，而且还对中心区域的图像也按照特征进行分组，进而可以在减少噪点污染同时又能有效提取优质信息画面，提高边缘检测的准确度，与传统算法相比Laplace算法显然更具优势。

第二，BRGB-ALaplace;算法与传统算法相比它的主要优势主要体现在图像边缘检测的精确率方面，Roberts算法对图像信息的处理可以实时的对其边缘检测情况进行反馈，很大效率的提升了边缘检测效率和精准度，Prewitt算子在噪声抑制上效果更佳;Canny算法的优势在于它对于图像边缘画面的处理更加细致，对于画面的位置定义也相对准确，改进得到的 BRGB-ALaplace 算法它的运算原理和Laplace 算法的差距不大，最大的区别就是多层次检测算法上，分别基于RGB3个相位分量方向进行拉普拉斯模板锐化拉伸，对实验结果的对比分析可以发现，经过处理的图像边缘响应更灵敏，且具备一定的辨识度，通过处理分析检测的画面纹理可以实现事物的基础性定位。

第三，BRGB-ALaplace算法和传统边缘检测算法分别对画面进行分析检测并对比结果，实验图像分别采用了城区房屋图像与乡镇房屋图像，并对两种图像分别进行留噪和去噪的处理，实验结果清晰展现出在保留了同样的噪点的两种不同画面中，经典算法往往因为认为因素，导致画面处理效果不佳，其中椒盐噪声是最主要的影响因素。而改良的算法其结构更加稳定，不会因为人为因素导致画面出现偏差。再加上改进的算法鲁棒性较好，整体来说改进算法的运算效果更佳。

3总结

改进算法所得到的 BRGB-ALaplace 本文的研究是以图像的整体处理过程为主体进行的。即首先对图像进行高斯滤波器的初步处理，进而用改良后的更高效的算法对图像进行边缘检测计算，得到图像的边缘位置信息。经过改良的得到的BRGB-ALaplace算法与传统算法和未改良算法相比，它的计算处理结果更精准、高效，图像边缘响应更灵敏，且具备一定的辨识度，通过处理分析检测的画面纹理可以实现事物的基础性定位。

参考文献

[1]彭土有，吴洁，彭俊.拉普拉斯边缘检测算法的改进及其在探地雷达中的应用[J].现代雷达，2020（8）：41-45.

[2]代文征，杨勇.基于改进高斯—拉普拉斯算子的噪声图像边缘检测方法[J].计算机应用研究，2019，036（008）：2544-2547，2555.

[3]黄玉蕾.基于形态学滤波结合LOG算法的边缘检测[J].计算机测量与控制，2019，027（007）：257-260，284.

项目资助：北京工业大学“国家级大学生创新创业训练计划”GJDC-2021-01-23