周紫微

(新疆财经大学 统计与数据科学学院,新疆 乌鲁木齐 830012)

0 引言

图像边缘检测技术是图像分割和提取的重要手段,能够通过图像区域的边缘、轮廓以及形状获取大量的图像特征信息[1]。目前,图像边缘检测的算法比较多,常用的算法主要包括Sobel算法、Roberts算法、Canny算法以及Pal和King算法等。其中Sobel算法是通过滤波器对图像进行滤波,图像的每个像素点将产生相应的灰度矢量或其法矢量,对图像像素做卷积化处理确定边缘位置,不对背景与主体图像进行严格区分。换句话而言,Sobel算法由于边缘是位置的标志,对于背景的灰度变化不敏感,因此所提取的图像轮廓与实际具有较大的偏差[2]。Roberts算法则是通过图像局部差分的方式提取轮廓边缘,所以对于局部区域差异越明显的部分提取效果越好。因此,Roberts算法对于陡峭边缘的低噪声图像的分割效果最好,但是处理后的图像轮廓边缘并未进行一阶或者二阶微分算子的平滑处理,图像轮廓很容易出现断层的情况[3]。而Canny算法是一个多级边缘检测算法,通过滞后阈值(高阈值或低阈值)进行边缘确定[4]。但是这些算法都不能同时满足速度和清晰度的要求,要么速度快,但是清晰度不够高;要么清晰度高,但是计算时间又过长,无法满足实际应用的需要。而这些算法对边缘的连贯性、去噪能力、处理时间等性能指标也都有所不同[5-6]。而Pal和King算法率先将模糊集理论引入到图像的边缘检测中,能够准确进行模糊边缘的检测[7]。……