边缘特征（共8篇）
边缘特征 篇1
0 引言
多源图像数据融合是信息融合的重要分支,在遥感图像处理等方面有广阔的应用前景。多光谱图像(Multi-Spectral,MS)和全色(Panchromatic,PAN)高分辨图像融合是多传感器图像融合中的一种,高分辨率的全色图像反映了空间结构信息,能够充分描述地物的细节等特征,但频谱分辨率较低,不能较好地描述地物的光谱信息。低空间分辨率的多光谱图像光谱信息丰富,对地物的识别与解释起到重要作用。在遥感应用中,具有丰富光谱信息的多光谱MS图像与具有高空间分辨率的全色波段PAN图像的融合就是利用它们各自的互补信息获得具有高空间分辨率的MS图像,使融合后的图像能够尽可能地保持原始多光谱图像的频谱信息,提高空间分辨率,融合后的MS图像不仅应具有较高的几何信息内容,同时还应保持良好的光谱信息质量。
Candes[1]等人提出了一种适合分析具有曲线或超平面奇异性高维信号的曲波(Curvelet)变换。曲波变换不但和小波一样具有局部时频分析能力,还具有比小波变换更强的方向选择和辨识能力,而且对图像边缘的表达更优于小波,是一种更适合于图像处理的多尺度几何分析(MGA)方法。曲波较小波具有更好的稀疏表达能力,它能将图像的边缘,如曲线、直线特征用较少的大的曲波变换系数表示,克服了小波变换中传播重要特征到多个尺度上的缺点,变换后能量更加集中,更利于跟踪和分析图像的重要特征。将Curvelet运用到图像去噪[2]、增强[3]、融合[4,5,6,7,8]等方面,均得到了较好的效果。
1 基于边缘信息的曲波域图像融合
1.1 HSI变换
在RGB空间中,光谱信息与三个坐标R,G,B的耦合性较强,R,G,B中任一分量的改变都会改变光谱信息,在图像处理过程中处理起来困难。为了将高分辨率影像的结构信息叠加到低分辨率多光谱影像中,经典的方法是采用HSI变换法。在HSI空间中,光谱信息主要体现在色调和饱和度H,S上,亮度I主要反映地物辐射总的能量及其空间分布,即表现为几何特征。从视觉特点上分析,亮度I的改变对光谱信息影响较小,便于处理。对于高空间分辨率影像和多光谱影像的融合,希望在保留光谱信息的前提下添加高空间分辨率影像的细节信息,因此更适于在HSI空间进行处理[9]。
1.2 基于边缘信息的曲波域图像融合
单一的HSI变换融合方法往往会带来极大的光谱失真,将HSI变换和curvelet变换结合,利用HSI融合增强空间细节表现能力以及Curvelet融合保留MS图像的光谱特性和PAN图像的纹理信息优点,使融合图像在保持光谱信息、提高空间分辨率和增强细节纹理信息三个方面的综合性能达到较好的平衡。
本文提出了一种结合边缘信息的曲波域遥感图像融合方法,利用曲波对图像几何特征更优的表达能力有效地提取原始图像的特征,为融合图像提供更多的信息,针对全色图像和多光谱图像进行了融合实验。首先对多光谱图像MS进行HSI变换,得到亮度分量I,对全色图像和I分量进行曲波变换得到粗尺度系数、细节尺度系数以及最小尺度系数,利用边缘信息对粗尺度系数进行处理,采用函数对细节尺度系数中的弱边缘进行增强;最小尺度系数采用简单的选择;曲波逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果。
具体融合步骤:
1)对MS图像进行RGB到HSI颜色空间的转换,得到亮度分量I,色度H和饱和度S;
2)对I和全色图像(PAN)进行曲波变换,分别得到粗尺度系数CI,CPAN,细节尺度系数DI,DPAN以及最小尺度系数FI和FPAN;针对多光谱和全色的成像特点,本文采用分层的融合方法,对曲波分解的粗尺度系数和细节尺度系数分别采用不同的融合规则。
3)粗尺度系数融合如下:
a)曲波系数的选择取决于该级曲波分解的幅值。对PAN图像的曲波变换系数进行叠加,即
计算叠加系数的归一化直方图1。可以看出,归一化的直方图呈现出一个明显的脉冲状且峰值左右基本对称,这样,在峰值附近区域对应于区间[u-c×σ,u+c×σ],由于曲波系数的绝对值较小,边缘信息比较弱,此区间为目标平滑区;在峰值两边对应于区间cu×-],0[σ和cu×+]1,[σ,由于曲波系数的绝对值较大,反映了较强的边缘信息,这两个区间为目标边缘区。从直方图分布上可以看出,边缘在图中所占的比例比较小,平滑区所占的比例较大。其中,u为均值,σ为方差,c为区间调节因子。实验中取c=2时,融合图像基本在保持多光谱大部分光谱信息的同时将PAN图像的大部分较强边缘保留了下来。
b)令GPAN(i,j)为PAN R图像在(i,j)处的灰度值,GMS(i,j)为多光谱图像对应的灰度图像在(i,j)处的灰度值。令Y为边缘有效因子,定义为
c)融合后的粗尺度系数按照如下规则选取:
4)细节尺度融合规则(弱边缘增强)
边缘是图像非常显著的一个特征,全色图像有很多弱小边缘,在融合时,应该尽可能多地保留图像的有用特征。目前的多尺度变换融合方法无论是基于像素的融合还是基于区域的融合,只涉及到反映图像中的强边缘的值,并没有考虑图像中那些弱的边缘值。受文献[10]的启发,本文使用同一函数来对图像的Curvelet系数进行修改,使图像中的那些弱边缘放大,强化图像中的弱边缘,从而改善融合图像空间分辨率。经处理后所得的图像边缘平滑,纹理更为清晰。
式中:各参数值的含义为σ是图像的噪声方差,采用文献[11]中的估计方法对源图像的噪声方差进行估计。p决定了非线性的程度,如果s>0则在增强弱边缘的同时削弱强的边缘。k是标准化参数,k≥3保证噪声不被放大,m是Curvelet系数的调整因子,其值由Curvelet变换各子带中明显像素值决定,随子带变化而变化,一般取Curvelet最大系数值的一半。在实验过程中发现,参数p、s、k的取值分别为p=0.5、s=0、k=3时效果最佳,参数m,σ在融合过程中得到。因此,yk(x,σ)主要的作用为:1)抑制噪声;2)增强弱边缘。
5)最小尺度融合规则:取全色图像的最小尺度系数,Fnew=FPAN;
6)对于Cnew、Dnew和Fnew进行曲波逆变换,得到Inew;
7)用Inew代替I分量,同H、S分量一起进行HSI逆变换得到融合图像。
2 实验结果分析与评价
实验数据采用北京附近的SPOT全色影像和同一地区的Landsat TM影像进行实验,如图2(a)和图2(b)所示,在保持MS图像多光谱信息的基础上加入高分辨率PAN图像中的重要目标信息进行融合。为方便对比,同时也对曲波域其他融合算法进行了实验,分解3层。图2(c)为文献[4]中的方法,对粗尺度和细节尺度均取大(Curvelet(CmaxDmax));图2(d)为文献[5]中的方法,粗尺度取平均,细节尺度取大(Curvelet(CmeanDmax))。图2(e)为文献[6]中的方法,粗尺度取MS,细节尺度取PAN(Curvelet(Cms Dpan));文献[4-6]方法均为直接在曲波域对系数直接处理得到融合结果;图2(f)、图2(g)为文献[7]和文献[8]结合HSI变换对亮度分量调制(Intensity Modulation,IM)的曲波域融合方法,为与本文算法区别,记为粗尺度亮度调制方法1(IM1),亮度调制方法2(IM2),本文算法记为亮度调制方法3(IM3)。本文算法HSIIM3Dedge如图2(h),实验结果如图2(c)∼图2(h)所示。
对比分析融合前的MS图像、全色图像以及融合图像可以看出,融合后的图像信息量都有所增加,集中了图像的信息优势,使得融合后的图像既保持了MS图像的多光谱信息,又不同程度地加入了全色图像中的细节信息,目视效果上不仅具有光谱特性,而且加入了全色图像中的细节信息。
从目视效果来看,直接进行系数处理的融合方法(图2(c)、图2(d)和图2(e))中,直接系数值取最大(图2(c))和平均(图2(d))的方法产生了较大的光谱扭曲,尤其是蓝色波段扭曲最为严重。丢失了原多光谱图像的大量信息;图2(e)的光谱扭曲较少。说明曲波粗尺度直接取大的方法和曲波粗尺度采用平均的方法(Curvelet(CmeanDmax),图2(d))不适合光谱差异较大的图像融合;结合HSI变换的三种方法都较好地保持了光谱信息。其中,对比原多光谱图像右半部分蓝色可以看出,HSICmeanDmax方法(图2(f))和HSICIM1Dmax方法(图2(g))的融合结果在该部分颜色偏浅,出现了一定程度的光谱扭曲;目视光谱保持较好的算法(图2(e))和本文算法,在使目标清晰可见的基础上较好地保持了原多光谱图像的光谱特征,融合图像的纹理更清晰。
对于遥感图像融合效果的评价应综合考虑空间细节信息的增强与光谱信息保持。一般利用两类统计参数进行分析与评价[12]:一类反映空间细节信息,如标准差、信息熵和清晰度;另一类反映光谱信息,如扭曲程度、偏差指数与相关系数。本文采用熵、平均梯度、空间频率、扭曲程度来进行融合结果的客观评价。
1)熵(Entropy)是衡量图像信息丰富程度的一个重要指标,融合图像的熵值的大小表示图像所包含的平均信息量的多少。信息熵越大,图像所含的信息越丰富,融合质量越好。
2)平均梯度(Grad)反映了图像中的微小细节反差表达能力和纹理变化特征,同时也反映了图像的清晰度。平均梯度越大表明清晰度越好。
3)空间频率(Space Frequency)
图像的行频率和列频率分别为
则图像的空间频率为
空间频率反映了一幅图像空间域的总体活跃程度。
4)扭曲程度(Degree of Distortion)
光谱扭曲度能够客观地反映融合图像相对于MS图像的光谱信息丢失情况,其值越小说明融合图像越多保留了MS图像中的光谱信息,产生的光谱畸变越小。光谱扭曲度反映了融合图像的失真程度,定义为
其中IF(i,j),I(i,j)为融合后和原图像上(i,j)点的灰度值。扭曲程度越小表明图像的失真程度越小。
综上,融合结果的熵、平均梯度、空间频率这三个指标参数值越大越好,扭曲程度则越小越好。
表1中列出了实验中各融合算法的原始图像与各融合图像的熵、梯度、空间频率和扭曲度评价参数值,各参数所表示的含义如前所示。可以得出以下结论:
1)直接系数处理的融合方法与结合HSI变换融合方法的熵、梯度和空间频率相比:结合HSI变换的融合图像的熵、梯度和空间频率值都有提高,图像清晰度增强,说明Curvelet域结合HSI变换的融合方法在空间信息保持上优于直接系数处理的融合方法;
2)直接系数处理的融合方法与结合HSI变换融合方法的扭曲度相比:结合HSI变换的三种方法的扭曲度大大降低,说明Curvelet域结合HSI变换的融合方法在光谱保持能力上远远优于直接系数处理的融合方法。
3)本文提出的结合边缘信息和全色图像特征信息的曲波域融合方法得到的融合图像的熵、梯度和空间频率值都最大,说明融合图像损失的相关信息最少;得到的光谱扭曲度值最小扭曲度低,光谱相似性程度最高,说明本文方法在光谱信息保持以及空间细节保持能力上都优于其他曲波域融合方法。
3 结论
全色图像与MS图像由于成像方式以及接受波谱段不同,对地物的特征描述存在很大的差异,将全色与MS图像融合,可以更好地利用互补信息,使得融合图像在保持MS图像光谱特征的基础上增加了全色图像的目标信息和细节特征信息,增强了融合图像的目标识别能力。曲波变换作为一种新的图像多尺度几何分析的有力工具,在图像的融合应用上显示出了良好的特征提取和跟踪能力。本文提出了一种结合边缘信息和全色图像特征的遥感图像融合方法,定义了边缘有效因子对全色图像进行了分区,利用边缘信息和系数统计信息对MS图像I分量和全色图像曲波变换的粗尺度系数、细节尺度系数和最小尺度系数分别进行处理,重构得到了融合图像。实验结果表明,结合边缘信息和全色图像特征的遥感图像融合方法用于全色图像和MS图像的融合是有效的,融合结果在保持光谱信息的同时提高了空间分辨率。
参考文献
[1]Candes E J,Demanet L,Donoho D L,et al.Fast Discrete Curcelet Transforms,Applied and Compurational Mathematics[M].California:California Institute of Technology,2005.
