关于图像边缘检测的调研报告
学号：0962610225 姓名：张辛楠
调研时间：2011年12月初
调研主题：目前图像边缘检测的核心技术及应用领域 调研内容：
边缘检测技术是图像特征提取中的重要技术之一，也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础。近年来，新的边缘检测方法不断涌现。这些方法各具特点，但同时也存在着局限性，这给人们在实际应用中如何选择合适的图像边缘检测方法提出了新的难题。
目前常用的方法步骤为：
1. 滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。
2. 增强。增强算法将领域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。
3. 检测。但在有些图像中梯度幅值较大的并不是边缘点。
4. 定位。精确确定边缘的位置。
数字图像的边缘检测的方法近几年发展的也是非常的快，早期的有边缘算子法、曲线拟合法、模板匹配法、门限化法。近年来又有许多新的边缘检测的算法：小波变换、小波包的边缘检测等，基于数学形态学、模糊理论和神经网络的边缘检测算法等。
以下是传统的边缘检测算子：
经典的边缘检测算法有Roberts 算子、Prewitt 算子、Sobel 算子，拉普拉斯高斯（LOG）算法及Canny 边缘检测器等。 Roberts算子，Roberts 算子是一种利用局部差分算子寻找边缘的算子 。 Prewitt算子，为了在检测图像边缘的同时减少噪声的影响，Prewitt 将2×2 模板扩大到3×3 模板计算差分算子，把方向差分运算与局部平均相结合，提出了Prewitt 算子。
Sobel 算子，Sobel 算子利用像素点上下、左右邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘的检测。
拉普拉斯高斯（LOG）算法， Mart 和Hildreth 将高斯滤波和拉普拉斯边缘检测结合在一起，形成LoG（Laplacian of Gaussian）算法，也称之为拉普拉斯高斯算法。
Canny 边缘检测器，Canny 边缘检测器是使用函数edge 的。最有效边缘检测器。Canny 算子的梯度是用高斯滤波器的导数计算的，检测边缘的方法是寻找图像梯度的局部极大值。
LoG 算子：该算子克服了拉普拉斯算子抗噪声能力比较差的缺点，但
是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到。
Canny 算子：该算子同样采用高斯函数对图像做平滑处理, 因此具有较强的抑制噪声能力, 同样该算子也会将一些高频边缘平滑掉,造成边缘丢失。该方法是经典的边缘检测算子中效果较好的。
基于小波变换的边缘检测：该方法的优点是可以得到不同尺度的边缘信息，即边缘细节信息较为丰富，边缘定位精度较高，但易受到噪声的干扰；大尺度的处理结果，细节信息偏少，边缘定位较差，但抗噪性好。在实际应用中，可以参考不同尺度的边缘信息，从而得到精确的图像边缘。小波变换也需要经过多次调试小波器参数才达到满意的效果。
基于数学形态学的边缘检测：用数学形态学进行图像边缘检测，算法简单，结构元选取灵活，提取的图像边缘比较光滑但边缘较粗，但算法的适应性较差。
以下是对时下较新的几种图像边缘检测方法的理解与认识：
一种自适应阈值的Canny边缘检测算法：
针对传统Canny算法阁值选择困难的问题,这个方法提出一种基于最大类间方差法的自适应同步搜索高低阈值的方法.该方法首先根据梯度直方图信息将对应的像素分为三类;其次基于改进的Otsu算法定义评价函数,该评价函数描述了类间方差;最后依次搜索评价函数的一个最大值,自动获取Canny算子的高低阈值.该方法不需要人为设定任何参数.与传统Canny算法、直接Otsu算法的结果比较表明,本方法对不同的图像都能较好地提取真实边缘,特别是在低对比度图像的边缘提取上,此方法更具有优势.
灰色关联度和Prewitt算子相结合的边缘检测算法：
该方法提出了一种新的灰色关联度和Prewitt算子相结合的边缘检测算法,该算法通以Prewitt模版作为参考序列,利用灰色关联度判别该象素是否为边缘点,应用非极大抑制方法,则可得到单像素边缘图像.仿真结果表明,该算法能够有效检测图像边缘,所检测出的图像边缘细节丰富,精度较高,具有一定的杭嗓能力.
改进的模糊形态学边缘检测算法：
该方法提出了一种新的基于模糊形态学的边缘检测算法.算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取.实验结果表明该算法优于传统的边缘提取算法.
一种基于Canny算子改进的边缘检测算法
在保持了Canny算子原有的优点的基础上,提出的一种通过改进梯度幅值计算和非极值抑制过程的插值方向的方法,不仅提高了边缘定位的精度,而且抑制了伪边缘和噪声,在实际的应用中取得了很好的边缘检测效果.实验结果证明,该算法是一种有效的边缘检测改进方法.
一种融合小波变换和数学形态学的图像边缘检测算法
针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出的一种融合小波变换和数学形态学的图像边缘检测算法.先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合.实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.
本报告对经典的图像边缘检测技术和新的图像边缘检测技术进行了简略的了解性分析，得到各种方法的优缺点和使用范围。我结合个人经验和分析，认为图像边缘检测技术的发展方向为：
1、如何提高边缘检测算子的抗噪性能，以便可以精确地检测出带噪图像的边缘，从而提高算法的实用性。
2、在边缘检测中，对于大量的图像，如何构造边缘检测的阀值，使得尽可能检测出图像的真实边缘，又使检测出的伪边缘尽可能的少。