一种曲面拟合图像边缘特征提取算法

doi:10.3969/j.issn.1001-2400.2011.03.027

J4 ›› 2011, Vol. 38 ›› Issue (3): 164-168+188.doi: 10.3969/j.issn.1001-2400.2011.03.027

一种曲面拟合图像边缘特征提取算法

杜亚勤¹；洪波²；郭雷¹；杨宁¹

(1. 西北工业大学自动化学院，陕西西安 710072|
2. 西安工业大学计算机科学与工程学院，陕西西安 710032)

收稿日期:2010-10-30 出版日期:2011-06-20 发布日期:2011-07-14
通讯作者: 杜亚勤
作者简介:杜亚勤(1972-)，女，副教授，西北工业大学博士研究生，E-mail: duyaqin@xatu.edu.cn．
基金资助:
国家自然科学基金资助项目(60675015)

Novel curve fitting edge feature extraction algorithm

DU Yaqin¹；HONG Bo²；GUO Lei¹；YANG Ning¹

(1. Dept. of Automatic Control, Northwestern Polytechnical Univ., Xi'an 710072， China|
2. Computer Science and Eng. College, Xi'an Technological Univ., Xi'an 710032， China)

Received:2010-10-30 Online:2011-06-20 Published:2011-07-14
Contact: DU Yaqin

摘要/Abstract

摘要：

针对传统最小二乘支持向量回归函数曲面拟合边缘特征提取算法推广性差的问题，提出首先在模糊特征平面对图像进行模糊去噪增强，使图像各种边缘信息凸显，弱化非边缘信息；然后对图像进行最小二乘支持向量回归函数曲面拟合，对拟合函数求导确定边缘．在对每个点采用相同惩罚因子时，保证了图像中每一像素的邻域最佳函数拟合．仿真实验表明，该算法边缘提取质量清晰细致，效果较好，且各种参数的选择不需人为调节，适合图像预处理阶段应用．

关键词: 模糊集, 曲面拟合, 边缘检测, 最小二乘支持向量机, 图像处理

Abstract:

The edge contains much visual information of the image, so the image feature extraction is important in image processing. In this paper, the former least squares support vector machines(LS-SVM) edge feature extraction algorithm is analysed, and it is found that its universality is weaken. So this paper proposes a novel method for edge extraction, in which firstly the digital image is transfered to the fuzzy characteristic plane, where the image edge part is extruded, and the other part is weakened. The the image intensity surface is well fitted by the LS-SVM function, in which the first and second derivatives are calculated. Finally, the rather fine image edge feature can be gained. Experiments show that this algorithm can lead to a higher segmentation quality and that the parameters can be fixed, which is very useful in image processing.

Key words: fuzzy sets, curve fitting, edge detection, least squares support vector machines (LS-SVM), image processing

中图分类号:

TP391.4

杜亚勤；洪波；郭雷；杨宁. 一种曲面拟合图像边缘特征提取算法[J]. J4, 2011, 38(3): 164-168+188.

DU Yaqin；HONG Bo；GUO Lei；YANG Ning. Novel curve fitting edge feature extraction algorithm[J]. J4, 2011, 38(3): 164-168+188.

参考文献

［1］段瑞玲, 李庆祥, 李玉和. 图像边缘检测方法研究综述［J］. 光学技术, 2005, 31(5): 415-419.
Duan Ruiling, Li Qingxiang, Li Yuhe.Summary of Image Edge Detection［J］. Optical Technique, 2005, 31(5): 415-419.
［2］ Pal N R, Pal S K. A Review on Image Segmentation Techniques［J］. Pattern Recognition, 1993(26):1277-1294.
［3］ Zheng Sheng, Liu Jian, Tian Jinwen. A New Efficient SVM Based Edge Detection Method［J］. Pattern Recognition Letter, 2004, 25(10): 1143-1154.
［4］刘涵, 郭勇, 郑岗, 等. 基于最小二乘支持向量机的图像边缘检测研究［J］. 电子学报, 2006: 34(7): 1275-1279.
Liu Han, Guo Yong, Zheng Gang, et al. Edge Detection Based on Least Squares Support Vector Machines［J］. Acta Electronica Sinica, 2006, 34(7): 1275-1279.
［5］张学工. 关于统计学习理论与支持向量机［J］.自动化学报, 2000, 26(1): 32-42.
Zhang Xuegong. Introduction to Statistical Learning Theory and Support Vector Machines［J］. Acta Automatica Sinica, 2000, 26(1): 32-42.
［6］ Vapnik V N. An Overview of Statistical Learning Theory ［J］. IEEE Trans on Neura Networks,1999,10(5): 988-999.
［7］ Smola A J, Scholkopf B. A Tutorial on Support Vector Regression ［J］. Statistics and Computing, 2004, 14(3): 199-222.
［8］杜喆, 刘三阳. 最小二乘支持向量机变型算法研究［J］. 西安电子科技大学学报, 2009, 36(2): 331-337.
Du Zhe, Liu Sanyang. Research on Variations of Least Square Support Vector Machine［J］. Journal of Xidian University, 2009, 36(2): 331-337.
［9］ Suykens J A K, Vandewalle J. Least Squares Support Vector Machine Classifiers ［J］. Neural Processing Letters, 1999, 9(3): 293-300.
［10］ Pratt W K. Digital Image Processing［M］. New York: Wiley,1991.

[1]	韩永赛,马时平,何林远,李承昊,朱明明,张飞. 改进YOLOv3的快速遥感机场区域目标检测[J]. 西安电子科技大学学报, 2021, 48(5): 156-166.
[2]	孙正阳,董玫,陈伯孝. 时频分析联合带通滤波抑制间歇采样转发干扰[J]. 西安电子科技大学学报, 2021, 48(2): 139-146.
[3]	成天佑,林艳萍,马晓军. 一种视触觉引导的超声探头自动定位方法[J]. 西安电子科技大学学报, 2020, 47(1): 80-87.
[4]	汪梓艺,苏育挺,刘艳艳,张为. 一种改进DeeplabV3网络的烟雾分割算法[J]. 西安电子科技大学学报, 2019, 46(6): 52-59.
[5]	朱苏雅,杜建超,李云松,汪小鹏. 采用U-Net卷积网络的桥梁裂缝检测方法[J]. 西安电子科技大学学报, 2019, 46(4): 35-42.
[6]	张锦涛,雷杰,吴凌云,黄碧莹,李云松. 一种改进的高光谱端元提取算法及其FPGA实现[J]. 西安电子科技大学学报, 2019, 46(4): 22-27.
[7]	赖睿,官俊涛,徐昆然,熊皑,杨银堂. 级联残差学习的红外图像非均匀性校正方法[J]. 西安电子科技大学学报, 2019, 46(1): 14-19.
[8]	郭松鸽;吕东辉;任艳丽. 一种改进的(k, n)标记视觉密码方案[J]. 西安电子科技大学学报, 2018, 45(5): 170-176+183.
[9]	黄勇;刘芳. 场景语义SAR图像桥梁检测算法[J]. 西安电子科技大学学报, 2018, 45(4): 40-44.
[10]	胡妍;王柯俨;许宁;李云松;张闪闪. 利用分割中值滤波和透射率补偿的图像去雾[J]. 西安电子科技大学学报, 2018, 45(4): 99-105.
[11]	王世平;毕笃彦;刘坤;何林远. 一种多映射卷积神经网络的超分辨率重建算法[J]. 西安电子科技大学学报, 2018, 45(4): 155-160.
[12]	冯玉颖;王俊平;马塾亮;李超;伍尧. COPLIP新模型及其图像增强新算法[J]. 西安电子科技大学学报, 2018, 45(1): 66-71.
[13]	倪洁;王俊平;杨国钰;伍尧;马塾亮. 一种柔性形态学参数对称对数图像处理新算法[J]. 西安电子科技大学学报, 2017, 44(5): 25-31+45.
[14]	王立辉;乔楠;余乐. 水下地形导航匹配区选取的模糊推理方法[J]. 西安电子科技大学学报, 2017, 44(1): 140-145.
[15]	孔繁锵;卞陈鼎;李云松;郭文骏. 非凸稀疏低秩约束的高光谱解混方法[J]. 西安电子科技大学学报, 2016, 43(6): 116-121.

一种曲面拟合图像边缘特征提取算法

Novel curve fitting edge feature extraction algorithm

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10