改進Laplace的無人機圖像邊緣檢測算法的研究

羅欽文 茍亦明 王帥杰 管京龍 陳祺

摘要：本文針對一般邊緣算法無法有效檢測產(chǎn)生較大波動的圖像灰度的閾值這一現(xiàn)狀，提出了BRGB-Alaplace這一新算法，通過分別對比BRGB-Alaplace算法與傳統(tǒng)算法對圖像的預(yù)處理成果，分析研究二者分別的優(yōu)勢與缺陷，并根據(jù)研究結(jié)果做進一步探討。

關(guān)鍵詞：圖像灰度;Laplace;無人機圖像;邊緣檢測算法

如薛賓田等提出基于LBP（LocalBinaryPatterns）紋理特征和Canny算子的視頻分割算法，并采用RANSAC進行擬合，計算機視覺領(lǐng)域的研究主體近幾年不斷向圖像的數(shù)字處理方面靠攏，諸多專家對數(shù)字圖像處理進行深度發(fā)掘和研究，如薛賓田等提出基于LBP（LocalBinaryPatterns）紋理特征和Canny算子的視頻分割算法，這一算法的主要優(yōu)勢在于對光線交界處具有明暗對比變化的顏色處理;馬瑪雙等人對具有強烈光照對比和多重光照影響的道路兩側(cè)的光照進行檢測研究，探究出與道路邊緣檢測算法結(jié)合的能夠?qū)Ω蓴_光照進行有效特征提取的提取器，提取器工作的第一步主要在于提取器特制的過濾波網(wǎng)能夠增強圖像的畫面強度，有效的減少聲波等其他污染波的干擾;再利用模糊聯(lián)動的計算方法，將道路邊緣根據(jù)道路環(huán)境特征進行遠近分組，利用RANSAC開展擬合，這一算法在環(huán)環(huán)相扣的計算過程的基礎(chǔ)上，保證了計算結(jié)果的準確性和高效性。

1?Laplace邊緣檢測算法及其原理

邊緣檢測算法主要就是對圖像的邊緣信息進行檢測采集，采集得到的圖像畫面通常是黑白色，黑白兩色分別代表邊緣顏色深淺，邊緣實際上的構(gòu)成是告訴運動的灰度的點。Laplace邊緣檢測法是數(shù)據(jù)處理領(lǐng)域中常用的二階微分算法與圖像邊緣檢測算法的結(jié)合運用，與一數(shù)處理領(lǐng)域的二階微分算法不同，Laplace邊緣檢測算法的基本特征是邊緣本身，圖像邊緣檢測主要檢測對象就是圖像目標主體和圖像背景環(huán)境，利用相關(guān)算法進行分析貯存，主要檢測過程可以簡單歸類出以下幾個步驟：圖像提取、圖像分析、邊界檢測、邊界重構(gòu)。Laplace邊緣變換通俗來講就是對圖像進行銳化處理，增強圖像明暗色差和細節(jié)展現(xiàn)，使圖像更清晰化。由于一般情況下利用函數(shù)圖像變換展現(xiàn)圖像的灰度變化，因此可以利用相關(guān)的圖像微觀處理技術(shù)實現(xiàn)圖像邊緣提取算法的順利開展。圖像邊緣提取展現(xiàn)了圖像的主要位置特征，且不會受灰度變換的影響，因此通常采用邊緣提取作為圖像匹配的主要辨識物。

2?改進Laplace的無人機圖像邊緣檢測算法——BRGB-ALaplace算法

2.1原理介紹

BRGB-ALaplace（Advanced?Laplace?based?on?RGB）是Laplace的改進的算法，其本質(zhì)上和Canny邊緣檢測算法相差不大，屬于多層次的檢測算法之一，這一算法產(chǎn)生進行的基礎(chǔ)Laplace邊緣檢測算法對圖像的清晰化，然后通過對圖像進行處理，處理的過程需要采用高斯平滑濾波和普拉斯算子這兩種技術(shù)，最終才能達到歸化處理的基本要求，最后重新分組處理分量。通過這種算法進行檢測后，最終的圖像能夠有效在保證灰度呈現(xiàn)效果的同時其細節(jié)詳細也可以得到相對完善的保留。