[2]Starck J L,Emmanuel J,Candes,et al.The Curvelet Transform for Image Denoising[J].IEEE Transactions on Image Processing(S1057-7149),2002,11(6):670-684.
[3]李林.基于Curvelet变换的全色图像增强[J].仪器仪表学报,2006,27(6):2134-2135.LI Lin.PAN image enhancement algorithm based on curvelet transform[J].Chinese Journal of Scientific Instrument,2006,27(6):2134-2135.
[4]李晖晖,郭雷,刘坤.基于曲波变换的遥感图像融合研究[J].光电子激光,2008,19(3):400-403.LI Hui-hui,GUO Lei,LIU Kun.Remote sensing image fusion based on curvelet transform[J].Journal of Optoelectronics Laser,2008,19(3):400-403.
[5]张强,郭宝龙.一种基于Curvelet变换的多传感器图像融合算法[J].光电子激光,2006,17(9):1123-1127.ZHANG Qiang,GUO Bao-long.Fusion of multisensor images based on curvelet transform[J].Journal of Optoelectronics Laser,2006,17(9):1123-1127.
[6]张强,郭宝龙.应用第二代Curvelet变换的遥感图像融合[J].光学精密工程,2007,15(7):1130-1136.ZHANG Qiang,GUO Bao-long.Fusion of remote sensing images based on the second generation Curvelet transform[J].Optics and Precision Engineering,2007,15(7):1130-1136.
[7]许星,李映,孙瑾秋,等.基于Curvelet变换的SAR与TM图像融合研究[J].西北工业大学学报,2008,26(3):395-398.XU Xing,LI Ying,SUN Jin-qiu,et al.An Algorithm for Image Fusion Based on Curvelet Transform[J].Journal of Northwestern Polytechnical University,2008,26(3):395-398.
[8]蒋年德,王耀南,毛建旭.基于2代Curvelet改进IHS变换的遥感图像融合[J].中国图象图形学报,2008,13(12):2376-2382.JIANG Nian-de,WANG Yao-nan,MAO Jian-xu.Using the Second Generation Curvelet to Improve IHS Transform Merge Remote Sensing Images[J].Journal of Image and Graphics,2008,13(12):2376-2382.
[9]杨旭红,敬忠良,李建勋.基于局部统计特性和IHS变换的遥感影像融合[J].系统工程与电子技术,2005,27(4):627-631.YANG Xu-hong,JING Zhong-liang,LI Jian-xun.New fusion approach using local statistical characteristics and colorspace transform for remote-sensing images[J].Systems Engineering and Electronics,2005,27(4):627-631.
[10]Jean-Luc Starck,Fionn Murtagh,Emmanuel J Candes,et al.Gray and Color Image Contrast Enhancement by the Curvelet Transform[J].IEEE Transactions on Image Processing(S1057-7149),2003,12(6):706-717.
[11]肖磊,隆刚,陈学佺.基于Curvelet变换抑制SAR图像斑点噪声的方法[J].计算机工程,2006,32(9):196-198.XIAO Lei,LONG Gang,CHEN Xue-quan.Denoising Method of SAR Image Based on Curvelet Transform[J].Computer Engineering,2006,32(9):196-198.
[12]李郁峰,冯晓云,范勇,等.多传感器图像互调制快速融合[J].光电工程,2011,38(8):117-123.LI Yu-feng,FENG Xiao-yun,FAN Yong,et al.A Fast Multi-sensor Image Mutual Modulation Fusion Algorithm[J].Opto-Electronic Engineering,2011,38(8):117-123.
边缘特征 篇2
摘要:城市边缘区是城市和乡村的交错结合带，是城市发展与资源环境保护之间矛盾冲突的区域，科学地规划好该区域的生态环境建设对城市和乡村和谐发展具有十分重要的现实意义。首先论述了城市边缘区乡村景观生态特征，分析了该区域乡村景观功能的科学定位问题，探讨了乡村景观生态建设的基本原则。在此基础上，提出了城市边缘区应重点开展以下几方面景观生态建设：①以景观生态规划与设计的理念推进城市边缘区乡村景观建设，并注重地方特色景观的保护；②积极探索城乡一体化协调发展与建设的合理模式，实现城市和乡村优势互补、协调发展；③改变传统的农业耕作模式，推动城郊型生态农业、观光农业和现代都市农业建设；④合理开发城市边缘区景观生态资源，发展城郊生态旅游；⑤绿色景观建设；⑥景观廊道和网络建设。
关键词:城市边缘区；景观生态建设；乡村景观规划
Study on Landscape Ecological Features and Landscape Ecological Construction of
Rural Landscape in Urban Fringe Abstract:Rurban fringe is a connecting area between the city and countryside，which is a more extrusive contradictory district of balancing the development of the city and the protection of resources and environment，and if we could solve the problems properly，it would be beneficial to the sustainable development of the city and countryside．Firstly，the paper discusses rural landscape ecological features，and then analyses landscape functions，and brings forward the contents of landscape ecological construction．It includes ① rural landscape planning with the landscape ecological principales that aims to regional traditions protection；② seeking for optimizing patterns eusuing the coordinated development between the city and rurality；③to develop tourism agriculture and urban agriculture instead of low eficiency agriculture；④to develop local rural landscape resources to promote ecological rurban tourism；⑤green landscape construction；⑥landscape corridors and networks construction designed for bio-diversity protection．Finally，it points out the trends of rurban fringe development．
Key word: rurban fringe；landscape ecological construction；rural landscape planning 城市边缘区是城市化发展和城市土地开发中最活跃的区域，是产业结构、人口结构和空间结构逐步从城市特征向农村特征过渡的地带，同时具有城市和乡村的地域景观特征：其发展既受到城市中心辐射作用的影响，又受到远郊乡村向城市集聚作用的冲击，同时还具有自身城市化发展的潜力，具有独特的发展优势[1]该区域的人类活动较其他地区更为复杂，景观格局和生态过程更具有特殊性，景观生态问题和生态安全问题也更为突出，是乡村和城市景观生态建设的“焦点”,因此运用景观生态学的原理和方法对城市边缘区乡村景观特征和景观生态建设进行研究，对城市的科学布局和可持续发展，解决城乡二元结构，实现城市和乡村社会的和谐发展具有重要的意义。
1.城市边缘区的乡村景观生态特征 1.1 景观类型的多样性和复杂性
不同于以人工景观为主的城市景观，城市边缘区乡村景观则融合了自然景观、半自然景观和人工景观三种景观类型，既有商业金融、居民点、工业及矿产和道路等人工景观，又有森林、河流、农田、果园和草地等自然和农田风光，具有丰富的景观类型。在景观中，它表现为斑块数量、大小和形状的复杂程度和景观组分的丰富度，决定了物种和生境类型的多样性。例如，位于北京近郊区的温泉镇百家疃村，属于大城市边缘区的典型区域，面积仅约1100hm2，据李振鹏等的乡村景观分类和制图研究结果[2]，共包括裸岩景观、荒草地景观、人工林地景观、园地景观、农田景观、聚落景观、工程景观、水域景观、道路景观等9个景观亚类，28个景观单元类型，162个大小不等的景观斑块．其景观类型的分布十分复杂 1.2 景观功能的多样化
理想的乡村景观在功能上应该体现出乡村景观资源提供农产品的第一性的生产功能，其次是保护及维护生态环境功能和文化支持的功能以及作为一种特殊的旅游观光资源的四个层次功能[3]。过去单单强调乡村景观的生产功能，而忽略了其他功能，导致乡村景观资源的过度开发和利用，未来乡村景观的发展应当强调乡村景观功能的社会文化价值、生态价值和经济价值三方面协调统一。城市边缘区乡村景观由于其地理区位的特殊性，在功能上具有城市景观和乡村景观的双重功能。既有城市景观的文化支持功能，也有乡村景观的生产和生态功能。现代城市的发展对其边缘区乡村景观的文化和生态景观功能越来越重视，尤其强调其对城市环境的保护和净化作用。
1.3 景观单元之间错综复杂的边缘效应
城市边缘区内部不同性质系统间的相互联系和相互作用，具有独特的性质，主要表现在产业结构、人口结构和土地利用结构等方面，比如工业景观和建筑景观系统与乡村的农田和自然景观系统之间的冲突，城乡居民之间的混居，农业人口向非农人口的转化等。因此城市边缘区是城市景观、乡村景观、农田景观、自然景观之间物质和能量流动频繁交换的地区，表现出很强的边缘效应，是景观研究的重点和难点区域。正如麦基对亚洲城市化现象研究的结论一样[4]，在东南亚一些国家的大都市周边和大都市之间形成的一些特殊区域(被称为Kesakota)是当地及第三世界乡村城市化的主要形式，该区域城乡之间的相互作用十分频繁和高强度，农业和非农业活动高度混合，是介于农业人口稠密的乡村类型地区和具有城市雏形的准城市类型地区之间的一种区域类型，其形成是由原城市中心的工业再配置或分散布局以及农村地区本身的非农业产业的增长而逐步形成的。1.4 景观空间结构变化剧烈，稳定性相对较低
乡村景观与城市景观相比具有较高自然属性，也具有比城市景观更高的稳定性。但是应该注意到，城市边缘区的乡村是城市景观向乡村景观变化的过渡地带，受到城市发展的强烈影响，农地被大量吞噬，建设用地急剧膨胀，土地利用方式和景观斑块之间转化较快，从而引起景观格局的剧烈变化，是景观最富变化、最复杂的地区之一，景观的稳定性甚至比城市景观内部还要差。其发展必然导致乡村景观有序度增高，景观稳定性下降，所以必须有效处理乡村发展与自然环境保护和资源开发与保护之间的关系，达到人工与自然、建筑与风景、已塑造与未塑造之间的和谐与美[5]。
