紅外圖像的邊緣提取

摘 要：提出了一種基于人眼微動機(jī)理的邊緣提取算法。通過模擬眼球的微動，提取圖像的微動邊緣，同時(shí)為了減少偽邊緣的產(chǎn)生，對其微動邊緣圖像進(jìn)行均值濾波處理，最后應(yīng)用非極大值抑制和雙閾值檢測邊緣連接提取圖像的二值化邊緣。實(shí)驗(yàn)結(jié)果顯示，該算法邊緣提取效果較好，達(dá)到了預(yù)期的效果。

　　傳統(tǒng)算法大多都是基于局部窗口的微分梯度算子，對噪聲敏感，因此不適合處理受噪聲干擾嚴(yán)重的圖像。由于人眼微動具有超分辨率的特性，對紅外圖像處理提供了良好的啟示。本文就是根據(jù)人眼微動機(jī)理研究紅外圖像邊緣的提取，并通過實(shí)驗(yàn)加以驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，基于人眼微動機(jī)理的紅外圖像邊緣提取算法不但能夠精確提取圖像的邊緣，同時(shí)能夠很好地減少圖像中的偽邊緣，具有良好的邊緣提取效果。

　　1 人眼微動成像原理

　　早在1952年，DITCHBURN和GINSBORG等人就注意到人眼在固視狀態(tài)下具有無意識的微小運(yùn)動，即人眼微動[5,6],它分為三種模式：高頻振顫、飄移運(yùn)動和閃動。由于前兩種幅度不大，同時(shí)目前的眼球檢測技術(shù)難以精確地測量，因此這里提到的人眼微動主要指閃動。國外學(xué)者對眼球微動進(jìn)行了大量的實(shí)驗(yàn)研究。實(shí)驗(yàn)表明，人眼在停止眼球所有運(yùn)動的時(shí)候，靜止的圖像將突然變模糊繼而消失，眼球微動與視覺的產(chǎn)生存在直接的關(guān)系，且雙目微動優(yōu)于單目微動。近年來，CONDE M等[7]學(xué)者通過測量圖像消失或再現(xiàn)前后微動發(fā)生的概率、速率以及振幅的變化，進(jìn)一步揭示了眼球微動與圖像消失有著直接關(guān)系，微動與固視圖像的清晰度有因果聯(lián)系。

　　人眼微動的成像原理[8,9]為：人眼微動使感興趣信息更準(zhǔn)確地落入視網(wǎng)膜的中央凹區(qū)，信息越精確地落于中央凹區(qū)，人眼所感受到的圖像銳化程度越強(qiáng)；人眼微動會使近凹區(qū)反應(yīng)增強(qiáng)，它們通過橫向連接具有抑制作用的神經(jīng)網(wǎng)絡(luò)對中央凹區(qū)的信息進(jìn)行修正，如一次修正不夠理想，人眼微動會使信息重新更精確地回到中央凹區(qū)，同時(shí)隨著信息尺度的大小調(diào)整微動幅度，如此反復(fù)直到精確地辨識出信息為止。信息尺度越小，微動幅度就越小，反之亦然。同時(shí)隨著微動速率的提高，對應(yīng)視網(wǎng)膜上感受視野的銳化能力就會越強(qiáng)。本文通過對圖像進(jìn)行平移來近似模擬人眼這種微動機(jī)制，并將其應(yīng)用于紅外圖像的邊緣提取。

　　2 算法基本過程

　　2.1 算法基本原理

　　算法可以理解為有基本運(yùn)算及規(guī)定的運(yùn)算順序所構(gòu)成的完整的解題步驟?；蛘呖闯砂凑找笤O(shè)計(jì)好的有限的確切的計(jì)算序列，并且這樣的步驟和序列可以解決一類問題。

　　人眼主要依靠微動機(jī)制來分辨圖像的邊緣，眼球微動幅度越小，圖像的邊緣越細(xì)致，隨著幅度增大，圖像邊緣線條變粗，但是對大尺度邊緣突出能力強(qiáng)于小幅度的情形。人眼微動理論具有強(qiáng)大的邊緣提取能力。結(jié)合視網(wǎng)膜節(jié)細(xì)胞對方向的敏感性，首先選擇人眼微動的方向，然后通過微動圖像計(jì)算微動方向的邊緣圖像，之后各個(gè)微動方向邊緣圖像進(jìn)入競爭環(huán)節(jié)，競爭的結(jié)果則為各個(gè)微動方向最優(yōu)的整體灰度邊緣圖像，最后進(jìn)行二值化處理生成二值邊緣圖像。

　　設(shè)原始圖像為f（x,y），則在某一微動方向上圖像的微動邊緣圖像由下式表示：

　　g（x,y）={f（x,y）-f?茲（x+k1·？駐x,y+k2·？駐y）} （1）

　　式中，？駐x、？駐y分別表示圖像向x、y方向移動的距離單元，k1、k2表示移動的大小，？茲表示移動的方向，計(jì)算公式為：

　　?茲=arctan（k2/k1） （2）

　　以r