一種視頻幀宏塊噪聲判斷的自適應(yīng)邊緣檢測(cè)技術(shù)

包宋建

在MPEG-4標(biāo)準(zhǔn)中，視頻信號(hào)的傳輸是分層傳輸模式，即分為紋理信息、運(yùn)動(dòng)信息和形狀信息傳輸.視頻錯(cuò)誤隱藏技術(shù)的分類主要有:編碼端的錯(cuò)誤隱藏技術(shù)、編解碼交互式錯(cuò)誤隱藏技術(shù)和解碼端的錯(cuò)誤隱藏技術(shù)［1］.其中，解碼端的錯(cuò)誤隱藏技術(shù)因?yàn)椴恍枰谛盘?hào)中加入冗余信息，也不需要反饋信息的時(shí)延，因此無需改變編碼器結(jié)構(gòu)和增加傳輸帶寬，并能進(jìn)行實(shí)時(shí)圖像傳輸，所以，解碼端的錯(cuò)誤隱藏技術(shù)成為研究熱點(diǎn).而圖像的邊緣提取和恢復(fù)是視頻錯(cuò)誤隱藏中最為核心的技術(shù).圖像的邊緣有兩個(gè)屬性:方向和幅度.像素沿邊緣方向變化平緩，像素沿垂直于邊緣方向變化劇烈.基于這一特性可以利用一階或二階導(dǎo)數(shù)算子進(jìn)行檢測(cè).經(jīng)典的一階邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子等，經(jīng)典的二階邊緣檢測(cè)算子有拉普拉斯邊緣檢測(cè)算子和LOG算子.Canny算子是在一定的約束條件下推導(dǎo)出的邊緣檢測(cè)算子［2］.

1 兩種經(jīng)典邊緣檢測(cè)算子原理

因?yàn)镽oberts算子和Canny算子在圖像分割、目標(biāo)識(shí)別、區(qū)域形態(tài)提取等圖像分析領(lǐng)域中應(yīng)用較為普遍.以下將僅對(duì)使用較多的一階導(dǎo)數(shù)邊緣檢測(cè)Roberts算子和具有濾波作用的Canny算子進(jìn)行邊緣檢測(cè)原理介紹.

1.1 Roberts邊緣檢測(cè)算子

圖像的邊緣強(qiáng)度是突變并且具有復(fù)雜的形態(tài)和包含大量的信息，因此，“梯度檢測(cè)法”成為最常用的邊緣檢測(cè)方法.設(shè)f(x，y)代表圖像灰度分布函數(shù)［3］，則圖像在(x，y)點(diǎn)處的梯度值s(x，y)為:

圖像在(x，y)點(diǎn)處的梯度方向φ(x，y)為:

將(1)式改寫可得以下的(3)式:

g(x，y)即為Roberts邊緣檢測(cè)算子.Roberts邊緣檢測(cè)在運(yùn)用中使用局部差分法來尋找邊緣，所以Roberts梯度計(jì)算可以用差分來代替一階偏導(dǎo)，其表示如(4)式所示:

Roberts算子有兩個(gè)2×2模板，如圖1所示.圖像的每個(gè)像素都與這兩個(gè)模板進(jìn)行卷積運(yùn)算.

圖1 Roberts算子模板

1.2 Canny邊緣檢測(cè)算子

Roberts算子是局域窗口梯度算子，不存在濾波環(huán)節(jié)，對(duì)噪聲比較敏感，因此對(duì)實(shí)際具有噪聲較多的圖像的邊緣提取效果不夠理想.針對(duì)邊緣提取的有效性和可靠性，Canny提出了評(píng)價(jià)邊緣提取性能優(yōu)劣的3個(gè)指標(biāo)，即高準(zhǔn)確性、高精確度和單像素寬.為了實(shí)現(xiàn)這3個(gè)指標(biāo)，對(duì)用于邊緣檢測(cè)的一階微分濾波器h'(x)提出了三大準(zhǔn)則，即最大信噪比準(zhǔn)則、最優(yōu)過零點(diǎn)定位準(zhǔn)則和單邊緣響應(yīng)準(zhǔn)則［4］.

噪聲抑制和邊緣定位精確是兩個(gè)矛盾面.用平滑算子去除噪聲的同時(shí)也削弱了圖像邊緣定位的準(zhǔn)確性;反之，減弱濾波效果，則可以增強(qiáng)圖像邊緣的準(zhǔn)確性.因此，噪音去除和邊緣定位在實(shí)際應(yīng)用中要進(jìn)行折中處理［5］.

高斯函數(shù)與原圖的卷積和求導(dǎo)分別實(shí)現(xiàn)抵抗噪聲和檢測(cè)景物邊緣的目的.設(shè)二維高斯函數(shù)為下式:

上式中的σ是高斯函數(shù)的分布參數(shù)，其取值大小可用以控制對(duì)圖像的平滑度.

最優(yōu)階躍邊緣檢測(cè)算子是以卷積▽G*f(x，y)為基礎(chǔ)的，則 ▽G*f(x，y )為邊緣強(qiáng)度為邊緣方向.

首先將▽G的兩個(gè)濾波卷積模板分解為兩個(gè)一維的行列濾波器，如(6)式和(7)式:

其中，

可見，h1(x)=xh2(x)，h1(y)=yh2(y)，k為常數(shù) ．然后把這兩個(gè)模板分別與f(x，y)進(jìn)行卷積，得到:

令

則A(i，j)反映邊緣強(qiáng)度，a(i，j)為垂直于邊緣的方向.