1.5 景观生态问题加剧，乡土特色风貌破坏严重
近些年，由于各地盲目求快地推进乡村城市化，占用了大量的耕地，没有顾及乡村资源的合理利用和生态环境的保护，使得各地传统的地方特色消失，随之而来的是资源与环境问题日益突出，比如自然、半自然景观破坏严重，缺乏连续性，生态平衡遭到破坏；乡村景观缺乏合理规划，景观破碎化严重，通达性降低；乡村景观资源粗放利用，土地浪费现象严重，农田面源污染严重，生物多样性遭受破坏，生态安全受到威胁和审美价值降低等。以北京远郊的城市边缘带为例，仅在西部和北部山区保存一些成片次生林，但由于郊区土地开发和交通建设的活动日益增加，使北京周边的一些乡村景观生态呈恶化之势。尤其是位于西郊的门头沟区，因长期的煤炭和石灰石资源的开发利用，造成植被破坏、地表塌陷、矿渣污染、水土流失严重，生态环境破坏严重。针对上述问题，北京城市总体规划中将西部和北部山区定位为“两个生态功能带”，进行全面的景观生态规划与建设，重整乡村景观布局[6-11]。
中国是一个多民族、多文化的国家，不同地区自然条件和文化差异较大，经过几千年的文化积淀，形成了多样化的地方风貌和建筑风格。但是随着城市工业和经济发展以及城市化进程的加快，城市边缘区乡村景观受到强烈的冲击，很多地区乡村发展缺乏合理有效的规划管理和生态建设，各地为了经济发展的需要经常把一些古建筑拆除和破坏或在古文物和古建筑周围盖起了高楼，甚至盲目追求欧式风格建筑，这与地方特色建筑和乡土风貌极不协调，大大损害了乡村景观的整体风貌和传统的文化特色。城市边缘区乡村景观功能分析及定位问题
相对于城市和乡村而言，城市边缘区乡村既拥有紧邻城市的区位优势，便利的交通条件，低廉的土地资源和良好的环境条件，同时也具有大量的农田、果园、菜地等农业生产用地，是一个城乡要素逐渐过渡、相互渗透，边缘效应明显、功能互补、融合的中间地带。它不仅是城市化的前缘带和城乡关系的协调区，同时也是农业现代化的先导区和生态环境的巨大屏障[10]。作为城市发展所需物资和能源的供应地和集散地，城市边缘区不仅为城市发展提供了充足的后备土地，同时也为城市居民的生产和生活提供了丰富的新鲜农副产品。此外，城市边缘区的绿化和生态环境建设对城市污染的防止和环境的净化起到举足轻重的作用。
综上所述，城市边缘区是城市扩展的重点地域，依托城市和乡村，具有大城市的科技优势和广阔的市场，也具有丰富的土地资源和工农互补优势，因此应该根据其自身的特点和优势，制定综合性的发展战略，把其发展纳入到城市发展规划中去，实现与城市的协调发展、优势互补，实现资源、资金、技术、人才、信息等要素在城乡之间的全方位合理流动与优化组合。同时，应针对各个乡村景观的具体情况，确定乡村景观的主导功能，兼顾其他功能，比如在粮食主产区，其乡村景观应该在满足生产要求的基础上，对乡村景观的环境服务功能和旅游观光功能给予适当的考虑。而在旅游风景区，其主导功能为旅游观光和环境服务，生产功能则退居次位。如北京市门头沟区地域相对广阔，人口密度低，山地占全区总面积的98％，且大部分为石灰岩石质山地，水土流失严重，因而一直是北京西部的生态脆弱带。同时门头沟又是一个历史文化悠久的京郊山区，其独特的地质、地貌、气候和历史文化等因素造成了十分丰富的自然景观和人文景观。永定河河谷两岸的山地气候垂直带谱明显，生物种类十分丰富，如百花山、灵山的植被分布从800m以下的各种灌丛到中部的桦林和山杨，直到山顶的亚高山草甸，一年四季独具风光。针对这样的资源条件和地貌格局，根据最新的北京市城市发展总体规划方案，该区域将是“两轴两带多中心”布局中的一条西部“生态带”，其主体的功能定位就是作为京西的生态屏障。因此，无论从门头沟区本身的自然资源条件和经济发展现状，还是从北京城市未来发展布局中的生态功能要求，科学制定北京西部景观生态建设战略迫在眉睫。3 城市边缘区乡村景观生态建设的原则和内容 根据景观生态学原理和方法，合理地对城市边缘区乡村景观空间结构进行规划，使廊道、斑块及基质等景观要素的数量及其空间分布合理，使市区内部、边缘区内部、城市与边缘区以及边缘区与乡村之间的信息流、物质流与能量流循环畅通，使城市边缘区乡村景观既符合景观生态学原理，又具有一定的美学价值，适当的将自然组分引入到城市边缘区的规划与建设中，使其具有多样性，这是城市边缘区景观生态建设的目标，同时也是其他地区景观生态建设的方向。3.1 城市边缘区景观生态建设的原则
肖笃宁曾经对我国高强度土地利用的农村景观生态建设进行了研究和探索，并提出了生态建设4个原则[4]，对城市边缘区乡村景观开展生态建设具有重要的参考价值和借鉴意义。除此之外，还要重点考虑以下3个原则： 3.1.1 自然和农业景观优先原则
景观生态建设必须在尊重自然、保护自然和维护自然生态过程的基础上进行，它是进行景观生态建设和实现景观可持续发展的前提。自然生态系统是一个大系统，自然界生物体与其周围环境之间的相互作用，彼此影响，最后达到生物与生物以及生物与环境之间的和谐状态，它反映了生物与环境之间的对立统一关系。而在对城市边缘区开展景观生态建设时，必须要认真研究生态建设合理性，并尽可能的结合自然进行景观生态建设和设计，设计一个适应自然的系统[13-14]，同时对某些特大工程和重点工程建设，首先应该评估该工程的实施可能对周围的环境和生态系统产生的影响和结果，并在工程的实施过程中给予有效的监督，以便及时发现和解决存在的景观生态问题，从而实现自然和人类的和谐共存。3.1.2 整体性和连续性原则
城市边缘区建设应该有整体性和连续性的观点，特别要注意景观建设的局部控制与整体协调。在城市边缘区，人类活动占主导地位，它直接制约和影响着该区域的景观格局和其他生态过程，很多地区的自然景观和自然生态过程已经被盲目和过度的人类活动阻碍和隔断，自然景观生态系统的能流和物流、生物多样性、甚至人类的生存都受到了严重的威胁。此外，我国现行的行政边界多与自然生态地理单元的边界不一致，各个地方的景观生态建设仅仅考虑局部利益，缺乏整体性和连续性的考虑，这也是导致区域景观破碎化的原因之一[9,10]，而局部景观的变化影响往往会放大影响到全局的景观功能。3.1.3 突出地方特色原则
城市边缘区的景观生态建设不是单纯经济意义上的建设，而是要在保留乡村景观地方特色风貌的基础上，综合自然、社会和经济三方面，推进城市化进程，达到生态效益、社会效益和经济效益的平衡。独特的地方风貌首先体现在文化景观方面，包括土地利用方式、房屋建筑、聚落形态以及风土人情、思想形态、生活方式、宗教信仰和道德观念等方面，同时也体现在自然景观方面，这主要是自然选择的结果。优秀的传统文化景观是人们长期改造自然和适应自然的智慧和结晶，更能体现浓郁的地方风情，因此，乡村城市化过程中的现代文化景观建设应该是在现代科技发展的前提下，对传统文化景观的继承和发展，不是对传统城市发展道路的延续。3.2 城市边缘区景观生态建设内容
景观生态学强调景观空间格局对景观生态过程的控制和影响，试图通过格局的改变来维持景观功能流的健康和安全。其以景观单元空间结构的调整和重新构建为基本手段，包括调整原有的景观格局，引进新的景观组分等，以增加景观的异质性，改善受迫或受损生态系统的功能，提高景观系统的总体生产力和稳定性，将人类活动对于景观演化的影响导入正向的良性循环[15]。基于以上对城市边缘区乡村景观特征和功能的分析以及景观生态建设的原则，应该重点在以下几方面开展景观生态建设：
3.2.1 以景观生态规划与设计的理念推进城市边缘区乡村景观规划，并注重地方特色景观的保护
城市边缘区建设受到城市发展与建设的强烈影响，往往只注重现代化高楼大厦和柏油公路的建设，而忽略了生态环境保护以及地方特色景观的保护和维持，导致景观空间缺乏连续性和整体性，降低了乡村景观的生态价值和美学价值。乡村景观建设应该以景观生态规划与设计的理念来推进，准确定位，合理布局，灵活实施，提高城市边缘区居住环境质量，这对整个村落的布局、特色塑造和生态环境的保育起着重要作用，可以兼顾乡村景观社会价值、经济价值、生态价值和美学价值四个方面。乡村景观规划与设计必须从自然因素、人工因素和历史因素三方面来组织乡村空间，推进城镇建设，不仅能使乡村空间各物质要素在布局上清晰合理，而且在时间上使其历史文化特征得以体现，很好的保护了地方传统和文物古迹。Forman曾经提出一种基于生态空间理论的集中与分散相结合的最佳生态土地组合与景观规划模型，该模式就是根据美国和欧洲农村的情况，融合生态知识和文化背景的一种创新，值得结合我国乡村景观的实际情况，加以研究[2]。
3．2．2 城市和乡村优势互补、协调发展，积极探索城乡一体化协调发展与建设的合理模式
城乡二元结构是我国城市与乡村发展的重大问题。随着我国经济的发展，虽然我国城市与乡村发展都取得了举世瞩目的成就，但是可以看到二者的差距在不断扩大。新时期，我国经济社会发展的重点任务之一就是如何通过城市的发展来带动乡村的发展，缩小二者之间的差距。可以看到，乡村存在城市所不具有的优势和特点，城市对乡村具有较大的依赖性，所以实现城乡优势互补，相互带动，协调发展，是消除城乡差距的有效办法之一，也是城乡发展的必然趋势。
3.2.3 改变传统的农业耕作模式，推动城郊型生态农业、观光农业和现代都市农业建设
城市边缘区由于其与城市的特殊关系和地理位置，应该积极发展多功能化、高度集约化的城郊型新农业、现代都市农业和观光农业。城市边缘区作为城市的物质和能源的补充基地，应该推动以蔬菜、名优苗木花卉和果品以及特色养殖为主的农业结构，大力推进农业产业化的进程，逐步加强与非农产业的结合，引进高新科技成果，改变传统的耕作模式，实行现代化的管理和耕作模式，合理规划规模化的塑料大棚、规模化的畜牧业养殖基地，突出地方土特产品生产，使传统农业逐步向城郊型生态农业发展。
3.2.4 合理开发城市边缘区景观生态资源，发展城郊生态旅游
乡村景观特有的类型多样性、文化多样性、美学价值和休闲功能决定了乡村景观特有的优势、地位和作用，使得乡村景观生态旅游资源的开发成为可能。根据自身的特点，科学合理的开发利用乡村景观资源，保护乡村景观的完整性和特色性，开发乡村的观光型、民俗型和休闲型的生态旅游，规划各类休闲娱乐场所，比如观光采摘果园、农家菜和周末游等，为城市居民提供服务的同时，也能美化环境、调节气候，从单纯的农副产品的生产基地演变为城市休憩度假旅游的场所。挖掘乡村景观资源的市场价值，使其在内容和形式上充分体现出与城市生活不同的文化特色，体现出鲜明的地域特色、民族色彩和文化内涵，并将之融合于优美和谐与平衡发展的生态环境中，从而实现经济和生态的双赢。3.2.5 绿色景观建设
城市边缘区绿色景观建设应该纳入到城市绿化和景观生态建设的范畴内，统一考虑和规划，形成一个有机的整体，主要包括绿地、绿化隔离带、生态防护林等方面。作为城市的绿色屏障，绿地、绿化隔离带和景观生态林建设对城市环境起到重要的调节和保护作用，因此，必须开展一定的绿色景观建设，制定详细的景观规划，合理布局景观生态林、绿地和绿化隔离带建设的数量和结构，保持较高的连通性和整体性，并选取适当的植被种类，以提高绿色景观的生态防护性能[16]。以北京市为例，在对市区内绿地建设和绿化隔离带建设的基础上，重点应该对边缘区山地丘陵地带生态防护林进行建设，生态防护林建设的好坏将直接影响到北京市市区内生态环境的状况。城市边缘区绿色景观建设应以开放空间为主体，以各种类型的绿地景观相互镶嵌而形成的大绿带景观为主，绿地类型包括自然生态系统和农业生态系统，是生产性、生态性和风景化的价值功能的综合。例如，北京市绿色景观建设重点在于以郊区的重点生态保护区建设和景观生态整治为突破，以西部北部山区建设为主体，兼顾东部和南部平原绿地系统建设。绿色景观中的农田生态系统应实现高效和无害化，生产绿色产品，严格限制农业生产和土地利用强度。保护好郊区的水体景观，控制郊区的围湖造田，开垦河道和湿地，保护大绿带中的自然生态系统的完整性，重点保护水源区景观生态体系。通过以林地为主体的景观建设，构筑北京市郊区大绿带都市森林体系。3.2.6 景观廊道和网络建设
随着城市边缘区的不断扩大，生物多样性的保护成为一个棘手的问题，鉴于此，著名景观生态学家Forman提出的“集中与分散相结合”布局模式被认为是生态学上最优的景观格局。该模式是基于生态空间理论提出的景观生态规划格局，首先考虑保护或建设几个大型的景观类型单元(斑块)或基质，作为物种生存的自然栖息地、水源涵养或生产基地，并有足够的主要廊道加以连接满足生物体的空间运动；而在开发区或建成区需要有一些小的自然斑块和廊道，用以保证景观的异质性。
因此，大城市边缘区的分散布局应当是其解决景观多样性保护的最优选择，并成为该区域的基础格局，其中，科学地设计城乡廊道网络对城市和乡村的可持续发展具有重要的意义，包括道路交通、水系、绿化林带等多种形式。它是连接城市和乡村之间能流、物流和信息流的通道，是实现人类活动以及生物与非生物运动的关键所在。人类过渡的开发活动，导致了城市边缘区乡村景观的破碎化，产生了许多孤立的斑块体，阻碍了孤立斑块体之间的能量和物种的活动与流通，使得自然生态过程中断，生境减少，生物多样性下降[17,18]。因此，有效开展景观生态廊道网络建设，实现孤立斑块间的物质和能量的交换和流通，具有很重要的生态学意义。比如，通过构建水系廊道，把孤立的水体和自然残余斑块联系起来；种植农田防护林网或树篱，为鸟类或其他动物迁移和捕食提供栖息地和通道；或者通过公路两旁的绿化带或护路林来为孤立斑块间联系提供通道等等。4 结语
