基于图像边缘特征的目标检测算法

2021-05-06张艳邦张姣姣

内江科技 2021年4期

张艳邦张芬张姣姣

①咸阳师范学院数学与信息科学学院 ②咸阳师范学院智能信息分析与数据处理研究所

本文提出了一种基于图像边缘信息的显著性目标检测算法。首先，应用Roberts算子和Prewitt算子分别检测图像中0°，45°，90°，135°，接着清除图像边缘噪声，然后结合人类视觉注意机制提出了显著性目标检测算法，最后在公开的数据库上进行测试。实验结果表明，在无任何先验信息的情况下，本文算法能够较好地检测出图像中的目标。

1 引言

我们在观察一幅图像时，会无意识地注视图像中的一个或几个目标，这些目标往往是由于其颜色、形状或纹理等特征与周围区域有明显的差异性。这种人眼的选择性注意机制可以帮助我们快速地摒弃图像中的无关信息，提取能够反映图像内容的关键特征。图像边缘信息反映了图像像素的梯度变化，勾勒出了不同的目标区域，因此对图像边缘信息的检测可以有效地帮助我们提取图像中的目标。

2 图像边缘检测

边缘检测算法已经发展成熟，研究人员提出了许多经典的算法模型，如Sobel、Roberts、Prewitt、Canny等。为了不失一般性，本文采用梯度算子理论的经典方法：Roberts算子和Prewitt算子。

Roberts算子又称为交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘信息，检测模板为：

从其模板可以看出，它能够较好地检测图像中45度和135度的边缘。

Prewitt算子是一种图像边缘检测的微分算子，其原理是利用特定区域内像素灰度值产生的差分实现边缘检测。它的检测模板为：

由模板可以看出Prewitt算子的能够较好地检测水平方向和垂直方向的边缘。另外，Prewitt算子采用3×3 模板对区域内的像素值进行计算，相比于Robert算子的模板为2×2，因此，Prewitt算子适合用来识别噪声较多、灰度渐变的图像。

由于通常拍照时，会把目标放置靠近图像中心的区域，靠近图像边界的区域一般是背景，如蓝天、草地等。因此，我们可以清除图像中靠近边界部分的图像边缘信息，另外为了清除噪声的干扰，我们清除了像素较小的孤立点，进而获取目标的位置先验信息，如图1所示。对输入图像I，我们获取的图像边缘图像为BW，分别让距离图像边界长度小于图像长和宽10%的像素为0，来清除背景噪声干扰。Matlab实现代码如下：

图1 图像边缘特征检测

3 显著性特征计算

根据图像的边缘特征，我们获取了图像中目标的粗略位置信息，然后，构造一个矩形区域，矩形区域外的部分为图像背景，矩形区域内的部分为目标候选区域。接着，计算目标先验区域与背景区域颜色特征的差异性获得图像的显著性特征。最后，应用自适应分割算法提取图像目标，算法思路如图2所示。

图2 算法流程

4 实验结果及分析

为了综合评价所提出算法的性能，我们选择采用最广的公开的基准数据集MSRA上进行了实验测试。MSRA数据集是微软亚洲研究院（Microsoft Research Asia）建立的可以定量评价视觉注意力算法效果的公开的大型图像数据库。它包含有1000幅图像及对应人工标记的具有清晰边界的显著物体基准图。实验的直观结果如图3 所示。由图3可以看出，文中算法可以较好地定位到目标的位置，对于目标不靠近图像边界图像可以较好地检测出来，但是检测结果还不够精细，当目标为与图像边界时图像漏检现象，这是我们下一步需要研究的问题。