强噪声下改进 Canny 算法的边缘检测

来源：计算机技术与发展杂志2021年第01期北京时间：

作者：黄慧;';董林鹭;';何建华;';薛智爽;';刘小芳;'*;赵良军

单位：1. 人工智能四川省重点实验室,四川 自贡 643000; 2. 四川轻化工大学 自动化与信息工程学院,四川 自贡 643000; 3. 四川轻化工大学 计算机科学与工程学院,四川 自贡 643000 Author(s): HUANG Hui1;' target="_blank" rel="external">2;DONG Lin-lu1;' target="_blank" rel="external">2;HE Jian-hua1;' target="_blank" rel="external">3;XUE Zhi-shuang1;' target="_blank" rel="external">2;LIU Xiao-fang1;' target="_blank" rel="external">3*;ZHAO Liang-jun3 1. Sichuan Key Laboratory of Artificial Intelligence,Zigong 643000,China;2. School of Automation and Information Engineering,Sichuan University of Science and Engineering,Zigong 643000,China;3. School of Computer Science and Engineering,Sichuan Universi

摘要：针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统 Canny 边缘检测算法的改进算法。 该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在 3×3 邻域内使用 Sobel 算子,额外加入45o、135o方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。 仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。

关键词：Canny 算法;边缘检测;平滑聚类滤波;高斯滤波;高斯噪声;椒盐噪声