2 根據(jù)圖像噪聲自適應(yīng)的邊緣檢測(cè)方法

由于Canny算子采用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理，因此具有較強(qiáng)的去噪能力，但同樣存在容易平滑掉一些邊緣信息.然而，Roberts邊緣檢測(cè)算子不需要進(jìn)行濾波平滑處理，因此不能抑制噪聲，但該算子對(duì)具有陡峭的低噪聲圖像響應(yīng)最好.結(jié)合這兩種邊緣檢測(cè)算子的特點(diǎn)提出一種根據(jù)圖像噪聲的自適應(yīng)邊緣檢測(cè)方法.

首先將一幀圖像分成若干個(gè)宏塊，然后對(duì)各個(gè)宏塊的信噪比進(jìn)行計(jì)算，計(jì)算式為:

式中，G(x)為邊緣函數(shù);h(x)為帶寬為W的低通濾波器的脈沖響應(yīng);σ是高斯噪聲的均方差.

設(shè)定噪聲閾值R，此閾值R要通過實(shí)驗(yàn)法得到.當(dāng)SNR≤R，說明該宏塊中包含較多的噪聲，則對(duì)這一宏塊的邊緣采用Canny算子進(jìn)行提取;把兩個(gè)模板分別與圖像灰度分布函數(shù)f(x，y)進(jìn)行卷積，得到:

當(dāng)SNR＞R時(shí)，說明該宏塊中包含噪聲較少，則對(duì)這一宏塊的邊緣提取采用Roberts算子進(jìn)行提取，用差分來代替一階偏導(dǎo)，其表示如下式所示:

然后將圖像中的每個(gè)像素與兩個(gè)模板進(jìn)行卷積運(yùn)算.

3 Matlab仿真

為了分析上述自適應(yīng)的邊緣檢測(cè)方法的效果，用Matlab對(duì)Lenna部分區(qū)域加入高斯噪聲和椒鹽噪聲后的Lenna圖像進(jìn)行邊緣檢測(cè).

3.1 對(duì)Lenna原始圖像部分區(qū)域加入高斯噪聲仿真

對(duì)Lenna原始圖像部分區(qū)域加入高斯噪聲的圖像如圖2所示.

圖2 部分區(qū)域加入高斯噪聲的lenna圖像

Roberts算子、Canny算子和根據(jù)圖像噪聲自適應(yīng)的邊緣檢測(cè)方法對(duì)部分區(qū)域加入高斯噪聲的Lenna圖像的處理效果如圖3所示.

圖3 三種邊緣檢測(cè)效果比較圖

3.2 對(duì)Lenna原始圖像部分區(qū)域加入椒鹽噪聲仿真

對(duì)Lenna原始圖像部分區(qū)域加入椒鹽噪聲的圖像如圖4所示.

圖4 部分區(qū)域加入椒鹽噪聲的Lenna圖像

Roberts算子、Canny算子和根據(jù)圖像噪聲自適應(yīng)的邊緣檢測(cè)方法對(duì)部分區(qū)域加入椒鹽噪聲的Lenna圖像的處理效果如圖5所示.

圖5 三種邊緣檢測(cè)效果比較圖

通過在 Matlab環(huán)境下，對(duì) Roberts算子、Canny算子和本文提出的自適應(yīng)檢測(cè)法在部分具有較強(qiáng)高斯噪聲和椒鹽噪聲的圖像中進(jìn)行仿真，仿真結(jié)果表明:在這兩種噪聲下自適應(yīng)檢測(cè)法的邊緣定位更加準(zhǔn)確，邊緣細(xì)節(jié)更加清楚，連續(xù)性較好和虛假邊緣少等.如果將一幀圖像的宏塊數(shù)劃分越多，則自適應(yīng)檢測(cè)法的邊緣檢測(cè)效果會(huì)更好，但這會(huì)增大計(jì)算復(fù)雜度.

4 結(jié)論

本文對(duì)兩種經(jīng)典的邊緣提取進(jìn)行了原理分析，提出將一幀圖像分為若干宏塊，對(duì)每個(gè)宏塊內(nèi)的噪聲進(jìn)行信噪比計(jì)算，并與設(shè)定值進(jìn)行比較.若計(jì)算值高于設(shè)定值，則對(duì)本宏塊內(nèi)的邊緣提取采用Roberts算子進(jìn)行檢測(cè)提取;若計(jì)算值低于設(shè)定值，則對(duì)本宏塊內(nèi)的邊緣提取采用Canny算子進(jìn)行檢測(cè)提取.仿真結(jié)果表明，自適應(yīng)檢測(cè)法對(duì)邊緣的檢測(cè)效果更加良好.這對(duì)圖像分割、目標(biāo)識(shí)別、區(qū)域形態(tài)提取和視頻錯(cuò)誤隱藏等有實(shí)際應(yīng)用價(jià)值.

［1］包宋建，楊守良，許艷英.基于H.264/AVC的自適應(yīng)視頻錯(cuò)誤隱藏技術(shù)算法［J］.電視技術(shù)，2012，36(17)：33-36.

［2］張虹，楊平樂，孔莉芳.圖像邊緣提取技術(shù)的分析及優(yōu)化［J］. 微計(jì)算機(jī)信息，2007，23(11)：289-291.

［3］張坤華，王敬儒，張啟衡.基于分形特征的圖像邊緣檢測(cè)方法［J］. 光電工程，2001，28(6)：52-55.

［4］Zhao Zhigang，Wan Jiaona.New method for image edge detection based on gradient and zero crossing［J］.Chinese Journal of Scientific Instrument，2006，27(8)：821-824.

［5］趙繼印，徐艷蕾，焦玉斌.基于順序形態(tài)學(xué)的圖像邊緣檢測(cè)快速算法的研究［J］.電子學(xué)報(bào)，2008，36(11)：2195-2199.