基于鲁棒主成分分析的Canny边缘检测算法

doi:10.11772/j.issn.1001-9081.2014.06.1727

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1727-1730.DOI: 10.11772/j.issn.1001-9081.2014.06.1727

基于鲁棒主成分分析的Canny边缘检测算法

牛发发,陈莉,张永新,李青

西北大学信息科学与技术学院,西安 710127

收稿日期:2013-12-20 修回日期:2014-02-25 发布日期:2014-07-02 出版日期:2014-06-01
通讯作者: 陈莉
作者简介:牛发发(1989-),男,山西吕梁人,硕士研究生,主要研究方向:数据挖掘、数字图像处理;陈莉(1963-),女,陕西西安人,教授,博士生导师,博士,主要研究方向:数据挖掘、机器学习;张永新(1980-),男,河南洛阳人,博士研究生,主要研究方向:数据挖掘、数字图像处理;李青(1989-),女,陕西咸阳人,硕士研究生,主要研究方向:数据挖掘、数字图像处理。
基金资助:
国家科技支撑计划项目

Canny edge detection algorithm based on robust principal component analysis

NIU Fafa,CHEN Li,ZHANG Yongxin,LI Qin

School of Information Science and Technology, Northwest University, Xi'an Shaanxi 710127, China

Received:2013-12-20 Revised:2014-02-25 Online:2014-07-02 Published:2014-06-01
Contact: CHEN Li

摘要/Abstract

摘要：

为提高图像边缘检测的准确性和鲁棒性,提出一种基于鲁棒主成分分析(RPCA)的Canny边缘检测算法。该算法对图像进行RPCA分解得到图像的主成分和稀疏成分,利用Canny算子对主成分进行边缘检测,从而实现对图像的边缘检测。该算法将图像的边缘检测问题转化为图像主成分的边缘检测问题,消除了图像信息中“污点”对检测结果的干扰,抑制了噪声。仿真实验结果表明,该算法在边缘检测的准确性和鲁棒性方面优于Log边缘检测算法、Canny边缘检测算法和Susan边缘检测算法方法。

Abstract:

To improve the accuracy and robustness of image edge detection, a new Canny edge detection algorithm based on Robust Principal Component Analysis (RPCA) was proposed. The image was decomposed into a principal component and a sparse component by RPCA. Then edge information of the principal component was extracted by Canny operator. The proposed algorithm formulated the problem of image edge detection as the edge detection of the principal component of the image. It eliminated the interference of image "stain" on the detection results and suppressed the noise. The experimental results show that the proposed algorithm outperforms Log, Canny and Susan edge detection algorithms in terms of both accuracy and robustness.

中图分类号:

TP391.41

牛发发陈莉张永新李青. 基于鲁棒主成分分析的Canny边缘检测算法[J]. 计算机应用, 2014, 34(6): 1727-1730.

NIU Fafa CHEN Li ZHANG Yongxin LI Qin. Canny edge detection algorithm based on robust principal component analysis[J]. Journal of Computer Applications, 2014, 34(6): 1727-1730.

参考文献

[1]ZENG J. Research on image edge detection and its application[D]. Wuhan: Huazhong University of Science and Technology,2011.(曾俊.图像边缘检测技术及其应用研究[D].武汉:华中科技大学,2011.)
[2]MO S. Research on edge detection and its evaluation[D].Tianjin:Tianjin University,2011.(磨少清. 边缘检测及其评价方法的研究[D].天津:天津大学,2011.)
[3]WANG J, WU Q. Edge detection design with hierarchic genetic algorithms[J]. Computer Engineering and Application, 2006, 42(14): 95-96.(王建锋, 吴庆标. 分层遗传算法实现图像边缘检测[J]. 计算机工程与应用, 2006, 42(14): 95-96.)
[4]LU D-S, CHEN C-C. Edge detection improvement by ant colony optimization[J]. Pattern Recognition Letters, 2008, 29(4): 416-425.
[5]BAI T, DENG C, GENG Y. Image edge detection based on wavelet transform and Canny operator[J]. Journal of Harbin University of Science and Technology, 2010, 15(1): 44-47.(白婷婷, 邓彩霞, 耿英. 基于小波变换与 Canny 算子融合的图像边缘检测方法[J]. 哈尔滨理工大学学报, 2010, 15(1): 44-47.)
[6]WU J, YIN Z, XIONG Y. The fast multilevel fuzzy edge detection of blurry images[J]. IEEE Signal Processing Letters, 2007, 14(5): 344-347.
[7]MOLLER S F, FRESE J, BRO R. Robust methods for multivariate data analysis[J]. Journal of Chemometrics,2005,19(10): 549-563.
[8]WAN T, ZHU C, QIN Z. Multifocus image fusion based on robust principal component analysis[J]. Pattern Recognition Letters, 2013, 34(9): 1001-1008.
[9]WAN T, LIAO R, QIN Z. A robust feature selection approach using low rank matrices for breast tumors in ultrasonic images[C]// Proceedings of the 2011 17th IEEE International Conference on Image Processing. Piscataway: IEEE Press, 2011: 1645-1648.
[10]CANDES E J, LI X. Robust principal component analysis?[J]. Journal of the ACM,2011,58(3):11.
[11]SHI J, ZHENG X, WEI Z. Survey on algorithms of low-rank matrix recovery[J]. Application Research of Computers, 2013,30(6): 1601-1605.(史加荣,郑秀云,魏宗田.低秩矩阵恢复算法综述[J].计算机应用研究,2013,30(6): 1601-1605.)
[12]WANG S, XIA S. A robust Principal Component Analysis (PCA) algorithm[J]. Systems Engineering Theory and Practice, 1998,18(1): 9-13.(王松,夏绍玮.一种鲁棒主成分分析(PCA) 算法[J].系统工程理论实践,1998,18(1): 9-13.)
[13]LIN Z, CHEN M, MA Y. The augmented lagrange multiplier method for exact recovery of corrupted low-rank matrices[EB/OL].[2012-10-10]. http://arxiv.org/pdf/1009.5055v3.pdf.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[6]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.
[7]	赵欣, 李鑫杰, 徐健, 刘步云, 毕祥. 基于卷积神经网络与Transformer并行的医学图像配准模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3915-3921.
[8]	颜承志陈颖钟凯高寒. 基于多尺度网络与轴向注意力的3D目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	王静刘嘉星宋婉莹薛嘉兴丁温欣. 基于空间变换和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	谢斌红剌颖坤张英俊张睿. 自步学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	邹耀斌, 张彬. 四向加权香农熵最大化导向的自动阈值分割方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3565-3573.
[13]	刘涛, 鞠事宏, 高一萌. 基于改进YOLOv8n的无人机视角下小目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3603-3609.
[14]	刘雨生, 肖学中. 基于扩散模型微调的高保真图像编辑[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3574-3580.
[15]	胡立华, 李小平, 胡建华, 张素兰. 基于四叉树先验辅助的多视图立体方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3556-3564.

基于鲁棒主成分分析的Canny边缘检测算法

Canny edge detection algorithm based on robust principal component analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics