遺傳算法優(yōu)化的形態(tài)學(xué)邊緣檢測(cè)算子

圖像邊緣檢測(cè)通常是以類似于素描圖的圖像表達(dá)出物體的要素和特征，其任務(wù)是使圖像邊緣準(zhǔn)確定位和抑制噪聲。本文在傳統(tǒng)形態(tài)學(xué)算子基礎(chǔ)上提出了一種遺傳算法優(yōu)化的形態(tài)學(xué)Top-Hat算子。
實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的邊緣檢測(cè)算法相比，該算法不僅具有較強(qiáng)的邊緣提取能力，而且通過(guò)合理選擇結(jié)構(gòu)元素能明顯降低噪聲對(duì)檢測(cè)結(jié)果的影響，準(zhǔn)確檢測(cè)出圖像邊緣。
關(guān)鍵詞：形態(tài)學(xué);Top-Hat算子;邊緣檢測(cè);遺傳算法
邊緣檢測(cè)是圖像處理的基礎(chǔ)，檢測(cè)的結(jié)果直接決定著后續(xù)處理的精度與結(jié)果?，F(xiàn)有的邊
緣檢測(cè)方法是以一定的圖像為處理對(duì)象，沒(méi)有一個(gè)統(tǒng)一適用的方法。傳統(tǒng)的邊緣檢測(cè)方法是基于空間運(yùn)算的，借助空域微分算子進(jìn)行，通過(guò)將其模板與圖像卷積完成，根據(jù)模板的大小和元素值的不同有不同的算子。這些空域邊緣檢測(cè)算子對(duì)噪聲都比較敏感并且常常會(huì)在檢測(cè)邊緣的同時(shí)加強(qiáng)噪聲。
數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀
以達(dá)到對(duì)圖像分析和識(shí)別的目的。所獲得的關(guān)于圖像結(jié)構(gòu)的信息與結(jié)構(gòu)元素的尺寸和形狀都有關(guān)系，構(gòu)造不同的結(jié)構(gòu)元素，便可完成不同的圖像分析，得到不同的分析結(jié)果。形態(tài)學(xué)方法比其他空域或頻域圖像處理和分析方法具有一些明顯的優(yōu)勢(shì)，它不像微分算法對(duì)噪聲敏感，同時(shí)提取的邊緣也比較平滑，易于用并行處理方法有效地實(shí)現(xiàn)，從而提高處理速度，而且硬件實(shí)現(xiàn)容易。因而，將數(shù)學(xué)形態(tài)學(xué)用于邊緣檢測(cè)，既能有效地濾除噪聲，又可保留圖像中的原有細(xì)節(jié)信息[1][2]。
經(jīng)典的形態(tài)學(xué)邊緣檢測(cè)算子[3]雖能較好地抑制噪聲，但當(dāng)結(jié)構(gòu)元素選取不合適時(shí)，檢
測(cè)效果較差。針對(duì)這一問(wèn)題，本文把遺傳算法應(yīng)用于結(jié)構(gòu)元素的優(yōu)化選擇中，提出了一種遺傳算法優(yōu)化的形態(tài)學(xué)邊緣檢測(cè)算子。