基于背景差法的視頻車輛分割算法研究

摘 要:在交通監控系統中，實現車輛的準確檢測是關鍵技術，其中車輛的分割與提取是至關重要的。本文在車輛分割中對四種邊緣檢測微分算子進行比較，實驗結果表明Canny算子去噪能力強、邊緣定位精度準確、不易被噪聲填充，效果最好。

關鍵詞:視頻車輛 分割 邊緣檢測 微分算子

中圖分類號:TP39文獻標識碼:A文章編號:1674-098X(2012)01(a)-0005-01

1 引言

邊緣檢測技術是所有基于圖像分割方法最基本的處理，對于處理數字圖像非常重要。圖像的邊緣是圖像的最基本特征，圖像的邊緣部分集中了圖像大部分的信息，是所要提取目標和背景的分界線，提取出邊緣才能將目標與背景區分開來，因此它是圖像分割所依賴的重要特征。

2 常用的邊緣檢測微分算子

常用的邊緣檢測微分算子有Sobel、Robert、LOG、Canny，下面對這幾種算子進行介紹。

2.1 Sobel算子

Sobel算子是邊緣檢測比較常用的一種算子。該算子包含兩組3×3的矩陣，分別為橫向及縱向，一個是檢測水平邊緣的模板，另一個是檢測垂直邊緣的模板。

由于Sobel算子是濾波算子的形式，簡單有效，應用較廣泛。同時對噪聲具有一定的抑制能力，但這種抗噪能力是通過平均像素來實現的，所以圖像產生一定的模糊，還會檢測出一些偽邊緣，所以檢測精度較低，因此比較適用于圖像邊緣灰度值比較尖銳，且圖像噪聲比較小的情況。

2.2 Robert

由于Roberts算子是利用圖像的兩個對角線的相鄰像素之差進行梯度幅值的檢測，所以求得的是在差分點處梯度幅值的近似值，處理后的結果邊緣不是很平滑，并且檢測水平和垂直方向邊緣的性能好于斜線方向的邊緣，同時由于沒經過圖像平滑計算，對噪聲敏感，因此該算子適用于邊緣明顯且噪聲較少的圖像分割。

2.3 LOG(Laplacian-Gauss)算子

在二維空間中，常用的二階導數算子是Laplacian算子。但是這種算子邊緣的方向信息被丟失而且是二階差分算子，因此雙倍加強了圖像噪聲的影響。由于圖像強度二階導數的零交叉點求邊緣點算法對噪聲十分敏感，為了消除噪聲影響將高斯濾波器和Laplacian邊緣檢測結合在一起，形成了LOG算法。

這種方法的特點是圖像首先與高斯濾波器進行卷積，既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結構組織將被濾出。由于平滑會導致邊緣的延展，因此在邊緣檢測時僅考慮那些具有局部梯度最大值的點為邊緣點，來實現邊緣檢測。

2.4 Canny

Canny邊緣檢測是一種比較新的邊緣檢測算子，具有很好的邊緣檢測性能，得到了廣泛的應用。Canny邊緣檢測法利用高斯函數的一階微分，能在噪聲抑制和邊緣檢測之間取得較好的平衡。具體步驟如下:

1)用高斯濾波器來對圖像濾波，可以去除圖像中的噪聲。

2)用高斯算子的一階微分對圖像進行濾波，得到每個像素梯度的大小和方向。

3)對梯度進行“非極大抑制”。

4)使用雙閾值算法檢測和連接邊緣。使用累計直方圖計算兩個閾值，凡是大于高閾值的一定是邊緣;凡是小于低閾值的一定不是邊緣。如果檢測結果大于低閾值，那就要看這個像素中有沒有超過高閾值的邊緣像素，如果有，則該像素是邊緣，否則就不是邊緣。

總之，該算子功能比前面幾種都要好，主要表現在Canny算子是一個具有濾波，增強，檢測的多階段的優化算子，在進行處理前，Canny算子先利用高斯平滑濾波器來平滑圖像以除去噪聲，采用一階偏導的有限差分來計算梯度幅值和方向，在處理過程中，還將經過一個非極大值抑制的過程，最后該算子采用兩個閾值來連接邊緣。

3 實驗結果與分析

視頻圖像見圖2.1，(a)是用Sobel算子邊緣檢測結果，(b)是用Robert算子邊緣檢測結果，(c)是用LOG算子邊緣檢測結果，(d)是用Canny算子邊緣檢測結果，見圖2.1。

Canny算子以一階導數為基礎來判斷邊緣點，采用高斯函數對圖像進行平滑處理，是一階傳統微分中檢測階躍型邊緣效果最好的算子，因此比Robert和Sobel的去噪能力都要強。Canny算子所采用的一階微分算子的方向性較LOG算子要好，邊緣定位精度較高。同時Canny算子使用2種不同的閾值分別檢測強邊緣和弱邊緣，并且僅當弱邊緣與強邊緣相連時才將弱邊緣包含在輸出圖像中，較其他方法而言不容易被噪聲填充。基于上述分析以及圖2.1的實驗結果表明Canny算子的處理效果是最好的。