基于Canny算子的低照度圖像特定區(qū)域邊緣提取方法

裴云霞，張海民

(1.宣城職業(yè)技術(shù)學(xué)院 信息與財(cái)經(jīng)學(xué)院，安徽 宣城 242099；2.安徽信息工程學(xué)院 計(jì)算機(jī)與軟件工程學(xué)院，安徽 蕪湖 241199)

在低照度環(huán)境下獲取的圖像，因其成像時(shí)光照不均勻，在圖像細(xì)節(jié)信息提取中容易出現(xiàn)偏差，需要通過增強(qiáng)處理手段對圖像進(jìn)行全面檢測，以保證該類型圖像的特征信息具有較好的獲取效果。為實(shí)現(xiàn)低照度圖像的細(xì)節(jié)信息檢測，許多科研人員通過不同的技術(shù)手段設(shè)計(jì)圖像提取方法。劉建思等[1]提出了邊緣檢測方法，通過參數(shù)化理論設(shè)計(jì)推導(dǎo)模型，再根據(jù)模型獲取邊緣提取的梯度算子，對數(shù)字圖像的低亮度區(qū)域進(jìn)行敏感因子分析，以區(qū)分區(qū)域邊緣特征與其他區(qū)域特征。雖然該方法在不同標(biāo)準(zhǔn)下實(shí)現(xiàn)了圖像邊緣的檢測和提取，但沒有考慮噪聲條件等其他因素的影響。萬方等[2]利用階躍濾波方法分解圖像亮度分量，實(shí)現(xiàn)了低照度圖像邊緣的增強(qiáng)和檢測。該方法的優(yōu)勢是在階躍濾波器的作用下，對低照度圖像進(jìn)行平滑濾波處理，增強(qiáng)重點(diǎn)并突出低照度圖像的細(xì)節(jié)部分，以此保留更多的圖像細(xì)節(jié)和邊緣信息。使用階躍濾波器雖然能夠避免低照度圖像的重組偏差，在增強(qiáng)過程中具有一定的提取優(yōu)勢，但受噪聲等干擾條件的影響，在提取過程中仍會丟失部分細(xì)節(jié)。

為實(shí)現(xiàn)高標(biāo)準(zhǔn)的圖像邊緣提取效果，綜合上述傳統(tǒng)方法的優(yōu)勢，本文提出一種基于Canny算子[3-4]的低照度圖像特定區(qū)域邊緣提取方法。

1 基于Canny算子的低照度圖像平滑處理

低照度圖像邊緣[5-6]特征的提取過程包含多個(gè)步驟，由于低照度圖像[7]在獲取時(shí)具有光照不均勻性，在數(shù)字圖像內(nèi)會存在噪聲等多種影響因素，為此，需要在邊緣提取前進(jìn)行平滑處理。本文利用Canny算子中的高斯函數(shù)J(x,y)對低照度圖像的噪聲進(jìn)行平滑處理。J(x,y)計(jì)算公式為

(1)

式中:x、y分別為水平和垂直方向,δ為高斯函數(shù)的標(biāo)準(zhǔn)差。

J(x,y)在不同方向中可形成多種表示形式,方向?qū)?shù)JF計(jì)算公式為

(2)

(3)

(4)

(5)

式中:G為常數(shù),K1(·)、K2(·)為平滑處理過程中分解的一維濾波函數(shù),二者的計(jì)算公式為

(6)

將分解的濾波器作為處理基礎(chǔ),分別對初始圖像的不同方向進(jìn)行卷積,則x、y方向上的平滑偏置導(dǎo)數(shù)Lx、Ly計(jì)算公式為

(7)

再根據(jù)x、y方向上的偏置導(dǎo)數(shù),獲取原始低照度圖像的平滑結(jié)果:

(8)

(9)

(10)

式中:Z(x,y)為平滑后的低照度圖像,(C,V)為像素點(diǎn),Zx(C,V)和Zy(C,V)分別為x和y方向的梯度幅值,Ly(C,V)、Lx(C,V)為該像素點(diǎn)上的偏置導(dǎo)數(shù),B(C,V)為像素幅值,ε(C,V)為梯度方向[8]。