随着我国城市化进程的加快，城市边缘区乡村景观将面临前所未有的挑战和机遇，如何应对外来文化和城市发展对乡村带来的冲击，如何调整农村产业结构和开展乡村景观规划，将是21世纪中国乡村社会发展面临的关键问题。
基于以上分析，借鉴国内外乡村发展的经验教训和目前我国的社会现状，总结认为，我国乡村景观的发展与乡村景观建设应该积极推动乡村城市化的合理发展和城乡经济一体化整合发展，促进城乡景观协调发展，着眼于塑造具有地方风貌和时代特色的乡村景观，实现当代科学技术与文化、民族传统文化和时代环境的有机融合，实现对传统文化的继承与创新。同时，以科技为依托，发展城郊区现代农业，实现农业产业化和乡村产业经济的一体化发展。参考文献：
面向边缘特征保持的图像压缩 篇3
一些图像传输应用场合由于传输带宽、实时性要求等限制,要求对图像进行低比特率压缩并传输,图像低比特率压缩会严重损失图像边缘、纹理等几何特征。当解压图像用于目标识别等任务时,需要进行特征提取,那么解压图像边缘等特征损失过多会严重干扰后续图像探测识别等任务,降低目标识别率[1]。因此在图像压缩技术发展迅速的同时,如何在图像低比特率压缩的同时将图像边缘等特征保留下来成为迫切需要解决的问题。
图像的大部分信息是由图像的特征如边缘和纹理表示的,单纯靠有损压缩提取和保持特征信息有一定困难。现有的应对边缘等特征损失的方法有图像增强后再压缩[2,3];图像解压后增强,对于边缘保持有一定效果。Dirck Schilling等人提出图像压缩编码与图像边缘特征保持相结合的图像压缩思想[4],适用于低比特率图像压缩传输。
近年来出现的基于小波的Contourlet变换(WBCT)[5,6,7]是一种方向性多尺度几何分析工具,它对图像边缘纹理等特征保持的性能优于小波变换,非常适合于低比特率图像压缩,因此,本文借鉴Dirck Schilling等人思想,考虑用基于小波的Contourlet变换压缩和边缘特征保持相结合的图像压缩方法进行低比特率图像压缩,以期达到图像压缩同时保留边缘特征的目的。
1 面向边缘特征保持的图像压缩方法
1.1 总体思想
我们的目的是在低比特率压缩条件下,解压图像可以更快地被人们所识别。因此面向边缘特征保持的图像压缩方法包括两个部分:图像压缩和边缘保持。方法流程如图1所示。源图像Io通过边缘检测器,检测出可能帮助人们识别图像的显著边缘E。然后对提取出的边缘通过标准边界链码,如Freeman链码,进行编码。编码后的边缘信息作为压缩信息的一个组成部分进行传输。源图像Io还需进行普通图像压缩,变换方式选取基于小波的Contourlet变换(WBCT)。最终的压缩图像包含边缘编码信息和图像变换压缩信息两部分。解码器通过结合边缘定位信息E和WBCT解压图像Ir的像素灰度信息,通过边缘保持重建,最终得到边缘信息保持的解压图像Ie。
下面将对面向边缘特征保持的图像压缩方法中的WBCT变换、边缘编码和边缘保持重建等主要环节的关键技术进行详细阐述。
1.2 基于小波的Contourlet变换(WBCT)
二维离散小波变换只能表示水平、垂直、对角三个方向的细节信息,不能分析其他方向。而方向性是图像的一个重要特征,如果对方向性分析不全面,就会导致它对图像边缘和纹理的表示效率不高。为了能更好的分析图像中的方向性,2002年Do和Martin Vetterli提出轮廓波(Contourlet)变换[8,9,10,11],它是一种多分辨率、多方向性的图像表示方法。Contourlet分解变换的实现分为两个步骤:拉普拉斯金字塔(Laplacian Pyramid,LP)分解和方向滤波器组(Directional Filter Bank,DFB)分解。其原理如图2(a)所示。每一次LP分解比Mallat分解[12]多出1/4的冗余信息,不利于图像压缩。因此Eslami等人提出了基于小波的contourlet变换(Wavelet-based Contourlet Transform,WBCT),一种非冗余版本的Contourlet变换。WBCT的基本思想是用小波变换的Mallat塔式分解代替Contourlet变换的LP分解,然后使用DFB分别对Mallat分解中的高频子带进行方向分解,其原理如图2(b)所示。
相同比例的WBCT系数和小波系数重建Barbara图像局部效果如图3所示,其中M表示重建所用系数个数。从图中看出,WBCT重建图像纹理特征较小波重建图像保持的更好,其信噪比高于小波重建图像。
1.3 边缘编码
对于边缘保持的处理,首先需要利用边缘算子检测出图像边缘,然后需要对边缘位置进行压缩编码,以确保图像解压缩后进行边缘保持操作时提供准确边缘位置。
链式编码是一种边界的编码表示法,是用曲线起始点的坐标和边界点方向代码来描述曲线或边界的方法。链式编码对多边形的表示具有很强的数据压缩能力,能够使数据量大为减少。Freeman链式编码[13]是二值图像的无损压缩编码算法,其基本编码规则是,对每个连通区域,首先选择一个边界点并记录下坐标,然后编码器沿着边界移动,每移动一步记录下本次移动所对应的方向码,直到编码器回到初始点结束,则这个连通区域被完全编码。然后对下一个连通区域同样编码。Freeman 4方向链码的方向数定义顺序如图4(a)所示。相应地,链码定义如图4(b)所示,即根据当前边界点相对于上一个边界点像素的坐标增量(Δx,Δy)来确定当前边界点的Freeman编码,编码取值分别为1、2、3、4,取代边界点原像素坐标,从而达到压缩目的。本文选取Freeman 4方向链码对边界编码。
1.4 边缘保持重建
低比特率压缩图像解压缩后,得到边缘损失的WBCT解压图像和边缘位置两部分信息,通过边缘保持重建得到最终边缘保持的解压图像。边缘保持重建示意如图5(a)(g)所示。图5(a)中显示的是原始图像边缘。重建流程参见图6,具体如图5。
1)解压缩:解码器通过解码得到WBCT逆变换结果,如图5(b)所示,同时解码器通过解码得到边缘位置;
2)平滑:图5(b)经过平滑得到平滑后边缘图5(c);
3)计算:根据平滑边缘图5(c)距离边缘位置两侧处的灰度值,计算得到理想边缘图5(d);
4)(d)-(c):理想边缘图5(d)与平滑边缘图5(c)之间相减得到灰度差值图5(e),这个差值是边缘保持重建所需的重要信息;
5)(b)+(e):差值图5(e)叠加在重建边缘图5(b)上,得到增强后的边缘图5(f);
6)平滑:最后,为消除增强边缘的突兀性,对增强边缘图5(f)进行平滑得到最终保持良好的边缘图5(g),完成边缘保持重建过程。
2 仿真实验结果
为验证基于WBCT的面向边缘特征保持的图像压缩算法的效果,以标准图像Rice和自选图像Road和Airport为例进行了仿真,并与基于普通WBCT压缩算法的结果进行了比较。对于检验指标的选取,由于图像对比度[14]通常表现了图像画质的清晰程度,边缘保持完整的图像较边缘模糊的图像对比度高,层次感强,清晰度高,因此用它来检验解压图像边缘保持程度。两种算法的重建结果比较见图7和表1。其中图7是对系数比例为1%的本文算法压缩重建结果和相同压缩比下普通WBCT压缩重建结果的比较。可以看出图7(g)~(i)相对于(d)~(f)边缘轮廓更加完整和清晰。
重建结果的对比度比较见表1。从表中数据可以看出,相同比特率下(对应本文算法WBCT系数分别为1%和0.5%)面向边缘特征保持的WBCT图像压缩算法相对于普通WBCT压缩算法的重建结果普遍具有更高的图像对比度。
3 结论
边缘特征 篇4
图像配准是将不同时间、不同角度或者不同传感器得到的两幅或者多幅图像对准的过程。目前,图像配准方法大致可以分成两类:第一,空间域配准方法,该方法主要依靠图像的灰度信息,如基于互信息配准、基于特征配准;第二,频率域配准方法,如基于傅里叶变换的互相关和相位相关配准[1]。
传统空间域配准方法,计算量大,执行速度慢,并且难以有效地抑制图像几何失真;传统的相位相关方法,在图像发生畸变或受到严重噪声干扰时,将无法得到满意的配准结果;而对于没有明显特征的图像,基于特征的配准方法也无法达到预期目的[2,3]。针对这种情况,本文研究了一种基于图像边缘特征的相位相关方法,将空间域的边缘检测方法与频率域的归一化相位相关方法相结合,来抑制噪声的干扰。实验结果表明,该算法具有较好的抗噪效果,且配准精度高。
1 归一化相位相关算法
基于傅里叶变换的相位相关是利用傅里叶变换平移不变性质对图像进行配准的方法[4]。平移不影响傅里叶变换的幅值,无论图像沿X轴还是Y轴平移,或者两个方向都平移,对应的幅值谱和原始图像都是完全一样的。相位相关技术是一种非线性、基于傅氏功率谱的频域相关技术,经常被用来检测两幅图像之间的平移,根据频域信息,利用相关技术能够快速地找到最佳匹配位置。归一化相位相关算法原理如下[5,6]:
数字图像f(x,y)可认为是二维随即离散信号构成的M×N矩阵,其傅里叶变换
逆傅里叶变换
F(u,v)一般为复数,可表示为复数形式
F(u,v)=R(u,v)+jI(u,v) (3)
式中,R(u,v)和I(u,v)分别表示为F(u,v)的实部和虚部。
假设参考图像为f1(x,y),f2(x,y)是f1(x,y)仅存在平移变化的待配准图像,位移量为(x0,y0),即f1(x,y)=f2(x-x0,y-y0)
令F1(u,v),F2(u,v)分别表示f1(x,y)和f2(x,y)的傅里叶变换,根据傅里叶变换的平移性质,参考图像与待配准图像傅里叶变换之后的关系可表示为
F2(u,v)=e-j2π(ux0+vy0)F1(u,v) (4)
即两幅图像的傅里叶变换有相同的振幅,但相位却不相同。通过计算两幅图像之间的互功率谱(cross-power spectrum)来得到相位差。
互功率谱定义为
式中,F*是F的复共轭。互功率谱的相位差等于图像之间的平移量。互功率谱进行逆傅里叶变换,就可以得到一个脉冲函数。此函数在偏移位置处有明显的尖锐峰值,其他位置的值接近于0,通过搜索峰值位置,就可找到两幅图像间的平移量。
2 基于边缘的归一化相位相关
传统的相位相关算法主要基于图像的低频灰度信息,当图像中某一部分存在严重失真时,难以得到理想的检测结果[3]。
图像边缘是图像中最基本也是相对稳定的特征信息,受外界条件的影响较小[2]。因此,文中先提取图像边缘特征,然后利用边缘相位信息进行归一化相位相关。经典的边缘检测算子很多,例如Laplace算子、Robert算子、Sobel算子等。文中采用Sobel算子,结合归一化相位相关算法,具体配准过程如下:
①输入参考图像和待配准图像f1(x,y),f2(x,y)。
②利用Sobel算子,分别对参考图像和待配准图像进行边缘提取。
③分别对边缘提取后的两幅图像进行快速傅里叶变换,得到傅里叶变换F1(u,v),F2(u,v)。
④求互功率谱:
⑤计算cp(u,v)的逆傅里叶变换cp-1(u,v),求cp-1(u,v)幅值最大值处的坐标(x0,y0),该坐标便是两幅图像之间的平移量。
⑥根据得到的平移量(x0,y0)配准两幅图像。
3 实验结果及分析
在VC6.0环境下对该算法进行了仿真实验,为验证算法准确性,故采用人工模拟图像进行实验。
实验一:如图1所示,实验图像为同一幅图像截取的256×256像素区域。(a),(b)分别为参考图像和待配准图像;(c),(d)分别为两幅图像经过Soble算子提取边缘特征之后的图像;(e)为互功率谱进行逆傅里叶变换之后的脉冲图像,图中可以明显的观测出峰值位置;(f)为配准结果图像。
实验二:如图2所示,(a)为参考图像;待配准图像(b),(c)分别施加高斯噪声和椒盐噪声[7];(d),(e)为脉冲图像,与实验一的结果基本完全相同,由此可以看出,本文提出的算法对噪声具有很强的抑制作用;(f)为两种噪声方式下的配准结果图像。
表1对比了传统相位相关与本文算法的检测结果图。
实验结果表明,传统相位相关方法下,配准误差较大,尤其是在施加噪声后,配准精度严重降低;而本文算法对噪声有很强抑制能力,配准精度基本达到100%。
4 结束语
本文研究了将时域中的边缘提取与频域中的相位相关相结合的图像配准算法。图像边缘特征对噪声具有很强的抑制能力;图像的相位信息,可以消除因光照、灰度不均、图像模糊等因素对配准结果产生的影响。通过仿真实验可以看出,传统的相位相关算法,检测出平移量具有一定误差;而本算法在相关表面具有明显峰值,且配准精度基本达到100%。
摘要：由于拍摄时间不同、传感器的抖动等原因,成像系统产生的序列图像之间具有一定的位移矢量。研究了一种基于边缘和相位相关的图像配准方法,首先提取图像边缘,然后进行归一化相位相关,从而估算出序列图像之间的位移量。实验结果表明,该方法的配准精度明显优与传统的相位相关方法,并对噪声具有较强的抑制能力。
关键词：边缘提取,相位相关,傅里叶变换,噪声
参考文献
[1]王蕾.图像配准技术及应用研究[D].西安电子科技大学,2007.
