赵宏中，张彦超

（1.武汉理工大学 经济学院，湖北 武汉 430070；2.武汉理工大学 计算机科学与技术学院，湖北 武汉 430070）

近年来，随着数字图像的大量应用以及大容量存储空间的获得，人们迫切需要一种存储、管理与检索图像的方法，于是图像检索技术应运而生，图像检索就是利用图像的物理属性或者描述关键词在图像数据库中寻找与所查询图像相关或相似的图像[1]。基于内容的图像检索方法CBIR（Content-Based Image Retrieval）[2]依赖图像的色彩、形状、纹理等物理属性检索相似图像。其中形状是图像的显著特征之一，其概念非常明确，而且由形状的特征来区分物体也较为直观，因此形状特征广泛应用于CBIR中。而形状的提取以图像的边缘检测[3-4]为前提，边缘检测的效果直接影响检索结果。

为了提高基于边缘检测的图像检索系统性能，Canny提出边缘检测算子应满足的最优准则[5]：信噪比准则、定位精度准则及单边缘响应准则，并由此推导出了Canny最佳边缘检测算法。Canny算法首先应用高斯滤波器平滑图像，再采用窗口计算灰度梯度的幅值和方向，然后对梯度图像进行非极大值抑制，最后采用双阈值方法从候选边缘点中检测和连接边缘。然而，实际图像采集过程易受光源照度、信号传输等因素的影响，不可避免地会引入噪声。同时，一些重要的边缘细节也会由于干扰或对比度不足而变得模糊、微弱。因此，在实际图像中，部分边缘细节可能具有与噪声类似、甚至更低的梯度幅值。此时，传统Canny算法基于梯度幅值的双阈值方法往往难以在抑制噪声的同时保护低强度边缘，在一定程度上影响边缘检测的效果，进而影响图像检索性能。……