关键字 |
| 人工神经网络、边缘检测、Multi-thresholding最佳边缘检测器,Tsallis熵 |
介绍 |
| 边缘检测技术使用强调这些特征点在数字图像像素强度变化非常突然。这些点通常边界/不同对象的边缘,所以这种技术称为边缘检测。边缘检测是采用图像分割等预处理阶段在不同的应用领域,注册,特征提取,机器视觉等重大挑战面临的选择一个特定的边缘detectorare:虚假边缘检测[1][2],[3]存在噪声,低对比[4]和可怜的阈值[5]。可以解决噪音问题和糟糕的对比噪声滤波和图像增强技术。阈值在边缘检测中起着至关重要的作用,使用单一图像的阈值会导致损失的重要细节。输入灰度图像的二值化f (x, y)通过使用一个阈值水平(T)是由equation1给出。 |
 (1) |
| 另一方面,Multi-thresholding技术用于发现不止一个阈值水平。它有助于减少错误发生比单一的阈值水平。使用多个阈值水平说T1, T2, Tn,对于二值化是由方程2,n1、n2……海里= {0,1} |
 (2) |
| 在第二部分论述了相关工作。第三部分描述了提出边缘检测算法之后,讨论结果,结论和未来的工作在第四节,分别V和VI。 |
相关工作 |
| 经典的方法用于检测边缘包括基于梯度的运营商(索贝尔,罗伯茨和普瑞维特),和Laplacianbased(日志)探测器。梯度边缘探测器使用简单,但对噪声非常敏感[6],因此不适合医学图像分析。另一方面,由于高斯Laplacianbased过滤器有更好的信噪比平和[7],[8],但它给了错误的零交叉。这些操作符使用的内核是如图1所示。 |
| 除了经典的探测器,一些先进的边缘探测器等,基于高斯(精明的)和模糊/神经边缘检测器在很多应用中也得到了广泛的部署。精明的边缘检测器,提出1986年j . f .精明的[9]。它由多级边缘检测过程如图2所示。精明的边缘检测算法为优化开发检测但给假的结果在角落和边缘曲线。 |
| 经典方法无法模型复杂问题,成为无效的噪声和动态变化的环境。在过去的几年中,自然计算方法使计算机系统进行推理和智能决策自己的[10]。因此,近年来发展了一些最新的边缘检测器与模糊逻辑与人工神经网络的使用。模糊方法处理推理,目的是“近似”而不是“精确”的价值观。 |
| YasarBecerikli等。[11]提出了一种新的模糊边缘检测方法。提出了基于规则的模糊算法提供容易边缘的厚度和结构的适应性。结果表明更好的边缘像Sobel古典方法相比,罗伯茨和普瑞维特。 |
| 吴金波et al。[12]提出了一种快速多级模糊边缘检测(FMFED)模糊的图像。FMFED算法首先增强了图像对比双阈值,然后利用梯度值提取边缘。结果表明更好的性能在薄和真正的边缘。 |
| 吴克群铃木等。[13]提出了一种神经边缘增强器(NEE)监督从嘈杂的图像边缘增强。网络使用监督学习和训练,通过一组输入噪声图像。比较证明了优越的鲁棒性的神经边缘探测器噪声图像相比,传统的边缘增强剂。 |
| HamedMehrara[14]提出了一种新的边缘检测使用反向传播神经网络(摘要)。在这种技术中,神经网络的训练,尽可能使用16四像素二值图像,然后输入灰度上实现单级二值化后的图像。 |
| 阿比德et al。[15]提出了新颖的神经网络方法进行边缘检测。该算法使用多层感知器(MLP)来检测边缘噪声和低对比度的灰度图像。模拟结果合成和真实图像显示承诺结果的精度和定位。 |
| JesalVasavada出版社[16]提出了一种灰度图像边缘检测方法基于BP前馈神经网络检测边缘的灰度图像。网络反向传播学习算法训练的标准偏差和梯度值,提出方案显示更好的结果相比,普瑞维特,罗伯茨,索贝尔,日志。 |
提出了神经边缘检测器 |
| 提出了边缘检测器的设计方法是如图3所示。第一,也是最重要的一步是将输入灰度图像转换成二进制形式通过使用三种阈值水平T1, t2 T3 (eq。2),计算使用TsallisEntropy Multi-Thresholding [17]。 |
| 那么这个二进制图像分解为3×3应用windows和一个神经边缘检测器的输入决定是否输入窗口的中心像素是一个边缘,如图4所示。这个网络是使用反向传播神经网络监管,进而使用δ规则学习[18]。网络结构是9 x5x1隐藏(9输入,5和1输出)。摘要训练与100年提出样品3×3的图片大小学习速率为0.9和s形的激活函数。样本选择的方式训练摘要也准确执行未知输入模式。 |
| 最后,输出图像在各种定性和定量参数进行了分析。结果也与传统的结果与现有神经边缘检测器 |
结果与讨论 |
| 在本节中,该算法相比具有不同像Sobel边缘检测技术,罗伯茨普瑞维特,精明的和一般神经网络(四像素神经网络训练可能16模式[14])即视觉检查、MSE、美和PSNR。比较在两种不同类型的测试图像如图5所示。 |
| 图6显示了结果的定性比较非合成RGB图像通过各种操作符。定性比较是通过视觉检查地震带边缘图的质量。 |
| 图7显示了结果的定性比较医学图像通过各种操作符。可以看出边缘细节通过提出技术(参考图6中云的边缘细节(f)和边缘连接的边界图7 (f))远比其他现有技术。 |