[2]赵丹培,姜志国,王延杰.基于边缘特征的相位相关简化方法在空间目标运动估值中的应用[J].宇航学报,2006,27(5):1107-1112.
[3]谢亚滨,张万清,张天旭.一种基于边缘的相位相关景像匹配算法[J].飞航导弹,1996,5:59-62.
[4]Scott Hoge W.Hatsuho Mamata,Stephan E Maier.Efficientcorrstruction of histology slide mosaics via phase correlation Registra-tion of high resoluteion tiles[C].IEEE Inter Conf Image Processing.Barcelona,Spain.Sept,2003:1117-1120.
[5]Stinivase Reddy B,Chatterji B N.An FFT-Based Technique forTranslation,Rotation,and Scale-Invariant Image Registration[J].IEEE TRANSACTIONS ON IMAGE PROCESSION,AUGUST1996,5(8):1266-1271.
[6]甘亚莉,涂丹,李国辉.基于梯度相位相关的自动图像配准方法[J].微电子学与计算机,2007,24(7):1-3.
边缘特征 篇5
从自然背景中检测出人造目标是光电精确制导、光电测量等领域的关键技术,在军事、卫星、遥感等领域中有着非常广泛的用途。现在常用的边缘提取思想大都基于假设边缘是原始图像灰度级梯度的局部极值点,而实际应用中所拍摄的目标大都处于复杂的自然背景中,由于复杂纹理背景的影响,传统的边缘检测算法往往难以获得理想的结果。
分形理论自提出以来在许多学科都得到了应用,在图像处理方面的一个主要应用就是用分形进行边缘检测[1]。大量的研究表明,分形模型可以很好地描述自然背景的表面和空间结构,但人造目标不满足分形模型,在用分形模型描述一幅包含人造目标的自然背景图像时,人造目标区域和自然背景区域表现出不一样的分形特征,根据其分形特征的差异就可以检测出目标[2]。目前用于边缘检测的分形特征主要有:分形维数[3,4]、分形拟合误差[5,6]、截距特征(面积度量)。目前人们研究较多的是分形维数和拟合误差,但是在运用分形维数提取边缘时,需要考虑不同尺度下图像分形维数的变化规律来提取边缘,运算较为复杂[7,8];而拟合误差的计算要在计算分形维数的基础上进行,计算结果准确与否取决于分形维数估计方法的精确性。截距特征即几何度量空间变化率特征则往往被忽略。针对这一情况,本文在图像分形模型—分数布朗模型的基础上,基于其方差性质提出了一种改进的分形维特征及截距特征的求取方法,这种方法将两种分形特征相结合有效地提高了背景和目标的相对差异,从而得到一种新的快速、有效的目标边缘检测方法。
1 分数布朗运动模型
分数布朗运动模型是Mandelbrot和Van Ness等提出的可以用来描述自然界中随机分形的一种统计自仿射数学模型,它将粗糙表面看成是随机游动的结果,即在方向和距离上都是均匀随机变量。分数布朗运动模型是计算图像分形维数的一种重要的方法,其定义如下:在某概率空间上,指数为H(0
1)以概率1有X(0)=0,且X(t)为t的连续函数;
2)对任何t≥0和Δr>0,增量X(t+Δr)-X(t)服从均值为0,方差是Δr2H的正态分布,所以
其中:P()为其概率密度函数。
由式(1)可知,增量X(t+Δr)-X(t)是稳定的,它的方差与Δr2H成比例,即:
改写上式为如下形式:
其中K为常数。
其中C为常数。
由式(4)可见,只要求出Var{X(t+Δr)-X(t)}和Δr数据对,然后用最小二乘法估算出斜率H,进而可以求得分形维数D。
目前,人们对用分形维数作为图像特征进行图像分析的研究已经比较全面,而对前项系数K的研究却常常被人们忽略。在线性平方拟合中指数项的系数对应于直线的斜率,而前项系数K则对应于直线的截距,因此只研究直线的斜率是不全面的。从物理意义上看,分形维数只反映了物体表面的不规则程度;而前项系数K反映了物体表面变化的快慢。因此,若将两者结合起来则能更好的放映物体的特征。
2 分形特征参数的计算
设一幅图像I,大小为M×M,I(i,j)为图像在(i,j)位置处的像素值,其中1≤i,j≤M。选用L×L的滑窗(例如5×5)。根据以上原理,本文主要算法如下所示:
1)依据表1,计算滑窗中心点坐标与邻域中各点坐标的欧式距离及不同的距离所对应的像素点的个数,得到以下数据对:
2)定义相同距离的点与中心点之间的方差为其相同距离的点与中心点的差值平方的均值,即:
其中:Num是距离为Δr时的像素点个数;(i,j)为滑窗中心点的坐标。
实际应用中方差采用相同距离的像素点与中心点的灰度差的绝对值的均值计算:
3)由上式分别计算出数据对Δr和VarIΔr,再根据式(4)由最小二乘法即可估算出H。若采用如下方式表示数据对:(xn,yn)=(Δrn,Var IΔrn),则可得H,考虑式(3)的截距K,由最小二乘算法有:
4)计算特征参数FD及归一化的截距特征参数:
当获得了一幅原始图像后,利用上面给出的算法,可计算出图像中各点的分形特征参数和相应的截距特征参数,从而得到分维特征分布图像,以及截距特征参数图像。这两幅图像是相互独立的两种分形特征。
分形模型是一种纹理模型,从纹理描述的角度看:人造目标的各个组成部分,由于其平滑性而呈现较低的分维数;同时,人造目标一般具有较强的边缘,从而导致很高的分数维。
由于K反映了物体表面变化的快慢,因而对于光滑的曲面或灰度变化缓慢的灰度曲面,其K值较小;对于起伏较大的灰度曲面或灰度变化较为剧烈的曲面(即包含有边缘的图像灰度曲面),其K值较大。
3 目标检测算法
经过分形特征参数的计算,人造目标与自然背景的差异得到体现,但由于分形维的变化范围在2.0~3.0而截距特征参数也是归一化后的参数值,因而特征参数空间中的目标边缘与背景的差别不明显。因此,在获得了分形维数分布图像和截距特征图像后,需要进一步的处理来增强人造目标与自然背景在分形特征上的固有相对差异,以便在各种自然条件下都能够自动设置检测门限将目标检测出来。本文采用以下方法区分人造目标和自然背景[9]:
1)将分形维和截距特征参数的变化范围变换到0~255得到FD和FK;
2)将两幅分别独立的分形特征参数图像进行叠加,从而增强目标与背景之间的差异,得到新的特征参数图F即:F=(FD+FK)/2。
3)对于特征参数图F,采用自适应阈值的方法确定检测门限。
①计算出特征参数图F的灰度均值μ0,并将其设定为初始的检测门限T1;
②利用T1将特征参数图F中的像素点分为两类,分别对应于强特征区和弱特征区。然后分别计算出两部分对应的均值μ1和μ2,并定义T2=(μ1+μ2)/2;
③若T1与T2不相等,则以T2为检测门限重复(2),直到T1等于T2,此时门限即为检测门限值。
上述检测结果中可能存在伪边缘,可以利用关于目标的先验知识,去除这些假目标。同时,由于本文算法采用滑窗计算分形特征参数,因而检测出的目标边缘较宽,这里采用细化算法[10]进行细化,即可得到最终的检测结果。
4 仿真结果
本文在Matlab 7.0环境下,选用一幅大小为100×67的飞机图像如图2(a)进行测试。
图1分别给出原始图像(图2(a))及其分形特征参数图F(图2(d))对应的灰度直方图。从图1(b)可以看到,经过分形特征计算的图像,其复杂的自然背景所对应的灰度值已集中,而人造目标由于具有较强的边缘,从而导致很高的分维值,因而目标边缘所在的灰度得到分离,有利于进一步的检测;而原始图像的直方图中背景和目标的灰度值仍然存在重叠部分,不容易分割出目标。
图2给出原始图像对应的分形特征图,从图中可以看到,虽然分维特征和截距特征已经将目标边缘区分开,但目标边缘不够连续,同时存在伪边缘;而叠加后的特征图中的边缘连续性较好,同时区分出的伪边缘少,有利于进一步的检测。图2(f)为对检测结果采用细化算法细化后的结果,由于细化算法本身的一些缺陷,因而检测结果中存在一点毛刺和断裂。图2(e)为本文算法进行边缘检测的结果;图2(g)为Sobel算子检测结果;图2(f)为采用Hurst方法[11]计算出分形特征值,然后采用本文的自适应门限确定方法得到阈值进而检测出的结果。从图2可以看到,三种方法均有效的检测出目标,但Hurst方法检测出双边缘,且存在伪边缘;Sobel算子检测出的边缘的连续性较差,且存在伪边缘干扰;相比而言,本文算法的边缘定位要更为准确,伪边缘少。
(a)Histogram of original image (b)Histogram of feature parameter image F
选用两幅大小分别为67×100和160×119的不同背景、不同目标类型的图像进行测试,如图3、4所示。对比检测结果可看到,本文算法有效地检测出目标边缘,同时去除大量背景边缘干扰;Sobel算子检测出的边缘连续性差,存在背景边缘干扰;Hurst算法的检测结果检测出双边缘,且存在大量背景边缘点的干扰。
在运算时间方面,同样的测试环境下,三种不同方法的运算时间对比如表2所示。由于本文算法在计算分形特征参数时对最小二乘算法进行有效的优化,因而从运算时间的对比可以发现本文算法与Hurst方法相比具有很大的优势,计算时间缩短了93%~95%。即使与传统的Sobel算子检测相比本文算法的运算效率也不错。
5 结论
针对复杂背景下的目标边缘检测问题,本文提出一种改进的分形特征参数计算方法,从实验结果可以看到,该特征参数为实现有效的边缘检测提供了依据,同时算法的运算时间得到大大的降低。但由于采用局部窗的处理方法,检测出的目标边缘较宽,而细化的结果中往往存在一些毛刺或断裂的现象,这也是进一步研究要解决的问题。
参考文献
[1]罗强,任庆利,杨万海.基于分形理论的图像边缘提取方法[J].通信学报,2001,22(11):104-108.LUO Qiang,REN Qing-li,YANG Wan-hai.A method of the image edge extraction based on fractal theory[J].Journal of China Institute of Communications,2001,22(11):104-108.
[2]诸葛霞,向健勇.基于分形特征的目标检测算法概述及仿真[J].红外技术,2006,28(10):576-579.ZHUGE Xia,XIANG Jian-yong.The Summarization and Simulation of Target-detection Algorithms Based on Fractal Features[J].Infrared Technology,2006,28(10):576-579.
[3]陈小梅,倪国强.基于局部分形维数的遥感图像分割[J].光电工程,2008,35(1):136-139.CHEN Xiao-mei,NI Guo-qiang.Remote Sensing Image Segmentation Based on Local Fractal Dimension[J].Opto-Electronic Engineering,2008,35(1):136-139.
[4]Lee W L,Chen Y C.Unsupervised segmentation of ultrasonic liver images by multiresolution fractal feature vector[J].Information Sciences(S0020-0255),2005,175(3):177-199.
[5]胡春燕,赵保军,何佩琨.自然地面背景红外目标检测方法研究[J].激光与红外,2006,36(1):72-74.HU Chun-yan,ZHAO Bao-jun,HE Pei-kun.Study on Algorithm of Detecting IR Target in Natural Background[J].Laser&Infrared,2006,36(1):72-74.
[6]杨斌利,向建勇,韩建栋.一种新的基于分形特征的人造目标快速检测算法[J].激光与红外,2003,33(5):374-376.YANG Bin-li,XIANG Jian-yong,HAN Jian-dong.A New Algorithm Based on Fractal Features for Fast Detection of Man-made Objects in Nature Background[J].Laser&Infrared,2003,33(5):374-376.
[7]张坤华,王敬儒,张启衡.基于分形特征的图像边缘检测方法[J].光电工程,2001,28(6):52-55.ZHANG Kun-hua,WANG Jing-ru,ZHANG Qi-heng.Image Edge Detecting Method Based on Fractal Feature[J].Opto-Electronic Engineering,2001,28(6):52-55.
[8]Peli T.Multiscale fractal theory and object characterization[J].J.Opt.Soc.Am.A(S0740-3232),1990,7(6):1101-1112.
[9]Gonzalez Rafael C,Woods Richard E.数字图像处理[M].阮球琦,阮宇智,译.北京:电子工业出版社,2007:485-486.
[10]张敏.二值图像中一种改进的细化算法[J].现代电子技术,2005(19):96-98.ZHANG Min.An Improved Thinning Algorithm for Binary Image[J].Modern Electronics Technique,2005(19):96-98.
边缘特征 篇6
自然场景图像中的文本检测与定位对于基于文字内容的图像分析具有重要的作用。在任何地方,以任何形式出现的文字都具有某种强烈的目的性,它能帮助人们更好地识别和理解目标物体及场景。开展对这个方向的研究不仅对人工智能的发展具有理论意义,更重要的是它具有潜在的巨大商业应用价值,因此,工业界和学术界都十分重视这方面的研究。尤其是从上个世纪九十年代以来,每两年举行一次的国际文本文档分析与识别会议(ICDAR)极大的促进了场景图像文字检测与识别技术的发展。通过举行会议及开办场景文字定位与识别竞赛,学者们在这方面发表了很多的文章,做出了很大的贡献。这项会议仍在持续开展中,下一届会议即ICDAR2013国际会议将于2013年8月在美国华盛顿举行。
自然场景图像中的文本与其他类型文本不同,它不仅受到多种环境因素(如光照不均、背景复杂、阴影、反射等)的影响,同时文字本身属性也复杂多变(如文字的大小、颜色、方向、字体等不统一,不均匀)。因此,迄今为止,还没有任何一种方法能够快速、准确地检测所有图像背景下的文字。现有的检测方法虽然很多,但准确率和实时性都远远达不到商业应用的要求。尽管如此,学者们还是取得了不少成绩,为我们进一步研究提供了借鉴与思路。
总的来说,对于自然场景文字的检测与提取,目前的方法多种多样。有基于边缘检测的方法,如文献等[1]提出了一种基于边缘的双脉冲神经网络(PCNN)的算法来定位图像文字,首先利用最大颜色熵的通道检测边缘,然后用PCNN模型来分割图像,最后精炼并定位文字区域。文献[2]用边缘特征和数学形态学的方法提取场景文本串。该算法能根据笔画宽度将文本串分成不同的子图,实验结果表现良好。有基于特征聚类、机器学习等的方法,例如文献[3]提出了一种基于多核学习的文本定位方法。先通过连通域分析和提取图像纹理特征找到候选区,然后用经过训练的多核学习机进一步筛选出文本区域。也有基于纹理分析的方法,如文献[4]运用多尺度、多方向的Gabor滤波提取图像纹理特征,然后建立神经网络学习文字纹理,从而提取文字区域,达到了很高的检测精度,但是该方法对于背景纹理复杂的图像文字检测效果仍不理想。
通过对近些年的文献研究总结,我们发现综合运用多种技术与方法已成为解决这一难题的趋势。特征提取是模式识别系统最为关键的步骤之一,系统的性能在很大程度上取决于我们提取的特征是否具有足够描述性、区别力及稳定性,充分利用图像的自然特征(如颜色、亮度、边缘、纹理等)与统计特征(如均值、方差、能量、频谱、直方图等),就可以很好地提取目标信息,检测出文字区域。因此,我们提出了一种基于Gabor滤波与边缘特征相结合的方法来检测并提取场景图像中的文字。首先利用Gabor滤波获得图像的纹理特征,并通过均值、能量特征去除部分噪声区域,结合图像的边缘特征获得文本候选区;然后经形态学处理进一步去噪并形成文本块;最后经过投影运算定位文字区域,再通过特殊的二值化处理取得文字结果。实验表明本文方法能够适应各种场景下的文字检测,且准确度大幅提高。
1 特征提取
1.1 基于Gabor滤波的特征提取
Gabor滤波是最强大的纹理分析工具之一。经过Gabor变换可以达到时频局部化的目的:即它能够在整体上提供信号的全部信息,而又能提供在任意局部时间内信号变化剧烈程度的信息。换言之,它可以同时提供时域和频域局部化的信息,实现了人们对信号真正意义上的时间-频率分析。通过Gabor滤波得到的特征图像,压缩了背景像素,减少了噪声干扰,从而提高了后期处理的时间效率,在纹理特征提取中具有重要的作用。
1.1.1 Gabor变换基础
经典的Fourier分析方法是分析和处理平稳信号的最常用也是最主要的方法。Fourier变换建立了信号从时域到频域变换的桥梁,其逆变换则建立了信号从频域到时域的变换桥梁,时域和频域分析构成了观察信号的两种方式。然而,Fourier变换只能在整体上将信号分解为不同的频率分量,缺乏时间局域性信息,即它不能告诉我们某种频率分量发生在哪些时间内。为了解决这一难题,实现时频联合分析,人们在20世纪40年代开始研究时频分析方法,于是,Gabor变换应运而生,1946年,Dennis Gabor在其论文中最早提出了Gabor变换的基本理论[5]。经过几十年的研究和发展,Gabor滤波技术已经日渐成熟,被广泛应用到纹理分割、特征提取、目标物体识别等方面。
典型的2-D Gabor函数是由一个二维高斯核,通过一个复杂的正弦波调制而来,表达式为[6]:
对应的Fourier变换为:
其中:W是正弦波的调制频率;σx和σy分别代表了高斯核偏移x和y轴的宽度,它们决定了Gabor滤波器的带宽;而
1.1.2 Gabor滤波特征提取
将g(x,y)按照式(3)进行旋转与尺度变换得到新的滤波传递函数[6]:
其中:x′=a-m(xcosθ+ysinθ),y′=a-m(-xsinθ+ycosθ),而a-m是尺度因子,
其中p,q代表了滤波掩膜的大小,其值由高斯核偏移x和y轴的宽度,即σx和σy决定;Gmn(x,y)为滤波后的图像。
按照上述理论,我们编程实现了滤波器功能。算法的处理过程如下:
1) 首先将输入图像转化为灰度图像,并检测数据矩阵是否为双精度型,若不是,则需转化为双精度型;
2) 根据给定的高斯核沿x和y轴偏移量大小,以及滤波角度和频率等参数构造高斯滤波器;
3) 分别用高斯滤波器的实部和虚部对1)中的图像数据矩阵进行二维卷积运算;
4) 取3)中卷积运算结果的幅值响应作为Gabor滤波输出,并将输出数据矩阵转化为灰度图像。
其中核心算法的代码如表1所示。
由于自然场景文字背景复杂多变,对于滤波参数的选择显得十分重要。经过大量实验,发现滤波器参数取:尺度因子为a-m=1,滤波方向
由图1(c)与(d)对比可知,前者很好的保留了文字纹理特征,但是同时也引入了大量噪声信息;而后者虽然减少了噪声信息,但是文字区域信息也同时被削弱了。综合考虑,我们选择了1组的参数,因为这样虽然增加了噪声,但可以根据后面的边缘特征融合来去除它们,从而保证了文字信息不丢失。
1.2 边缘特征提取
边缘是图像最基本的特征信息之一,它反映的是图像中灰度或结构的不连续性,在图像分析中起着重要的作用。经过对文献进行总结统计,我们发现超过百分之九十的文章都直接或间接采用了边缘检测的手段。同时我们也做了一系列的场景文字检测预处理实验,发现基于边缘的方法是最稳定且最可靠的。这是因为存在文字的地方总是会存在边缘效应,即使文字与背景对比度极低,也能通过边缘检测得到文字边缘。本文采用了经典的边缘检测算子Sobel算子来对灰度图像进行小邻域的处理,获得文字边缘。这是因为Sobel算子能够最大限度的去除背景噪声,同时又不丢失任何的文字边缘。
本文的边缘检测是直接利用Matlab图像处理工具箱中的边缘检测函数,不需要任何复杂的预处理和改进即可达到需要的效果。其处理步骤是:
1) 首先将原始图像转化为灰度图像;
2) 然后直接利用边缘检测函数e=edge(I, 'sobel')对灰度图像处理得到边缘特征。
该算法不仅简单有效,同时节约了处理时间。图1(b)显示了边缘检测结果。
2 特征融合
经过特征提取处理,我们得到了两幅包含文字信息的特征图像,接下来就是要将上述两种特征图像进行有效的融合,使得两种技术取长补短,相互印证,以便更好地利用特征信息,从而提高检测精度。所谓的图像融合[8],就是将来自不同源、不同时间、不同模式的图像数据和信息按照一定的准则,综合为一个全面的高质量的图像,以提高图像信息的利用率、改善计算机的对图像描述精度和可靠性,方便人们进一步认识和处理图像。图像融合由低到高分为三个层次:数据级融合、特征级融合、决策级融合。融合过程常结合图像的亮度、纹理、平均值、标准差、熵值等特征信息,以消除可能存在的信息冗余和矛盾,增强对图像目标更清晰、完整、准确的信息描述。
具体融合算法描述如下:
1) 首先对特征图像进行滤波去噪,因为原始图像经过不同的处理得到了带有不同噪声的特征图像,为了减少噪声干扰,避免更多的噪声带入融合结果,应首先对其进行去噪。由特征图像可知文字区域的密度较为一致,且纹理属于较亮的高频区,因此我们用M×N的滑动窗口W来对图像进行滤波,并采用灰度均值和方差来控制特征输出,它们的定义分别如下:
其中灰度均值应大于某阈值,否则认为是噪声,将其置0,方差也应在一定范围内,过大的方差被认为是独立噪声点,过小的方差认为是噪声区域,都应该被舍弃。
2) 然后采用平均值法进行融合。平均值法的主要思想就是:令I1(x,y),I2(x,y)和I(x,y)分别为两幅待融合的特征图像和融合以后的图像在点(x,y)处的像素值,则融合后各点的像素值可按式(7)来确定。
由于特征图像都是采用二值图像,即图像中前景的像素都是1,而背景则为0。按照式(7)的算法,如果两幅特征图像中对应点像素都为1,则认为该点为文本像素区。否则将其置0,即认为该点为背景噪声,应去除。经过这样的处理,除去了单幅特征图像中存在的噪声,同时使得文本区域更清楚、完整,可靠性也大大提高了。其中平均值法融合的核心算法可参考表3中的代码。