2 基于注意力機(jī)制的特定區(qū)域邊緣特征提取

以高斯函數(shù)對圖像中噪聲[9]的平滑處理結(jié)果為基礎(chǔ),通過偏置推導(dǎo)得到新的低照度圖像,再進(jìn)行特定區(qū)域的邊緣檢測[10-12],最終實(shí)現(xiàn)邊緣提取。

注意力機(jī)制是深度學(xué)習(xí)技術(shù)的一種學(xué)習(xí)方式,將該機(jī)制用于低照度圖像邊緣提取時(shí),能夠劃分出低照度圖像中的不同區(qū)間,將圖像的特征[13-14]分為多個(gè)層級,標(biāo)注出不同光照邊界。根據(jù)注意力機(jī)制的生成原理,為保證低照度圖像的信息細(xì)節(jié)不丟失,在相同維度內(nèi)提取低照度圖像邊緣[15-16]。提取過程為

(11)

式中:zcv為矩陣條件數(shù),α(·)為指數(shù)函數(shù),m為低照度圖像特定區(qū)域邊緣提取[17]中像素個(gè)數(shù),c、v為邊緣像素,bv為矩陣b的第v個(gè)位置元素,nc為矩陣n中第c個(gè)位置像素,n可直接表示通道數(shù)。

矩陣b、n具有相同維度,由于低照度圖像在傳遞過程中會存在縮放、旋轉(zhuǎn)等變換,此時(shí)其維度會發(fā)生改變,需要進(jìn)行轉(zhuǎn)置以保證提取效果。轉(zhuǎn)置輸出結(jié)果o計(jì)算公式為

(12)

式中:β為注意力機(jī)制的學(xué)習(xí)參數(shù),初始化β=0;Wv為矩陣W中第v個(gè)位置像素;χ為圖像紋理特征。

在低照度圖像的特征空間維度中提取邊緣特征[18],特征空間維度的整體分布QP計(jì)算公式為

(13)

可以將信道特征的權(quán)重作為每個(gè)特征的重要程度,以此實(shí)現(xiàn)特定區(qū)域邊緣提取,提取結(jié)果為

(14)

式中:A″為隸屬A的特征通道,IP為第P個(gè)元素的權(quán)重,S(·)為激活函數(shù)。

根據(jù)注意力機(jī)制完成低照度圖像邊緣提取。

3 利用逼近函數(shù)優(yōu)化邊緣提取結(jié)果

根據(jù)上述邊緣提取結(jié)果,使用逼近函數(shù)在特定區(qū)域內(nèi)實(shí)現(xiàn)邊緣提取優(yōu)化。在逼近函數(shù)中存在領(lǐng)域梯度,可以對低照度圖像的像素特征進(jìn)行垂直和水平方向上的分類,以此實(shí)現(xiàn)邊緣[19-20]特征的提取。2個(gè)方向構(gòu)成平面的逼近函數(shù)axy計(jì)算公式為

axy=sx+dy+f,

(15)

式中:f為潛在算子,s、d分別為領(lǐng)域梯度。在滿足對稱性要求下計(jì)算方向梯度s、d的計(jì)算公式為

(16)

(17)

式中,g、h分別為領(lǐng)域梯度s、d中的元素。

上述梯度可以直接作為提取模板,在該模板下獲取2個(gè)方向上的推導(dǎo)函數(shù)jx和jy,二者計(jì)算公式為

(18)

在低照度圖像特定區(qū)域邊緣提取優(yōu)化過程中,根據(jù)上述推導(dǎo)函數(shù)需要對g、h賦值,并將模板轉(zhuǎn)化為一體化模塊,以對應(yīng)正交的2個(gè)方向。一般情況下,g、h的賦值為整數(shù),賦值后的梯度模塊l1、l2、l3、l4表示為

(19)

(20)

(21)

