用分数阶微分提取图像边缘

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 15-18.

用分数阶微分提取图像边缘

杨柱中¹,周激流²,黄梅¹,晏祥玉¹

1.四川大学电子信息学院，成都 610064
2.四川大学计算机学院（软件学院），成都 610064

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 杨柱中

Fractional differential for edge extraction

YANG Zhu-zhong¹,ZHOU Ji-liu²,HUANG Mei¹,YAN Xiang-yu¹

1.College of Electronics and Information Engineering，Sichuan University，Chengdu 610064，China
2.College of Computer Science（Software），Sichuan University，Chengdu 610064，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: YANG Zhu-zhong

摘要/Abstract

摘要： 文章是分数阶微分在图像处理中的尝试性应用。首先通过理论上分析得出分数阶微分可以大幅提升信号高频成分，增强信号的中频成分，非线性保留信号的甚低频。据此分析得出分数阶微分应用于图像边缘信息提取将获得高于传统基于一、二阶微分的方法的信噪比。然后由经典的分数阶微分定义出发，推导出了分数阶差分方程，构建了近似的分数阶Tiansi微分模板。最后通过图像边缘提取的实验表明：基于分数阶微分算子不仅可以有效提取图像边缘，而且比整数阶微分算子具有更高的信噪比。为拓展分数阶微分的应用领域，进行了有意义的探索。

关键词: 分数阶微分, 边缘检测, 微分阶数, 掩模模板

Abstract: This paper is an attempted application of fractional differential in image processing.Firstly through theoretical analysis gets the conclusion that fractional differential can greatly improve high frequency，reinforce medium frequency and non-linear preserve low frequency of signals.According to the theoretical analysis gets result that fractional differential operator has higher SNR than traditional first and second differential operators to extract edge information.Then using classical fractional differential G-L definition deduces fractional order differential difference function and constructs an approximate fractional order differential Tiansi module.Finally edge extraction experiments show that fractional differential operator not only can effectively extract edge information but also has higher SNR than integer differential operators.This paper attempts to expand application areas of fractional differential and carry outs a significant exploration.

Key words: fractional differential, edge detection, differential order, cover module

杨柱中¹,周激流²,黄梅¹,晏祥玉¹. 用分数阶微分提取图像边缘[J]. 计算机工程与应用, 2007, 43(35): 15-18.

YANG Zhu-zhong¹,ZHOU Ji-liu²,HUANG Mei¹,YAN Xiang-yu¹. Fractional differential for edge extraction[J]. Computer Engineering and Applications, 2007, 43(35): 15-18.

[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]	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.
[9]	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.
[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]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[14]	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.
[15]	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.