3 文本区域定位与提取
在经过特征图像融合后,我们得到了一幅包含少量噪声和文字区域的二值图像,下一步的任务就是要对文本区域进行定位和提取。本文采用以下三个步骤来定位并提取结果:
1) 首先,我们对融合特征图像进行形态学运算,以去除那些明显不是文字的噪声点与曲线并形成文本块。数学形态学运算的基本思想是利用一定形态的结构元素来度量和提取图像中的对应形状和结构。它是一种非线性的信号处理与分析工具,可将图像信号与其几何形状联系起来,以达到提取信号、抑制噪声的目的。它最基本的运算是腐蚀、膨胀,以及由它们组合而成的开启、闭合运算。形态学运算最重要的就是结构元素大小的选择,因为过大的结构元素会将文字信息一起腐蚀掉,而过小的结构元素又无法去除噪声区域。经过实验,本文选择了3×3的结构元素对图像进行腐蚀运算,以去除噪声点和曲线;然后进行7×7的膨胀运算,以将文字区域连接成块。
2) 然后,我们将得到的文本块分别进行x轴与y轴的投影运算Px与Py,并用rectangle函数对文本区域进行标记。其中:
Px与Py代表了图像沿x轴与y轴的灰度累积值,表示了该方向总的明暗变化程度,可以用来定位文字区域。记录x轴与y轴灰度累积值最先不为0的点的坐标(x0,y0)及文本块的宽度(w)与高度(h),并用rectangle函数在原始图像中标记文本块以形成矩形框,这样我们就得到了最终的文字定位结果,如图2(a)所示。其中投影法文本区域定位的核心算法如表4所示。
3) 最后,我们将原始图像中的文本定位区域进行一种特殊的二值化处理获得最终的文本输出结果,即将原始图像中矩形框以外的区域预先全部置0,这样便得到了一副具有单一背景的文字区域,然后利用普通的二值化函数进行处理,即可得到最终的文字提取结果。如图2(b)所示。
4 实验结果与分析
本文所有算法均在Matlab 2009a环境下编程实现。为了验证本文算法的有效性,我们从ICDAR2003数据库里选取了300幅不同环境下的场景图像进行实验测试。这些图像包含了各种标志牌、海报、广告语、商标等场景文本,图像的尺寸从640×480像素到1600×1200像素大小不等。这些场景文本包含了不同背景、字体、大小、颜色、光照等各种情况,具有充分的代表性。图3列举了部分比较理想的实验结果。
由图可知,本文算法对各种字体大小、方位,及复杂背景下的文字都实现了很好的提取,证明了算法能够很好地处理各种环境下的场景文字提取。但是,同时我们也发现一些错误的检测,如图3第一幅图像中的文字本身具有的边框,还有第四幅图像中夹在文字中间的标示牌指示。
另外本文算法对石刻文字,光照过强,阴影严重的图像文字检测效果也较差,往往会产生检测遗漏,定位不准等问题。尤其是当图像中存在较多的花草树木、门窗、栏杆等类笔划干扰时,算法会存在较多的错误检测,造成不能定位真正的文字区域。由于版面所限,并未列举。
为了比较和综合评价算法的可靠性,我们使用了目前比较通用的准确率(Precision)和召回率(Recall)来综合评价实验结果。设C为正确检测出的文本区域数,D为本文算法检测到的文本区域数,G为实际存在的文本区域数,则准确率与召回率由式(9)决定:
经过测试统计,本文实验结果的准确率为0.79,召回率为0.86。表5比较了本文与部分ICDAR2011场景文本定位比赛[9]结果。由于每一个研究者所选取的样本测试集不一样,难易程度也不尽相同,因此,算法的可比性不强,无法做到真正公平、准确评价谁的方法更好。但是,通过对比仍然能够在一定程度上说明问题。
从表中可以看出:本文的方法比ICDAR2011场景文本定位竞赛的第一名的方法在准确率上仅低了三个百分点,比其他人的准确率都高很多;在召回率方面我们的方法远远高于其他人的算法,这说明算法的鲁棒性很好。通过以上对比,充分证明了本文算法的可靠性与有效性。
5 结 语
文章介绍了一种基于Gabor滤波结合边缘特征的场景文字检测方法。有效的利用了图像的纹理特征与边缘信息来获得特征图像,通过特征图像融合技术得到可靠的文本候选区域,并进一步处理得到文字输出。实验证明了本文方法的可靠性与准确度。但是由于场景文字背景复杂,干扰较多,需要在滤波参数的优化和自适应选择上进行改进。今后我们将改进算法,并引进新的技术以获得更好的效果。
参考文献
[1]Xin Z,Fuchun S.Pulse Coupled Neural Network Edge-Based Algo-rithm for Image Text Locating[J].Tsinghua Science&Technology,2011,1(16):22-30.
[2]Yuming W,Naoki Tanaka.Text String Extraction from Scene ImageBased on Edge Feature and Morphology[C]//IEEE,The Eighth IAPRWorkshop on Document Analysis Systems,2008:323-328.
[3]Shen L,Yanyun Q,Xiaofeng D,et al.Text detection in images basedon Multiple Kernel Learning[C]//IEEE International Conference onICMLC,2011:1538-1543.
[4]Jianqiang Y,Dacheng T,Chunna T,et al.Chinese Text Detection andLocation for Images in Multimedia Messaging Service[C]//IEEE nter-national Conference on Systems Man and Cybernetics(SMC),2010:3896-3901.
[5]陶亮,顾娟娟.实值Gabor变换理论及应用[M].合肥:安徽科学技术出版社,2005:1.
[6]申丽然,尹清波.Study on Affine Invariant Methods in Image Process-ing[M].哈尔滨:哈尔滨工程大学出版社,2009:53.
[7]Manjunath B S,Ma W Y.Texture Features for Browsing and Retrievalof image Data[J].IEEE.Trans on PAMI,1996,18(8):837-842.
[8]张兆礼,赵春晖,梅晓丹.现代图像处理技术及Matlab实现[M].北京:人民邮电出版社,2001:311.
边缘特征 篇7
随着当代社会的不断发展、时代的不断进步, 人们的物质生活水平不断提高, 但精神文化水平却未赶上物质生活的脚步, 稍显滞后。于是, 心理健康、幸福度越来越成为人们关注的焦点。近年来, 关于校园暴力、大学生自杀的不和谐现象时有见诸媒体, 马加爵事件、药家鑫事件更是给人们敲响了警钟:必须加大大学生心理健康教育的力度。经过了九年义务教育和三年高中教育, 历尽艰辛考入高等学府, 本应是素质高人一等、积极向上的大学生群体, 为何会频频用自杀的方式结束自己的生命?平时安静随和的年轻人, 为何又会变为手持利器的“恶魔猎手”?他们是如何认知生命?生命对于他们的意义又在哪里?这些都引发了人们深深的思考。统观媒体上关于此类事件的报道, 我们可以发现许多共性:家庭贫困、性格孤僻、不爱说话、宅男宅女、感情受挫、家庭剧变等。如果把具有以上特征的人归为一类, 那就是所谓的高校学生中的“边缘群体”。
2 高校大学生“边缘群体”的特征
关于“边缘化” (Marginality) 一词, 最早是由美国社会学家帕克 (R·E·Park) 在20世纪20年代提出来的。帕克认为, 由于通婚或移民, 那些处于两种文化边缘上的人常经受着一种心理上的失落感;他们在种族或文化团体中的成员关系模糊不清, 因为他们既不能被这个种族或文化团体接受, 也得不到另一个种族或文化团体的欢迎。这是一个社会学的概念, 是相对于中心而言的。
提起“边缘化”, 不得不说的一个词语就是“人际关系”。它是指人们在交往过程中所形成的心理关系, 人的成长、发展、成功、幸福都与人际关系密切相关。没有人与人之间的关系, 就没有生活的基础。对任何人而言, 正常的人际交往和良好的人际关系都是其心理正常发展、个性保持健康和生活具有幸福感的必要前提。大学生的生理、心理都已日益成熟, 生活中学习的压力已不再和初高中阶段一样, 课余的生活已经占有一部分比例, 随之而来的人际关系就显得尤为重要, 大学是人际关系发生质变的关键时期。在众多的大学生中, 人际交往存在着问题。正是由于人际交往的障碍, 才促使了“边缘群体”的产生。
从高中进入大学, 大学生们有了充足的时间做自己感兴趣的事情, 视野更加开阔, 交友圈更加广泛。找一群志同道合的朋友, 去旅游、去参加文艺表演、去爬山、去烧烤、去露营、去图书馆学习……充满激情与活力、乐观向上、思维活跃, 这些都是大学里主流群体的一些表现。而那些所谓的“边缘群体”的学生, 因为种种原因, 与这些“主流群体”产生了隔阂, 无法融入其中, 被掩埋在角落之中, 渐渐地被人们所遗忘。
很多边缘群体的学生有如下特征:
(1) 或是冷眼观望, 或是静静等待, 仿佛这校园的一切与他们都无关, 他们成为大学生群体中被人遗忘的角落;
(2) 没有担任学生干部, 入党机会渺茫, 没有获奖或评优评先的机会, 没有表现的机会, 没有话语权, 孤独地躲在校园的一角;
(3) 除了去教室上课, 他们没有机会或者根本不愿意主动参加学校的各类社团活动、公益活动, 很少参加集体活动;
(4) 他们埋怨社会的不公以及学校制度的不合理, 不能深刻理解人生的目的和意义, 心理敏感脆弱, 人际关系紧张, 因此这个群体更需要被积极地关注。
3 高校大学生“边缘群体”的形成原因
高校“边缘群体”产生的原因是多方面的, 但也有其共性。我国高校近年来不断扩招, 在提高人民受教育水平的同时, 也为高校大学生带来了更大的压力。很多大学生在高中的时候往往是所在中学的佼佼者, 受到家庭、学校等各方面的高度关注, 各种荣誉、献花、掌声获得了无数, 他们抱着坚定的信念和崇高的理想来到大学, 满心欢喜地希望自己可以在大学里继续成为焦点, 尤其是一些家庭贫困的学生, 更是希望能在大学里通过各种方式改变家庭的窘境。然而, 理想是美好的, 现实是残酷的。很多学生来到大学, 发现大学里跟自己同样优秀的人有好多, 他们不再是佼佼者, 在学校他们几乎没有展现自己才华的机会, 由高处摔了下来, 情感上的落差让他们郁闷无比, 饱受挫折。很多家庭贫困的学生更是因为教育水平的差异而与周围的学生没有共同语言。人微言轻的他们在大学里成了可有可无的存在, 不受关注, 慢慢远离了主流的生活方式和思维方式, 变得怪异, 最终成为“边缘群体”。
尽管在高校“边缘群体”中, 既有家庭富裕的学生, 也有家庭贫困的学生, 但家庭贫困的学生是其中的主体。在上大学之前, 这种家庭贫困给学生带来的生活条件上的差异并不十分明显, 由于比一般学生付出了更多精力来学习, 他们的学习成绩大多名列前茅, 学习成绩所带来的优越感完全取代了生活方式上的细微差异。但当他们步入了大学, 原本细微的差异渐渐变得明显, 由于以前的学习生活与社会脱节, 很多学生的视野较为狭窄, 尤其是在电脑的使用上与富裕家庭学生有较大差异;衣着、饮食、生活习惯、思维方式的不同, 使他们与其他学生的交流存在诸多障碍;人际交往、组织能力、社会实践能力不及他人。强烈的反差对比, 让他们陷入了深深的失落之中, 焦虑、困惑、嫉妒、自卑等负面心理接踵而来, 自我封闭心理逐渐形成。
很多大学生在刚入学的时候, 也希望正面、积极地表现自己, 但基于种种原因却没有得以实现, 内心受到了极大的打击与挫败, 心理需求得不到满足, 这时, 很多人会将这种心理需求转化为负面的、消极的情绪。很多家庭贫困的学生从小接受社会的经济资助, 产生了依赖性, 而到了大学, 由于贫困学生相对增多, 造成了部分学生得不到社会资助的现象, 学生的的情绪会产生较大波动。自身家庭状况造成的差异、情感和精神文化的缺失、相对孤僻的性格、社会福利体系的不完善、新闻媒体对贫困学生的不正当炒作等种种因素, 在无形之中将这一群体特殊化、孤立化和边缘化, 给学生本身造成了更大的压力。