(22)

l1、l2為特定方向上具有同性性質(zhì)的邊緣提取模板,可以直接檢測特定方向的邊緣;l3、l4為旋轉(zhuǎn)后產(chǎn)生傾斜時(shí)利用的提取模板,是2個(gè)相互垂直的梯度模塊,可以選擇性地提取45°或135°方向上的邊緣。至此,本文通過Canny算子實(shí)現(xiàn)了低照度圖像特定區(qū)域內(nèi)的邊緣提取。

4 實(shí)驗(yàn)過程與結(jié)果分析

4.1 實(shí)驗(yàn)圖像樣本選擇

LOL(low-light image and video enhancement benchmark)數(shù)據(jù)庫包含不同場景、不同設(shè)備和不同光照條件下的低照度圖像。該數(shù)據(jù)庫中的圖像均具有低對比度、噪聲、模糊等問題。本次實(shí)驗(yàn)從該數(shù)據(jù)庫中隨機(jī)選擇一組低照度圖像進(jìn)行實(shí)驗(yàn)檢測，圖像測試樣本見圖1。

在圖1中，低照度圖像測試樣本存在亮度不均勻等問題，通過檢測圖像中的噪聲含量發(fā)現(xiàn)其噪聲超過30%，符合此次實(shí)驗(yàn)測試條件。

4.2 不同對比方法及評價(jià)指標(biāo)

本文實(shí)驗(yàn)將圖像測試樣本輸入MATLAB測試平臺,將本文所提方法與文獻(xiàn)[1]參數(shù)化提取方法及文獻(xiàn)[2]基于階躍濾波器的提取方法進(jìn)行對比測試,驗(yàn)證本文所提方法是否可以有效地對低照度圖像進(jìn)行特定區(qū)域的邊緣提取。

僅通過主觀判斷無法保證測試精度，因而本文選擇信息熵和平均梯度作為不同方法提取效果的客觀評價(jià)指標(biāo)，進(jìn)一步分析不同方法的提取效果。其中：信息熵表示圖像信息的豐富程度，信息熵值越大，說明提取的信息量就越多；平均梯度用于衡量圖像清晰度，平均梯度值越大，說明提取的紋理越清晰，圖像的邊緣信息保留的就越多。

計(jì)算差方可以提高邊緣檢測的準(zhǔn)確性和抑制噪聲干擾，x、y方向上的方差的rx、ry的計(jì)算公式為

(25)

式中，N為圖像的像素?cái)?shù)。

圖像信息熵t和平均梯度q的計(jì)算公式為

(23)

(24)

式中:p為灰度等級,iu為灰度值為u的像素點(diǎn)與總像素比值,q為平均梯度,w、e為圖像行數(shù)和列數(shù)。

4.3 圖像特定區(qū)域邊緣提取效果

不同方法在特定區(qū)域內(nèi)對樣本圖像的邊緣進(jìn)行提取，提取結(jié)果如圖2所示。

由圖2可知，從主觀視覺效果上來看，基于參數(shù)化的提取方法考慮了中心像素的差分問題，可以檢測出絕大部分邊緣，但存在細(xì)小特征丟失的情況?；陔A躍濾波器的提取方法對重要部分也可以準(zhǔn)確提取，但存在模糊邊緣問題。本文所提方法對圖像進(jìn)行了高斯平滑處理，最大程度地消除了圖像中的噪聲，提取的邊緣更趨近于理想的單像素邊緣，整體效果最好。

4.4 圖像邊緣提取效果的客觀評價(jià)

不同方法提取效果的客觀評價(jià)結(jié)果如圖3所示。

由圖3可知，在客觀評價(jià)分析中，2種對比方法對噪聲的抑制效果較差，邊緣提取的信息熵和平均梯度均小于本文所提方法。說明本文所提方法可以在抑制噪聲的同時(shí)，保證低照度圖像邊緣提取的清晰度，具有較高的應(yīng)用價(jià)值。

5 結(jié)語

本文所提基于Canny算子的低照度圖像特定區(qū)域邊緣提取方法能夠有效去除低照度圖像中的噪聲，并保留較高的提取清晰度。實(shí)驗(yàn)結(jié)果表明，文本所提方法具有較高的信息熵和平均梯度，對于低照度圖像邊緣提取具有一定的優(yōu)勢，能夠投入實(shí)際應(yīng)用中。