一种改进Sobel算子的热红外影像边缘检测方法

2015-04-03胡振琪许立江王海娟

红外技术 2015年6期

夏清，胡振琪，许立江，王海娟，张艳

夏清，胡振琪，许立江，王海娟，张艳

（中国矿业大学（北京）地球科学与测绘工程学院，土地复垦与生态重建研究所，北京 100083）

热红外影像特殊的成像机理和特点，使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪，再用Otsu算法对去滤波后的影像进行全局阈值分割，最后利用Sobel算子对其进行边缘提取。基于MATLAB仿真实验，结果表明：与传统的Sobel算子相比，该方法不仅有较强的抗噪性，而且检测出的边缘外部轮廓与内部细节特征表达较好，边缘具有连续一致性，是一种简单、快速的边缘检测新方法。

边缘检测；热红外影像；数学形态学；Otsu算法；Sobel算子

0 引言

图像边缘富集大量的重要信息，边缘检测在图像处理与解译、模式识别、计算机视觉等领域占据重要的地位，被广泛应用在计算机解析、城市决策分析、医学图像解译等相关领域中[1]。边缘检测的正确性和可靠性将直接影响影像解译的质量，因此，学者们一直在研究寻找抗噪性强、边缘定位准确、不误检、不漏检的检测算子[2-3]。经典的一阶边缘检测算子有Roberts、Prewitt、Sobel、Canny等和二阶边缘检测算子有Laplacian、Marr-Hildreth等[4-5]。热红外成像是一种不直接接触被测物体就能获取目标物体热红外影像的技术，因其灵敏度高、可靠性强、测温快等优点被广泛应用在无损探测、军事侦察、遥感监测等相关领域中[6-7]。由于获取的热红外影像易受目标周围物体热辐射能量的影响，使影像中存在大量的噪声点，利用传统的算子边缘检测时，极易受噪声的影响，无法将边缘真正地检测出来[8]。Sobel算子是传统的经典算子之一，它是计算像素点上、下、左、右的灰度加权值，使边缘点处极值最大来确定影像边缘的。经国内外研究学者研究发现[9]，Sobel算子对噪声具有一定的平滑作用，但对灰度极值变化明显的噪声点，极易将其误判为边缘点，从而漏判真正的边缘。Sobel算子定位精确，但由于受局部平均的影响，也会检测出许多伪边缘。同时，Sobel算子具有很强的方向性，只对垂直和水平方向敏感，对其他方向不敏感，使得有些边缘检测不到。数学形态学的研究源于法国的Matheron和他的学生Serra[10]，Matheron等最初将其用来分析金属材料和地质样本的几何结构，提出了基于集合论的二值形态学，Sternberg和Serra把二值形态学推广到灰度图像，形成了灰度形态学[11-13]。后来，经过国内外学者的研究将其发展为今天的数学形态学。数学形态学理论主要应用于图像边缘检测、结构分析、形态分析、纹理分析、图像恢复重建等处理中。目前，国内外学者对形态学去噪的研究较多，该方法也日趋成熟，大部分为图像预处理过程，这为后续的图像处理及目标识别等奠定了基础。形态学可以根据研究目的选取合适的结构元素对图像进行去噪，既可以去除噪声又能抑制边缘的模糊性，因而广受学者们的欢迎。因此，本文对经典的Sobel算子进行改进，依次运用形态学开闭运算对具有随机噪声的热红外影像滤波，去除干扰边缘检测的噪声，同时，增强目标边缘的对比度、抑制边缘信息的模糊性。再利用Otsu算法对影像进行全局阈值分割，分割为二值影像，最后利用Sobel算子对其进行边缘检测。实践证明，该方法能检测到不同方向的边缘，去噪性强，边缘连续性较好，是一种行之有效的边缘检测方法。

1 基本原理概述

传统的边缘检测算子主要是利用一阶、二阶算子通过对图像中每个像素点做卷积完成边缘检测的，常用的有Roberts、Prewitt、LOG。Roberts与Prewitt算子均是基于一阶局部微分检测边缘点的，Roberts算子边缘定位准确，但对噪声极其敏感。Prewitt算子的方向与Sobel算子方向一样，对噪声具有平滑作用，但只对水平、垂直方向有响应，对其他方向的边缘不敏感。LOG算法是利用灰度值的二阶微分零交叉点来检测边缘的，由于进行二阶微分，对噪声更加敏感，当影像中存在较多噪声点时，极易受到噪声的影响，将其误判为伪边缘。每个经典的边缘检测方法都有其优劣，应该根据想获取边缘的特点和应用目的，选取合适的检测方法，或在传统方法的基础上加以改进，从而达到理想的边缘检测目的。

1.1 数学形态学

其基本思想是用具有一定数学形态的结构元素去度量和提取影像中的对应形状，除去不相干结构，达到对影像分析和识别的目的[14]。形态学有腐蚀、膨胀、开、闭等运算，各运算定义如下：

