赵子润,高保禄,郭云云,田 力

(太原理工大学 软件学院，太原 030024)

0 引言

边缘检测[1-2]是图像处理的基本操作，边缘检测的质量直接决定高级图像处理的性能。在过去十几年中，已经提出了数百种用于数字图像中的边缘检测的方法。根据边缘检测器所基于的原理，可以将其分类为基于分化的方法[3]、统计方法[4]、机器学习方法[5]、主动轮廓法[6]、多尺度方法[7-8]，以及各向异性扩散方法[9-10]等。Canny算法[11]相比于其他的边缘检测算法具有较高的性能。但是经典算法采用线性的高斯滤波器对图像进行平滑，并从整体上对图像进行模糊，没有考虑像素间的相似程度，使得去噪效果不好且精度下降，同时对双阈值的选取是依据人的经验预先确定，导致检测结果丢失边缘或者检测出虚假边缘。

针对Canny算法存在的问题，研究者提出了许多的改进算法。文献[12]提出基于双边滤波的Canny算法，该算法同时考虑了图像的空间信息和灰度信息，提升了低浓度含噪图像的边缘检测效果，但对于较高浓度含噪图像的检测效果不佳。文献[13]采用了预定义尺度的各向同性高斯核对Canny算法进行优化，但该算法产生了边缘检测和定位精度之间的二重性，导致噪声无法被有效去除。文献[14]提出基于偏微分方程的方法，该方法对含有低浓度噪声图像的边缘检测效果清晰，但由于平滑图像时进行迭代操作比较复杂，因此随着噪声浓度的提高，检测到的边缘很快变得模糊。文献[15]提出了尺度不变和对比度不变的多尺度差分边缘检测器，噪声被过滤为低对比度特征后能够准确地提取边缘特征，但它只对几种退化的真实世界图像数据集进行了实验，缺乏普适性。……