基于圖像邊緣特征的目標檢測算法

張艷邦 張 芬 張姣姣

①咸陽師范學院數學與信息科學學院 ②咸陽師范學院智能信息分析與數據處理研究所

本文提出了一種基于圖像邊緣信息的顯著性目標檢測算法。首先，應用Roberts算子和Prewitt算子分別檢測圖像中0°，45°，90°，135°，接著清除圖像邊緣噪聲，然后結合人類視覺注意機制提出了顯著性目標檢測算法，最后在公開的數據庫上進行測試。實驗結果表明，在無任何先驗信息的情況下，本文算法能夠較好地檢測出圖像中的目標。

1 引言

我們在觀察一幅圖像時，會無意識地注視圖像中的一個或幾個目標，這些目標往往是由于其顏色、形狀或紋理等特征與周圍區域有明顯的差異性。這種人眼的選擇性注意機制可以幫助我們快速地摒棄圖像中的無關信息，提取能夠反映圖像內容的關鍵特征。圖像邊緣信息反映了圖像像素的梯度變化，勾勒出了不同的目標區域，因此對圖像邊緣信息的檢測可以有效地幫助我們提取圖像中的目標。

2 圖像邊緣檢測

邊緣檢測算法已經發展成熟，研究人員提出了許多經典的算法模型，如Sobel、Roberts、Prewitt、Canny等。為了不失一般性，本文采用梯度算子理論的經典方法：Roberts算子和Prewitt算子。

Roberts算子又稱為交叉微分算法，它是基于交叉差分的梯度算法，通過局部差分計算檢測邊緣信息，檢測模板為：

從其模板可以看出，它能夠較好地檢測圖像中45度和135度的邊緣。

Prewitt算子是一種圖像邊緣檢測的微分算子，其原理是利用特定區域內像素灰度值產生的差分實現邊緣檢測。它的檢測模板為：

由模板可以看出Prewitt算子的能夠較好地檢測水平方向和垂直方向的邊緣。另外，Prewitt算子采用3×3 模板對區域內的像素值進行計算，相比于Robert算子的模板為2×2，因此，Prewitt算子適合用來識別噪聲較多、灰度漸變的圖像。

由于通常拍照時，會把目標放置靠近圖像中心的區域，靠近圖像邊界的區域一般是背景，如藍天、草地等。因此，我們可以清除圖像中靠近邊界部分的圖像邊緣信息，另外為了清除噪聲的干擾，我們清除了像素較小的孤立點，進而獲取目標的位置先驗信息，如圖1所示。對輸入圖像I，我們獲取的圖像邊緣圖像為BW，分別讓距離圖像邊界長度小于圖像長和寬10%的像素為0，來清除背景噪聲干擾。Matlab實現代碼如下：

圖1 圖像邊緣特征檢測

3 顯著性特征計算

根據圖像的邊緣特征，我們獲取了圖像中目標的粗略位置信息，然后，構造一個矩形區域，矩形區域外的部分為圖像背景，矩形區域內的部分為目標候選區域。接著，計算目標先驗區域與背景區域顏色特征的差異性獲得圖像的顯著性特征。最后，應用自適應分割算法提取圖像目標，算法思路如圖2所示。

圖2 算法流程

4 實驗結果及分析

為了綜合評價所提出算法的性能，我們選擇采用最廣的公開的基準數據集MSRA上進行了實驗測試。MSRA數據集是微軟亞洲研究院（Microsoft Research Asia）建立的可以定量評價視覺注意力算法效果的公開的大型圖像數據庫。它包含有1000幅圖像及對應人工標記的具有清晰邊界的顯著物體基準圖。實驗的直觀結果如圖3 所示。由圖3可以看出，文中算法可以較好地定位到目標的位置，對于目標不靠近圖像邊界圖像可以較好地檢測出來，但是檢測結果還不夠精細，當目標為與圖像邊界時圖像漏檢現象，這是我們下一步需要研究的問題。

圖3 實驗結果。

5 結語

本文基于圖像的邊緣信息提出了一種目標檢測算法。由于文中采用的是經典的邊緣檢測算法，而且只考慮了單一尺度下的顏色特征，因此文中算法檢測準確度不是很高，但是它為目標檢測的研究提供了一個新思路。下一步我們將研究多尺度下，多特征下的融合，提高檢測效果。