1）膨胀运算：Å＝max{(,)＋(,)}

2）腐蚀运算：Q＝min{(,)－(,)}

3）开运算：◦＝(Q)Å

4）闭运算：·＝(Å)Q

以上公式中，(,)为影像的灰度级，(,)为结构元素。

1.2 Otsu算法基本原理

Otsu算法是1979年被提出来的，一直被认为是阈值自动选取的最优方法[15]。通过阈值分割，将原图像中的目标与背景分割开来，方便后续的边缘检测。其基本原理是用阈值把影像分为两类，通过分割后得到的两类类间方差最大值来确定最佳阈值[16]。

整幅图像的灰度均值与方差分别为：

对于一幅影像来说，和2为常量，与无关。0类和1类的类间方差为：

B2＝0(0－)2＋1(1－)2(3)

让在[0,－1]范围依次取值，即求max(B2)时的对应值，即为Otsu算法的最佳阈值。方差是度量影像像素灰度分布均匀性的标准，方差B2越大，说明影像中的目标和背景的差别越大，即分割效果越好。

1.3 Sobel算子

经典的Sobel算子是一阶梯度算子，利用像素上下、左右邻点灰度的加权平均，在边缘点取极值的方法获取边缘影像[17]。对于一幅×像素的影像，每一点的灰度级为(,)，两个卷积核1(,)与2(,)，其数学表达式定义为：

Sobel算子在水平和垂直方向上的模板分别为：

2 本文的改进算法与结果分析

2.1 本文改进的边缘检测算法

由于红外热像仪获取的热红外影像是被动式接收物体的热辐射能量，非目标物体的热辐射也同时被传感器接收，使目标物体的热红外影像边缘模糊，影像存在大量噪声。传统的Sobel算子虽然对噪声具有一定的平滑作用，但实践证明还不足以滤除噪声，减小噪声对边缘检测的干扰，同时，传统Sobel算子具有很强的方向性，使得边缘检测不全面，定位精度低。鉴于以上分析，本文提出一种基于Sobel算子的改进算法，具体流程如图1。

图1 算法流程图

其算法具体实现如下：

1）首先对含有大量噪声的热红外影像进行形态学去噪，利用开运算能够消除形状小于结构元素的目标点，再利用闭运算连接相邻物体以及平滑影像边缘。采用不同尺度、不同结构元素对影像依次进行形态学开闭运算，可以有效地抑制噪声，同时，能够平滑目标物体的边缘、抑制非目标物体对边缘的模糊性影响。本文选取的两个结构元素依次为3×3十字形结构元素1和7×7钻石形结构元素2，如下：

十字形结构元素尺度较小，对影像先进行开运算，其去噪能力较弱，但可以保留影像的边缘细节特征，除去影像中小于结构元素的亮点，同时较大的亮度区域保持不变；再利用钻石形结构元素进行闭运算，由于钻石形结构元素尺度较大，去噪能力较强，可除去影像中小于结构元素的暗点，同时又能保留原来较大的亮度信息，削弱边缘模糊性，这有利于后续的Sobel算子边缘检测。

2）利用Otsu算法对影像进行全局阈值分割，全局阈值＝121，若(,)＞，赋值为1；若(,)＜，赋值为0，将其划分为二值影像。

3）经Otsu算法分割的二值影像边缘清晰，不易受噪声的干扰，再利用Sobel算子对其进行边缘检测，得出最后的边缘影像。

2.2 实验与结果分析

本文采用的仪器是非制冷焦平面红外热像仪，型号为TH9100MV/WV，该仪器配备了内置的可见光相机，可同步采集可见光影像与热红外影像。可见光影像像素为640(H)×480(V)，热红外影像像素为320(H)×240(V)，热红外影像的波长范围是8～14mm，可测温度范围设置为0～500℃，可见光影像的波长范围是0.4～0.75mm。利用红外热像仪采集的热红外影像是电路元件的一个组成部分，操作环境外部温度为26.7℃，环境湿度65%左右，利用仪器本身自带的分析软件MikroSpec4对采集的影像进行分析，最高温度为192.4℃，最低温度为30.8℃。为了更明显地对比仿真实验效果，对影像增加2%的椒盐噪声，实验效果如图2。