由于自身和外界的种种原因, 使得高校中的“边缘群体”不能很好地融入学校、学院、班级、学生组织等集体, 对他们缺乏应有的归属感, 缺乏主人翁意识和主观能动性。对集体的不认同以及逐渐远离, 使他们渐渐对自己生命的意义产生怀疑, 不明白自己应该做些什么, 一切都显得无所适从, 原本积极乐观的心态逐渐被瓦解, 开始产生悲观、消极情绪, 一遇到挫折就会采取过激的行为, 自杀与杀人是两种主要的极端表现形式。
很多处于“边缘群体”中的学生情绪往往十分不稳定, 容易失控;很多学生面对挫折的承受能力极差, 性格孤僻, 与人交往极少;对自身存在的意义模糊不清;经常悲观、失落, 并容易影响周围的同学。
我们发现, 造成当代大学生自杀、忽视生命价值问题的根本原因, 是处于“边缘群体”中的学生没有感受到生命积极存在的意义, 未能形成正确且积极全面的生命价值认知体系, 对未来缺乏合理的规划。
4 引导高校大学生“边缘群体”回归中心群体的对策
大学是一个培育人才、造福社会的地方, 每一名大学生都有成为国家栋梁的机会, 因此应坚持“不抛弃, 不放弃”的原则, 决不放弃任何一个学生。高校学生中“边缘群体”作为一个弱势群体, 需要社会、学校及家庭给予更多的关心与照顾。作为一名高校教师, 作为学生成长成才的人生导师, 更应该首当其冲地担负起这种责任, 针对高校学生中的“边缘群体”具有的特征及成因, 提出合理、有效的对策和措施, 力争将高校学生中的“边缘群体”引导到中心群体中来, 帮助他们树立正确的世界观、人生观和价值观, 不断提高大学生的幸福指数, 这些都具有极其重要的意义。
(1) 帮助所有学生树立正确的消费观念。
高校“边缘群体”产生的一个重要原因就是学生贫富差异, 因此, 解决这一问题的一个重要方法就是要让贫富差距对学生的影响减小到最低。倡导所有学生理性消费、不要盲目消费, 可以使高校学生的消费水平拉近, 让“边缘群体”学生感受不到物质生活的过大差异, 从而使他们与正常群体更好地融合在一起。
(2) 营造和谐稳定的校园环境。
学校是一个小社会, 有着自己独特的环境和文化。校园环境和校园文化直接关系到大学生的健康成长, 因为高校环境和文化不仅塑造大学生的学习氛围, 而且还关乎大学生的人格修养。但是随着全球化时代的来临, 多元文化观和价值观也随之而来, 在不知不觉中影响着年轻大学生们的人生观、价值观和世界观, 而其中高校“边缘群体”更易受到影响。对此情况, 作为高校教育工作者必须提高警惕, 不抛弃、不放弃任何一个处于“边缘”的学生, 引导他们走向中心群体。
(3) 打造多平台, 去除“边缘化”。
高校必须创造更多让学生可以施展才华的机会, 让所有大学生“边缘群体”都有机会参与到学校组织的活动中, 通过举办一系列有利于学生身心健康的文化活动, 如诗歌朗诵、征文比赛、演讲比赛、辩论赛等, 让更多的普通学生参与进来, 与此同时, 要设置或扩大单项评优、评奖项目, 使大部分学生有机会获得肯定和表扬, 肯定这些学生的价值, 从而增强他们的集体荣誉感、意志和自觉行动, 从“边缘化”逐渐“去边缘化”, 从而降低大学生自杀等极端行为的发生。
(4) 引导学生树立正确的上网观念。
随着网络的迅速发展, 各种外来文化和不健康文化开始涌入大学校园, 这些不良文化会侵蚀大学生的思想, 使一些意志薄弱的学生受其诱导, 做出过激行为。这里尤其要指出的是电子游戏对学生的影响极其恶劣, 应当引导学生树立正确的上网观念。
(5) 开展系列生命教育。
生命对于我们每个人都只有一次, 因此, 让边缘群体学生认识到生命的意义显得尤为重要。生命教育的目的就在于使每个个体特别是大学生“边缘群体”认识自我、发现自我、接纳自我, 从而最终能够实现自我。
(6) 加强心理健康教育。
不可否认, 高校大学生“边缘群体”的存在很大程度上都是由心理问题引起的, 因而完善高校的心理咨询机构, 积极开展心理咨询活动以及适当的心理干预机制也至关重要。当代大学生面对时代的变迁和新旧观念的相互撞击, 不论是学习生活和工作, 还是理想、信念、人生观等, 他们都出现了不少的心理问题, 对未来感到困惑和迷茫。
因此, 在心理辅导上, 教师应该遵循情感、心理的发展规律, 注意对他们顺情入理的教育和引导, 帮助克服消极情感, 引导他们建立健康、高尚的情感理念。由被动学习转化为主动学习, 从而真正地让“边缘群体”学生在高校大环境里得到和谐发展。
5 结语
大学生作为祖国现代化建设的生力军, 有着举足轻重的作用, 因此, 引导高校大学生“边缘群体”走向正常化势在必行。如何将“边缘群体”学生“去边缘化”需要全社会的共同努力。
参考文献
[1]黄剑.“边缘人”角色的建构——身体缺陷者社会歧视的文化社会学分析[J].江西师范大学学报, 2009 (2) .
[2]〔英〕安东尼·吉登斯.社会学[M].赵旭东等, 译.北京:北京大学出版社, 2003.
[3]〔美〕苏珊·桑塔格.疾病的隐喻[M].程巍, 译.上海:上海译文出版社, 2003.
边缘特征 篇8
所谓边缘,是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,它存在于目标与背景、目标与目标、区域与区域,基元与基元之间。两个具有不同灰度值的相邻区域之间总存在着边缘,边缘是灰度值不连续的结果。而边缘检测正是基于幅度不连续性进行图像分割的方法。图象边缘检测是图象处理与分析中最基础的内容之一,也是至今没有得到圆满解决的一类问题。图像采集过程中的投影、混合、畸变和噪声等导致图象特征的模糊和变形,从而造成图象特征提取的困难。边缘当然也由于上述成象中的各种原因而难于检测。图象边缘和轮廓特征的检测与提取方法,一直是图象处理与分析技术中的研究热点。
为了获得更清晰的图像轮廓图,可以先对采集的图像进行滤波去噪处理,然后再利用各种算法对图像进行边缘检测,最后再将边缘像素连接起来,即可得到清晰、完整的图像轮廓。
1 图像去噪处理
实际采集的图像中常包含各种不希望有的噪声,为进行图像分析,需要先将噪声消除掉。噪声的种类很多,其性质也有很多区别,这就要求有针对性地采用不同的方法消除。常有的方法包括线性滤波、非线性滤波及混合滤波等。
线性滤波器能有效地消除高斯噪声和均匀分布噪声,但对椒盐噪声的消除效果很差。中值滤波器能够很好地消除椒盐噪声等脉冲噪声,而且不会给图像带来过多的模糊效果,但是不能有效地消除高斯噪声。当图像同时受到不同噪声影响时,可以采用组合滤波的方式。
2 边缘检测
数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域中十分重要的基础。边缘检测在数字图像处理中非常重要,因为边缘是图像所要提取的目标和背景的分界线,只有提取出了边缘才能将背景和目标区分开来。
边缘检测的基本思想是首先利用边缘增强算子,突出图像中的局部边缘,然后定义像素中的“边缘强度”,通过设置门限的方法提取边缘点集。但由于噪声和图像模糊的原因,检测到的边界可能会有间断的情况发生。所以边缘检测包含两个内容:
1) 用边缘算子提取边缘点集;
2) 在边缘点集中去除某些边缘点,填充一些边缘点,再将得到的边缘点集连接为线。
常用的检测算子有微分算子、log算子和canny算子。
2.1 微分算子法
微分算子具有突出灰度变化的作用,对图像运用微分算子,灰度变化较大的点处算得的值较高,因此这些微分值可作为相应的边界强度,所以通过对这些微分值设置阈值,提取边界的点集。
2.1.1 roberts算子
roberts算子是一种最简单的算子,是一种利用利用局部差分算子寻找边缘 的算子,对具有陡峭的低噪声的图像效果最好。其模板:
2.1.2 sobel算子
sobel算子有两个卷积计算核,如图3所示。图像中的每个点都用这两个核作卷积,第一个核通常对垂直边缘相应最大,第二个核对水平边缘相应最大。两个卷积的最大值作为该点的输出值,运算结果是一幅边缘幅度图像。sobel算子对灰度渐变和噪声较多的图像值处理效果较好。
2.1.3 prewitt算子
与sobel算子相同,如图4所示。图像中的每个点都用这两个模板做卷积分,并且取最大值作为输出,结果是一幅边缘幅度的图像。prewitt算子对灰度渐变和噪声较多的图像值处理效果较好。
2.2 拉普拉斯-高斯算子法(log算子)
log算子是一种微分算子,将在边缘处产生一个陡峭的零交叉。log算子是一个线性的、时不变的算子,它通过寻找图像灰度值中二阶微分是0的点来检测边缘点。
log算子就是对图像进行滤波和微分的过程,是利用旋转对称的log模板与图像做卷积,确定滤波器输出的零交叉位置,模板如图5所示。
在log算子的检测过程中,首先要用高斯低通滤波器将图像进行预平滑,然后利用log算子找到图像中的陡峭边缘,最后用0灰度值进行二值化,产生闭合、连通的轮廓,消除所有内部点。但利用log算子检测边缘经常出现双象素边界,并且对噪声比较敏感。所以,一般用它来判断边缘像素是位于图像的明区还是暗区。
2.3 canny算子法
canny算子是一种比较新的边缘检测算子,具有很好的边缘检测性能,得到了越来越广泛的应用。canny算子边缘检测的方法是寻找图像梯度的局部最大值。梯度是用高斯滤波器的导数计算的canny方法使用两个阈值来分别检测强边缘和弱边缘,而且仅当强边缘和弱边缘相连时,弱边缘才会包含在输出中。因此,此方法不容易受噪声的干扰,能够在噪声和边缘检测之间取得较好的平衡,能够检测到真正的弱边缘。
2.4 仿真结果对比
由仿真结果图可看出:利用roberts算子提取边缘的结果是边缘比较粗,因此边缘定位不是很准确;sobel算子和prewitt算子对边缘定位比较准确;canny算法不容易受噪声的干扰,能够检测到真正的弱边缘。
上述几种经典边缘提取算子共同的优点是计算简单、成熟、速度快,缺点是对噪声的干扰都比较敏感。相比较而言,这里选择canny算子法进行边缘检测。但在边缘检测之前(滤波、去噪)和之后(连接)做些工作,可以更加精确地检测边缘。
3 边界闭合
虽然在进行边缘检测之前进行了图像去噪处理,但是在边缘检测时还是引入了噪声。在有噪声时,利用微分算子对图像进行检测所得的边界常常会发生断裂现象,在这钟情况下,需要将边缘像素连接起来。下面介绍一种利用像素梯度的幅度和方向进行边界闭合的方法。
边缘像素连接的基础是它们之间有一定的相似性。用梯度算子对图像处理可得到像素两方面的信息:1) 梯度的幅度;2) 梯度的方向。根据边缘像素梯度在这两方面的相似性可把它们连接起来。具体的说,如果像素(s,t)在像素(x,y)的邻域且它们的梯度幅度和梯度方向分别满足以下2个条件(其中T是幅度阈值,A是角度阈值):
|ᐁf(x,y)-ᐁf(s,t)|≤T
|φ(x,y)-φ(x,t)|≤A
那么就可将在(s,t)的像素与在(x,y)的像素连接起来。如对所有的边缘像素都进行这样的判断和连接就有希望得到闭合的边界。
4 结束语
以上经过处理的仿真图像如再经过边缘细化、边缘跟踪,效果会更好。虽然在图像边缘检测领域有多种边缘检测手段,但它们都不是具有绝对优势的方法,有的边缘检测精度高,但抗噪声性能较差;有的解决抗噪声性能差的问题,检测精度又不够。还有的尽管在一定程度上较好地解决了上述两者的协调问题,但算法复杂,运算时间长。可见,无论哪种边缘检测算法在解决一定问题的同时也存在不同类型的缺陷。在实际运用时,应具体问题具体分析,根据特定情况选择最佳的边缘检测算子,可以取得令人满意的结果。
参考文献
[1]王晓丹.基于MATLAB的图像分析与设计——图像处理[M].西安:西安电子科技大学出版社,2000.9.
[2]马艳,张治辉.几种边缘检测算子的比较[J].工矿自动化,2004(1):54-56.
[3]K R Castleman.数字图象处理[M].朱志刚,林学,石定机,译.北京:电子工业出版社,1999:402-404.
[4]雷丽珍.数字图像边缘检测方法的探讨[J].测绘通报,2006,3:40-42.
[5]苑玮琦,王建军,张宏勋.一种基于梯度极值的边缘检测算法[J].信息与控制,1997,26(2):117-120.