宋文龙 郭 婧 贾鹤鸣

(东北林业大学，哈尔滨，150040) (哈尔滨工程大学)

根系形态是植物固坡研究的一个重要参数，根系的长度、表面积等参数可以通过检测根系的边缘信息并结合一定的数学模型得到［1］。然而，在所设计的护坡植被根系监测系统中，由于土壤环境的限制，光照不均匀，及图像采集、转换、传送的影响，传输到计算机的护坡植被根系图像噪声大，边缘提取效果不佳，质量较差［2－3］。因此，进行边缘提取的算法需具有良好的抗噪性来抑制不需要的变形。

目前，基于边缘检测的算法已有很多，但多数算法的边缘特征提取未能达到理想效果。常用的边缘检测算法有微分算子法:Robert、Sobel、Prewitt算子，其运算量小、操作简单，但对噪声敏感、边缘定位精度低。又如文献［4］中，通过Canny算子来寻找图像梯度的局部极大值，使用两个阈值分别检测强、弱边缘，而且仅当强弱边缘相连时，弱边缘才会包含在输出中。文献［5］中使用的LOG算子须采用较大的窗口才能得到较好的边缘检测效果。大窗口虽具有较强的抗噪能力，但边缘细节丢失较多;而小窗口虽可获得较高的边缘定位精度，但对滤除噪声又不够有效。文献［6］构建了一种Gabor小波边缘提取算子，并在特定方向下，对图像进行多尺度边缘信息提取;但为了得到效果好的边缘检测结果，往往需使用较大的滤波尺度，这样易丢失一些边缘细节［7］。

基于上述文献中方法的待改进点，考虑到神经网络提取图像边缘是利用对原图的已有认知，即在宏观上认识对象，微观上提取边缘，且其具有较好抗噪能力等因素［8］，本文使用遗传BP网络进行根系图像边缘提取。……