理工论文基于指纹图像边缘检测算法的比较研究.doc

基于指纹图像边缘检测算法的比较研究 基于指纹图像边缘检测算法的比较研究是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于指纹图像边缘检测算法的比较研究是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于指纹图像边缘检测算法的比较研究的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。摘要：文章介绍了四种常用的图像边缘检测算子,通过对指纹图像边缘检测的几种不同算子结果的比较,分析了它们各自的特点,它们各自有其优缺点,在实践中应根据待解决问题的特点和要求决定采用何种方法。关键词：边缘检测；指纹图像；图像处理1引言边缘检测是图像处理领域的重要内容,是进行模式识别和图像信息提取的基本手段。一方面，图像的边缘往往对应于生成图像的物理世界中对象的重要特征，也是图像分割所依赖的重要特征；另一方面，边缘检测使图像处理的数据量大大减少，有利于后续的特征提出和模式识别，因此对边缘检测算法的研究得到了广泛的关注。本文将介绍四种常用的边缘检测算法,并对其进行了讨论与比较。图像的边缘是图像的基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛地存在于物体与背景之间、物体与物体之间、基元与基元之间。它的存在是灰度不连续造成的。我们知道，即使很简单的景物中也包含着大量的细节，在图像中表现为强度的非连续性。边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础,是图像识别中提取图像特征的一个重要内容。图像理解和分析的第一步往往就是边缘检测,目前它已成为机器视觉研究领域最活跃的课题之一,在工程应用中占有十分重要的地位。由于边缘检测的重要性,人们提出了许多适用于不同场合的边缘检测算法。然而,在实际图像处理中,精确检测边缘具有相当的难度。对于自然图像,检测的主要困难在于这些变化发生在一个很宽的尺度范围内。如果分别地看每个图像的像素,就会发现像素之间的灰度级在变化。实际图像中的大多数边缘是锐边,其灰度变化是由少量像素的陡变组成。还有一些边缘是模糊的,其对应的灰度变化是大量的像素值缓慢改变引起的,这些不同类型的灰度变化在图像中是不可分的。因此仅用一个算子不可能对检测不同程度的灰度变化都是最适合的。于是人们开始研究使用不同尺寸的算子。2边缘检测算法物体的边缘是由灰度的不连续性所反映的。经典的边缘检测方法是考察图像的每个像素的某个邻域内灰度的变化，利用边缘邻近一阶或二阶导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现，其是原图像上灰度变化最剧烈的地方。传统的边缘检测正是利用了这一点，对图像的各个像素进行一阶微分或二阶微分确定边缘像素点。在图像处理中一般用小区域的模版卷积来近似图像梯度。通常是对二维图像的x方向y方向分别用不同的模板，这两个模板组合起来可以构成一个梯度算子。图像处理发展到今天人们已经提出了很多算子，例如Roberts算子、Prewitt算子、Sobel算子和Laplacian算子等。其实构造这些算子的基本思想是统一的，它们的区别主要是模板的大小和元素值的不同。21Roberts算子Roberts算子是最古老的算子之一，是一种交差差分算子。由于它只使用当前像素的22邻域，是最简单的梯度算子，所以计算非常简单。它的卷积掩模也就是算子模板如图所示：从上面的Roberts算子模板的形式可以看出，Roberts算子计算时利用的像素数一共有4个，可以用模板对应4个像素与模板相应的元素相乘相加得到。Roberts算子边缘定位准，主要缺点是其对噪声的高度敏感性，原因在于仅使用了很少几个像素来近似梯度。实用于边缘明显而且噪声较少的图像分割。22Prewitt算子上述Roberts算子的模板是22的，比较常见的还有33的模板，例如Prewitt算子。对于33的卷积掩模，在8个可能方向估计梯度，具有最大幅值的卷积给出梯度方向。近似图像函数一阶导数的算子由于具有确定梯度方向的能力，有时被称作罗盘算子。对于每个算子我们只给出前面三个33掩模，其他的可以通过简单旋转得到。Prewitt算子的模板如图所示：由上面的Prewitt算子的模板可以看出，Prewitt算子进行计算时要用到9个像素。对于每一个方向的梯度，可以用模板对应的9个像素与模板相应的元素相乘相加得到，其计算过程与Roberts算子相似。Prewitt算子对噪声有抑制作用，抑制噪声的原理是通过像素平均。但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。23Sobel算子采用梯度微分锐化图像，同时会使噪声、条纹等得到增强，Sobel算子则在一定程度上克服了这个问题。Sobel算子不像普通梯度算子那样用两个像素的差值，这就导致了两个优点：a由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用。b由于它是相隔两行或两列之差分，故边缘两侧元素得到了增强，边缘显得粗而亮。Sobel算子的模板也是33的，只是它的模板元素与Prewitt算子有所不同。在Prewitt算子中像素邻域对当前像素产生的影响是等价的，而Sobel算子根据邻域像素与当前像素的距离有不同的权值，一般是距离越小，权值越大。Sobel算子的模板如图所示：Sobel算子通常用于水平和垂直边缘的一个简单检测算子。Sobel算子和Prewitt算子都是加权平均，但是Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小。24Laplacian算子为了突出增强图像中的孤立点、孤立线或孤立端点，在某些实际用途中常采用Laplacian算子，这个算子是旋转不变算子。上面的这些算子都是一阶导数算子，在图像处理中经常使用的还有二阶导数算子，例如Laplscian算子就是二阶微分算子。可以认为二阶导数是一阶导数的导数，也就是差分的差分。Laplacian算子就利用了二阶导数信息。Laplacian算子是近似只给出梯度幅值的二阶导数的流行方法。通常使用33的掩模，根据邻域不同可以分为4邻域和8邻域。这个算子对于边缘是敏感的。一般增强技术对于陡峭的边缘和缓慢变化的边缘很难确定其边缘线的位置，此算子可以用二次微分正峰和负峰之间的过零点来确定。