由图2可得：①由于热红外影像中存在大量的噪声，使得传统的Roberts、Prewitt、LOG、Sobel算子检测出大量的噪声点，对边缘信息定位不准确，受噪声影响较大。Roberts算子基本没有检测出边缘，漏检了目标物体的边缘，误检出大量的噪声；Prewitt算子只能检测出部分边缘，边缘轮廓不连续，也不清晰，同时检测出大量的噪声点；在不去噪的情况下，利用LOG算子和Sobel算子边缘检测时，检测出噪声的同时，边缘信息表达较差，而本文算法可以有效地去除噪声的影响，又增加目标边缘的对比度，减轻了边缘检测的模糊性。②利用传统的Sobel算子边缘检测，边缘定位不准确、表达不清晰，甚至存在伪边缘，同时边缘轮廓不连续，无法很好地描述目标物体大致的外部形态轮廓。而本文改进算法，边缘定位精度较好，外部轮廓连续且清晰，由于在二值化基础上进行的Sobel边缘提取，检测的边缘多为单像素，边缘细节特征描述较好，利于后续的影像识别与判读。③本文算法在进行全局阈值分割后，再利用Sobel算子检测，能够检测出传统算子无法检测出的内部细节特征，内部细节描述较好且清晰，这对热红外影像中复杂目标物体的细节特征提取有重要的参考价值。

3 结论

本文针对热红外影像中存在大量噪声点的特征，提出一种基于传统Sobel算子的改进算法。实践结果表明：该算法能够检测出传统算法不能检测出的复杂边缘，边缘轮廓定位准确，外部轮廓清晰且完整，连续性较好，内部细节表达明确，影像边缘较平滑，同时有效地抑制了噪声，是一种简单有效的边缘检测方法。

[1] Rajab M I, Woolfson M S, Morgan S P. Application of region-based segmentation and neural network edge detection to skin lesions[J]., 2004, 28(1/2): 61-68.

[2] 冈萨雷斯, 伍兹, 艾汀斯. 数字图像处理(MATLAB版)[M]. 阮秋琦, 译. 北京: 电子工业出版社, 2005.

[3] Tao Xiaoping, Yan Feng. Image improvement based on sub-pixel post-integration for a staring imaging system in geostationary orbit[J]., 2014, 12(4): 042802.

[4] Li Xinfu, Liu Jiaomin. Edge detection on arc image of low voltage apparatus[C]//,, 2003: 2921-2925.

[5] Rivest J. Morphological operators on complex signals[J]., 2004, 84(1): 133-139.

[6] 孙晓刚, 李云红. 红外热像仪测温技术发展综述[J]. 激光与红外, 2008, 32(8): 101-104.

[7] 夏清, 陈亚凯, 张振鑫, 等. 基于Laplace算子和灰色理论的热红外影像边缘检测[J]. 红外技术, 2014, 36(5): 377-380.

[8] 许宏科, 秦严严, 陈会茹. 一种基于改进Canny的边缘检测算法[J]. 红外技术, 2014, 36(3): 210-214.

[9] Vincent O R, Folorunso O. A descriptive algorithm for Sobel image edge detection[C]//, 2009: 97-106.

[10] Haas A, Matheron G, Serra J. Morphologie mathematic et granulo- metries en place[J]., 1967: 767-782.

[11] Matheron G.[M]. New York: Wiley, 1975.

[12] Sternberg S R. Gray scale morphology[J].,,, 1986, 35(3): 333-355.

[13] Serra J.[M]. New York: Academic Press, 1982.

[14] 夏清, 胡振琪, 位蓓蕾, 等. 一种新的红外热像仪图像边缘检测方法[J]. 红外与激光工程, 2014, 43(1): 318-322.

[15] 肖超云, 朱伟兴. 基于Otsu准则及图像熵的阈值分割算法[J]. 计算机工程, 2007, 33(14):188-189.

[16] 李华强, 喻擎苍, 方玫. Canny算子中Otsu阈值分割法的运用[J]. 计算机工程与设计, 2008, 29(9): 2297-2298.

[17] 张建军, 罗静. 基于改进Sobel算子的表面裂纹边缘检测算法[J]. 合肥工业大学学报:自然科学版, 2011, 34(6): 845-847.

A Modified Edge Extraction Algorithm of Infrared Thermal Image Based on Sobel Operator

XIA Qing，HU Zhen-qi，XU Li-jiang，WANG Hai-juan，ZHANG Yan

（，，()，100083，）

There is so much noise caused by special imaging mechanism in infrared thermal images, which leads to difficulty in extracting edge. A new edge detection method was proposed based on traditional Sobel operator. Different scales and structure elements of mathematical morphology were applied to filter infrared thermal images with random noise and global threshold algorithms for image segmentation (Otsu algorithm) was used to classify images. Finally, edge information was extracted by Sobel operator. Based on MATLAB program, the result shows that the new method not only has strong noise immunity, but also has a better detection effect on outer and internal features compared with traditional Sobel operator. It has a better continuous consistency and it is a simple and fast edge extraction method.

edge extraction，infrared thermal image，mathematical morphology，Otsu algorithm，Sobel operator

TP751.1

1001-8891(2015)06-0462-05

2014-11-12；

2014-12-17.

夏清（1987-），女，辽宁鞍山人，博士研究生，主要研究图像处理与矸石山温度场监测。

国家自然科学基金，编号：41371502。