Zernike矩结合Sigmoid曲线拟合边缘检测方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (1): 149-152.

Zernike矩结合Sigmoid曲线拟合边缘检测方法

刘明进1，王珏1，2，蔡玉芳2，王慧倩3

1.重庆大学自动化学院，重庆 400044
2.重庆大学光电技术及系统教育部重点实验室 ICT研究中心，重庆 400044
3.重庆大学光电工程学院，重庆 400044

出版日期:2014-01-01 发布日期:2013-12-30

Zernike moment combine Sigmoid fitting method in edge detection

LIU Mingjin1, WANG Jue1，2, CAI Yufang2, WANG Huiqian3

1.College of Automation, Chongqing University, Chongqing 400044, China
2.ICT Research Center, Key Laboratory of Optoelectronic Technology and System of the Education Ministry of China, Chongqing University, Chongqing 400044, China
3.College of Optoelectronic Engineering, Chongqing University, Chongqing 400044, China

Online:2014-01-01 Published:2013-12-30

摘要/Abstract

摘要： 为了改进Zernike矩边缘检测方法对非直线边缘检测精度低的弱点，提出了一种改进的基于Zernike矩方法和Sigmoid拟合法的边缘检测方法。用Zernike矩边缘检测方法检测边缘，然后用Sigmoid拟合方法检测边缘，根据边缘类型对两种方法检测的边缘结果进行加权求和，所得结果为边缘位置。分别利用理想图像和实际工业CT图像进行了实验验证，实验结果表明对非直线边缘的检测，该方法检测精度相对于Zernike矩方法提高了一个数量级。

关键词: 边缘检测, Zernike矩法, Sigmoid拟合法, 亚像素, 加权修正

Abstract: An improved method based on Zernike moment and Sigmoid fitting is presented in order to improve the weakness of low accuracy when Zernike moment edge detection method detects non-straight edges. This papwr uses Zernike moment edge detection method to detect edge, then uses Sigmoid fitting method to detect edge, and adopts weighted sum method to fix the detection result according to the results of two methods, the results are what we want. Both ideal images and actual industrial CT images are used to demonstrate its accuracy, the experimental results show that the detection precision of the method proposed has improved one order of magnitude comparing with Zernike moment edge detection method when detecting non-straight edges.

Key words: edge detection, Zernike moment, Sigmoid fitting, sub-pixel, weighted fixed

刘明进1，王珏1，2，蔡玉芳2，王慧倩3. Zernike矩结合Sigmoid曲线拟合边缘检测方法[J]. 计算机工程与应用, 2014, 50(1): 149-152.

LIU Mingjin1, WANG Jue1，2, CAI Yufang2, WANG Huiqian3. Zernike moment combine Sigmoid fitting method in edge detection[J]. Computer Engineering and Applications, 2014, 50(1): 149-152.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[4]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[5]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[6]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[7]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[8]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[9]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[10]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[11]	朱明明1，许悦雷1，张旭蕾2，马时平1，吕超1，辛鹏1，邹洪中1，马红强1. 基于V1细胞特性的边缘检测[J]. 计算机工程与应用, 2018, 54(5): 200-205.
[12]	李忠海，金海洋，邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4): 179-184.
[13]	况杰，章杨松，赵佳斌. 基于相位一致性图像处理的岩体裂隙自动检测[J]. 计算机工程与应用, 2018, 54(24): 193-197.
[14]	沈夏炯1，2，张汇东1，韩道军1，2. 一种面向SAR图像的多窗口道路边缘检测算法[J]. 计算机工程与应用, 2018, 54(19): 164-171.
[15]	李忠海，宋智钦，王崇瑶. 非整数步长的分数阶微分Sobel算子的应用[J]. 计算机工程与应用, 2018, 54(17): 192-197.