Lapscian算子的模板也是33的，如图所示：如果邻域系统是4邻域，Laplacian算子的Laplacian算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian算子和平滑算子结合起来生成一个新的模板。Laplace算子有一个缺点是它对图像中的某些边缘产生双重响应。3算法的比较文中采用的是VC+编程语言建立了上述4种算法的边缘检测算法。对原始图像以Roberts算子、Sobel算子、Prewitt算子、Laplacian算子对图像边缘检测实现,通过实验结果的比较,可以了解各种算法的特点和优点。实验结果如图所示，可以明显看到他们的差别。根据其效果,Roberts算子对边缘定位比较准，所以分割结果的边界宽度不像后面的Prewitt分割结果那样宽。但是Roberts算子由于不包括平滑，对噪声比较敏感，在图像噪声较少的情况下，分割的结果还是相当不错的。Prewitt算子有一定的抗噪能力。但是这种抗噪能力是通过像素平均来实现的，相当于低通滤波，所以图像有一定模糊。Soble算子对噪声有抑制作用，因此不会出现很多孤立的边缘像素点。不过从图中可以看到，Soble算子对边缘的定位不是很准确，图像的边界宽度往往不止一个像素，不适合对边缘定位的准确性要求很高的应用。与Prewitt相似，Sobel算子也是通过像素平均来实现的，也有一定的抗噪能力，同时图像也产生了一定的模糊。 基于指纹图像边缘检测算法的比较研究是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于指纹图像边缘检测算法的比较研究是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于指纹图像边缘检测算法的比较研究的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。由于Laplacian算子利用的是二阶导数信息，对噪声比较敏感，所以分割结果中在一些像素上出现了散碎的边缘像素点。不过Laplacian算子对边缘的定位还是比较准的。4结束语在图像处理中，边缘检测有着非常重要的作用，是图像处理的重要基础。本文讨论和比较了几种常用的边缘检测算子，一阶导数算子Roberts、Prewitt、Sobel和二阶导数算子Laplacian等4种常用的图像边缘检测算子,并且通过指纹图像边缘检测的例子来比较它们的检测效果,分析了各个算子的边缘检测效果及抗噪能力。有助于了解它们的优点和不足，对学习边缘检测和具体工程应用具有很好的参考价值。Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于2个像素，这两者对灰度渐变低噪声的图像有较好的检测效果，但对于混合多复杂噪声的图像，处理效果则不理想。Sobel边缘检测的图像纹理较清楚,但整个图像过于模糊。Roberts边缘检测和Prewitt边缘检测效果相似,轮廓清楚,但纹理有待提高。Laplace边缘检测的效果较为适中。通过比较可以为具体的图像处理应用提供参考作用。参考文献1李捷,唐星科,蒋延军.几种边缘检测算法的比较研究.信息技术.2007.92李葆青,文山.边缘检测准则与几种典型算法.六盘水师范高等专科学校学报.2006.63周心明，兰赛，徐燕.图像处理中几种边缘检测算法的比较.现代电力.2008.64何斌,马天予,等.VisualC+数字图像处理.北京:人民邮电出版社,2002.5吴炯,等.数字图像中边缘算法的实验研究.微计算机信息,2004,20(5)6陈学，戚大伟，杨丽娟.原木CT图像边缘检测的几种算法.林业机械与木工设备，2005.8其他参考文献Baker, Sheridan. The Practical Stylist. 6th ed. New York: Harper & Row, 1985.Flesch, Rudolf. The Art of Plain Talk. New York: Harper & Brothers, 1946.Gowers, Ernest. The Complete Plain Words. London: Penguin Books, 1987.Snell-Hornby, Mary. Translation Studies: An Integrated Approach. Amsterdam: John Benjamins, 1987.Hu, Zhuanglin. 胡壮麟, 语言学教程 M. 北京: 北京大学出版社, 2006.Jespersen, Otto. The Philosophy of Grammar. London: Routledge, 1951.Leech, Geoffrey, and Jan Svartvik. A Communicative Grammar of English. London: Longman, 1974.Li, Qingxue, and Peng Jianwu. 李庆学、彭建武, 英汉翻译理论与技巧 M. 北京: 北京航空航天大学出版社, 2009.Lian, Shuneng. 连淑能, 英汉对比研究 M. 北京: 高等教育出版社, 1993.Ma, Huijuan, and Miao Ju. 马会娟、苗菊, 当代西方翻译理论选读 M. 北京: 外语教学与研究出版社, 2009.Newmark, Peter. Approaches to Translation. London: Pergmon P, 1981.Quirk, Randolph, et al. A Grammar of Contemporary English. London: Longman, 1973.Wang, Li. 王力, 中国语法理论 M. 济南: 山东教育出版社, 1984.Xu, Jianping. 许建平, 英汉互译实践与技巧 M. 北京: 清华大学出版社, 2003.Yan, Qigang. 严启刚, 英语翻译教程 M. 天津: 南开大学出版社, 2001.Zandvoort, R. W. A Handbook of English Grammar. London: Longmans, 1957.Zhong, Shukong. 钟述孔, 英汉翻译手册 M. 北京: 商务印书馆, 1983.Zhou, Zhipei. 周志培, 汉英对比与翻译中的转换 M. 上海: 华东理工大学出版社, 2003.