曹麟 鲁红英 程琳

摘要：边缘检测是图像处理领域中最基本的问题，其目的是标识数字图像中亮度变化明显的点，进而提取出有价值的信息。通过对现有经典图像边缘提取算法研究，提出一种采用小尺寸卷积核的DOG（Different-of-Gaussian）边缘提取算法，仅需要对图像进行一次卷积运算。实验仿真结果表明，该算法具有较快的处理速度并保留原图像的细节信息，同时在图像噪声较少且细节密度较低的情况下也可有效提取图像边缘信息。

关键词：拉普拉斯算子；索贝尔算子；高斯模糊；高斯差分算子

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）06-0139-04

1引言

边缘检测在模式识别、计算机视觉、图像分割等方面都有着非常重要的地位，图像边缘特征信息的提取对于进行高层次的特征描述、目标识别和图像理解等有着重大的影响。同时，遥感图像边缘检测是遥感信息获取的重要手段之一，是实现遥感图像理解的基础[1]。在工程实践应用中，由于成像过程中的混合、投影、噪声和畸变等导致图像的变形和模糊，边缘检测往往比较困难，传统的经典边缘提取算法主要有文献[2]提到的Robert算子、文献[3][4]中的Sobel算子、文献[5]中的Laplacian算子和文献[6]中的DOG算子等。由于实际图像都含有噪声，而噪声和边缘往往具有高频信号，外加物理和光照等原因，实际图像中的边缘常常发生在不同的尺度范围上，并且每一边缘像元的尺度信息是未知的。文献[7]中的Canny算子、文献[8]中的小波边缘检测以及文献[9]中的基于BP算法的边缘检测虽然具有很好的边缘提取效果，但是算法耗时较长，因此，传统的边缘检测算法对细节的快速检测效果并不理想。……