2.2?RGB-ALaplace?算法實驗結(jié)果與目視評價分析

第一，改進算法能夠保留Laplace算法的優(yōu)勢，如噪點辨識敏感度，摒棄傳統(tǒng)算法的缺點，不僅對鄰域中心比較系數(shù)t進行分段，將0.5和1作為零界點，而且還對中心區(qū)域的圖像也按照特征進行分組，進而可以在減少噪點污染同時又能有效提取優(yōu)質(zhì)信息畫面，提高邊緣檢測的準確度，與傳統(tǒng)算法相比Laplace算法顯然更具優(yōu)勢。

第二，BRGB-ALaplace;算法與傳統(tǒng)算法相比它的主要優(yōu)勢主要體現(xiàn)在圖像邊緣檢測的精確率方面，Roberts算法對圖像信息的處理可以實時的對其邊緣檢測情況進行反饋，很大效率的提升了邊緣檢測效率和精準度，Prewitt算子在噪聲抑制上效果更佳;Canny算法的優(yōu)勢在于它對于圖像邊緣畫面的處理更加細致，對于畫面的位置定義也相對準確，改進得到的?BRGB-ALaplace?算法它的運算原理和Laplace?算法的差距不大，最大的區(qū)別就是多層次檢測算法上，分別基于RGB3個相位分量方向進行拉普拉斯模板銳化拉伸，對實驗結(jié)果的對比分析可以發(fā)現(xiàn)，經(jīng)過處理的圖像邊緣響應(yīng)更靈敏，且具備一定的辨識度，通過處理分析檢測的畫面紋理可以實現(xiàn)事物的基礎(chǔ)性定位。

第三，BRGB-ALaplace算法和傳統(tǒng)邊緣檢測算法分別對畫面進行分析檢測并對比結(jié)果，實驗圖像分別采用了城區(qū)房屋圖像與鄉(xiāng)鎮(zhèn)房屋圖像，并對兩種圖像分別進行留噪和去噪的處理，實驗結(jié)果清晰展現(xiàn)出在保留了同樣的噪點的兩種不同畫面中，經(jīng)典算法往往因為認為因素，導(dǎo)致畫面處理效果不佳，其中椒鹽噪聲是最主要的影響因素。而改良的算法其結(jié)構(gòu)更加穩(wěn)定，不會因為人為因素導(dǎo)致畫面出現(xiàn)偏差。再加上改進的算法魯棒性較好，整體來說改進算法的運算效果更佳。

3總結(jié)

改進算法所得到的?BRGB-ALaplace?本文的研究是以圖像的整體處理過程為主體進行的。即首先對圖像進行高斯濾波器的初步處理，進而用改良后的更高效的算法對圖像進行邊緣檢測計算，得到圖像的邊緣位置信息。經(jīng)過改良的得到的BRGB-ALaplace算法與傳統(tǒng)算法和未改良算法相比，它的計算處理結(jié)果更精準、高效，圖像邊緣響應(yīng)更靈敏，且具備一定的辨識度，通過處理分析檢測的畫面紋理可以實現(xiàn)事物的基礎(chǔ)性定位。

參考文獻

[1]彭土有，吳潔，彭俊.拉普拉斯邊緣檢測算法的改進及其在探地雷達中的應(yīng)用[J].現(xiàn)代雷達，2020（8）：41-45.

[2]代文征，楊勇.基于改進高斯—拉普拉斯算子的噪聲圖像邊緣檢測方法[J].計算機應(yīng)用研究，2019，036（008）：2544-2547，2555.

[3]黃玉蕾.基于形態(tài)學(xué)濾波結(jié)合LOG算法的邊緣檢測[J].計算機測量與控制，2019，027（007）：257-260，284.

項目資助：北京工業(yè)大學(xué)“國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃”GJDC-2021-01-23