基于相位信息的图像边缘检测仿真分析

2017-10-13李玲香廖承福李艳芳

湖南科技学院学报 2017年6期

李玲香廖承福李艳芳

基于相位信息的图像边缘检测仿真分析

李玲香1廖承福2李艳芳1

（1.湖南科技学院电子与信息工程学院，湖南永州 425199；2.深圳兆日科技股份有限公司，广东深圳 518000）

本文通过对普通图像进行傅里叶变换和反变换，证明了相位信息在图像中的重要性，并推导了基于相位一致性的边缘检测函数，最后用基于相位一致的边缘检测函数和传统的检测函数对图像进行边缘检测实验，实验结果表明了前者边缘检测效果更好，为医学超声波图像分割方法研究提供参考价值。

图像处理；相位信息；边缘检测

0 引言

近些年来，几何活动轮廓模型在图像分割当中得到了广泛的使用，并取得了一些进展。比较经典的有GAC（Geodesic Active Contour）模型[1]和CV(Chan-Vese)模型[2]，GAC模型是一种基于边缘检测的分割模型，该模型算法有效且稳定，能够处理拓扑变化，停止项具有一定的鲁棒性。但是对于具有凹型结构的物体，或者带有噪声，边缘比较模糊的图像，分割效果不是很好。CV模型的显著优点是基于全局的优化，该模型对图像边缘信息的依赖较弱，初始轮廓曲线可以在任意位置，不须设置在目标边缘的周围。而且对于有空洞的目标，CV模型也能将其检测出来。由于CV模型运用了水平集的原理，为了使水平集保持为信号距离函数(Signed Distance Function，SDF)在每次迭代后都得重新初始化水平集函数，否则，将会发生数值错误，造成分割效果不理想，同时重新初始化水平集函数是一件较为麻烦的工作。