基于贝叶斯统计推理的复杂场景边缘检测.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of 第35卷第9期 University V01．35No．9 Technology Science 2007年9月 (Natural Edition) 2007 September 基于贝叶斯统计推理的复杂场景边缘检测+ 张浩蔡晋辉黄平捷周泽魁 (浙江大学控制科学与工程系，浙江杭州310027) 摘要：复杂场景图像存在大量的噪声和纹理干扰，传统边缘算子的检测效果不理想．为 此．文中提出一种基于贝叶斯统计推理理论的多信息融合边缘检测算法．该算法融合了梯 度算子、拉普拉斯算子以及两级均值比率(ROA)算子的输出响应；通过最大类间属性互 信息对特征属性进行最优离散化；利用非参数直方图方法估计类概率密度函数；并通过贝 叶斯风险最小化原则实现边缘检测．试验中该方法的Bhattaeharyya误差界为0．093，工作 特性曲线下的面积(AUC)达到0．958，证明了该算法的有效性．与经典算子检测结果的比 较也表明，该算法能够有效地克服图像中的噪声和纹理干扰． 关键词：边缘检测；多元统计学习；贝叶斯推理；非参数估计；图像处理 中图分类号：TP391．41 文献标识码：A 边缘是图像的最基本特征之一，边缘检测是机 每个像素是否属于边缘，从而实现复杂场景的边缘 器视觉中的经典课题，是图像处理、图像分析、模式 检测．实验比较了多边缘信息统计和单边缘信息统 识别以及计算机视觉的基本步骤之一．传统边缘检 测算法(如Canny、Sobel、tog等)都是基于一阶或二 检测算法的工作特性(ROC)曲线‘“，结果验证了文 阶微分算子与图像进行卷积运算，只能针对局部给 中算法针对复杂场景边缘检测的有效性． 出模糊边缘信息；复杂场景中存在的高强度噪声以 及大量纹理，都会对传统边缘检测算法带来极大困 1 贝叶斯决策论 难．例如，纹理会造成基于一阶微分算子的边缘检测 贝叶斯决策论基于经验风险最小化原则，根据 算法误检，而基于二阶微分算子的边缘检测算法则 训练样本的统计信息推断待测样本的所属类别．设 对噪声十分敏感．已有大量文献”…证明，在自然场景 特征向量咖={咖，，币。，…，币。{表示样本n个属性的 (如道路场景、校园场景)下图像具有高度统一的全局 具体取值，}”。，W：，…，眈}表示有限的c个类别集， 结构统计特性，从而为运用多元贝叶斯统计推理理论 则西所属类别的后验概率可表示为 针对图像全局实现边缘检测提供了理论基础， P(w，l西)=P(西1 (1) 文中运用贝叶斯统计推理理论，以像素为分类 w，)P(wj)／P(咖) 式中：P(q)为先验概率，P(咖I”，)为类条件慨率密 对象，分别统计了样本图像边缘像素和非边缘像素