| 除了定性分析,定量分析也比较输入图像在不同质量参数。图8显示了量化比较vizMSE美,PSNR获得非合成RGB图像通过各种操作符。 |
| 图9显示了定量对比即MSE,梅,PSNR通过各种运营商获得了医学图像。 |
| 显然注意到,提出技术提供的MSE &美至少相比其他现有的传统和先进的边缘检测技术对两种类型的输入图像。同样,提议的PSNR值检测算法相比是最高的。 |
结论 |
| 在本文中,一种新的边缘检测技术基于Multi-Thresholding和安。通过该方法获得的结果执行比各种众所周知的传统边缘检测技术在质量上边缘,MSE,美和PSNR。该方法产生真正的薄边,展现更多的细节和减少均方误差(MSE)和平均绝对误差(MAE)相比竞争对手非常值得称赞。较高的峰值信噪比(PSNR)提出了边缘检测器的非合成&医疗测试图像清晰地描绘出优质产出的边缘。 |
未来的工作 |
| 计划设计一个最优神经边缘检测器不仅对真实和执行更好的医学图像在噪声或模糊条件也产生良好的结果。 |
数据乍一看 |
 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
图5 |
 |
 |
 |
 |
| 图6 |
图7 |
图8 |
图9 |
|
|
引用 |
- 美国马纳,l . j .厨房,“边缘评价使用必要的组件,”CVGIP:图形化模型和图像处理,54卷,23-30,1992页。
- 即Abdou, W。普拉特,“定量设计和评价增强/阈值边缘探测器,“《IEEE,卷67,问题5页。753 - 763年,2005年。
- h . Farahanirad j . Shanbehzadeh m . m . Pedram。Sarrafzadeh”混合边缘检测算法对椒盐噪声,“诉讼的InternationalMultiConference工程师和计算机科学家(IMECS),我卷,16 - 2011页。
- 张Xuming,阴,XiongYoulun”,边缘检测的低噪声对比焊接接头的形象,“IEEE第八届国际会议在电子测量和仪器,页。2 - 876 - 2 - 879,2007。
- 默罕默德·A . El-Sayed”,新算法基于熵的阈值的边缘检测图像,“国际计算机科学杂志》上的问题(IJCSI), 8卷,问题5,没有1,2011年9月。
- G。T Shrivakshan钱德拉塞卡博士”,比较各种边缘检测技术应用于图像处理、“国际计算机科学杂志的问题,9卷,问题5,页269 - 276,2012年9月。
- Haralick, R。米,“比较拉普拉斯算子的零交叉边缘检测器和第二方向导数的边缘检测器,”程序。IEEE机器人与自动化国际会议上,卷2,452 - 457页,1985年。
- VineetSaini RajnishGarg”,比较分析边缘检测技术应用于图像处理、“IOSR杂志电子与通信工程(IOSRJECE),卷1,问题2,页56-59,2012年5月- 6月。
- 参考书籍精明的,“计算边缘检测方法,IEEE模式分析与机器智能(IEEE TPAMI), 8卷(6),769 - 798年,1986页。
- 锡德拉湾Naeem SajidSiraj,“一个框架使用多目标决策选择边缘检测方法,“IEEE国际会议系统,人,和控制论,pp.730 - 735, 2013。
- Y。Becerikli t·m·卡兰,“一个新的模糊边缘检测方法,”国际人工神经网络工作会议(IWANN),信号3512年,第951 - 943页,2005年。
- 金波,Zhouping阴,YoulunXiong。“快速多级模糊图像的模糊边缘检测,“IEEE信号处理信件,14卷,没有。2007年5月5日
- 吴克群铃木Isao Horiba Sugie,现任“神经边缘增强监督从嘈杂的图像边缘增强,“IEEE模式分析与机器智能,25卷,12号,2003年。
- HamedMehrara,穆罕默德Zahedinejad Quad-pixel使用神经网络边缘检测,“《计算机研究的进步,pp.47-54, 2011年。
- 阿比德、Sabeur FarhatFnaiech, Ezzeddine本Braiek。“一种新的神经网络的方法对图像边缘检测,“IEEE国际会议onElectrical工程和软件应用程序(ICEESA),页1 - 6,2013年。
- JesalVasavada ShamikTiwari”,灰度图像的边缘检测方法基于BP前馈神经网络,“国际期刊《计算机应用(0975 - 8887)卷67 - 2号,2013年。
- 默罕默德。a . El-Sayed年代。Abdel Khalek埃曼阿卜杜勒•阿齐兹,”研究的有效技术,基于2 d TsallisEntropy图像阈值,“国际期刊《计算机科学与工程(IJCSE)卷。2011年9月3号9。
- D.E. Rumelhart ge辛顿R.J.威廉姆斯,“反向传播的学习表示错误,”卷。323年,第536 - 533页,1986年。
|
菜单
(1)
(2)
