引 言
图像边缘是图像最基本的特征之一,往往携带着一幅图像的大部分信息。
而边缘存在于图像的不规则结构和不平稳现象中,也即存在于信号的突变点
处,这些点给出了图像轮廓的位置,这些轮廓常常是在图像处理时所需要的
非常重要的一些特征条件,这就需要对一幅图像检测并提取出它的边缘。而
边缘检测算法则是图像处理问题中经典技术难题之一,它的解决对于进行高
层次的特征描述、识别和理解等有着重大的影响;又由于边缘检测在许多方
面都有着非常重要的使用价值,所以人们一直在致力于研究和解决如何构造
出具有良好性质及好的效果的边缘检测算子的问题
[1]
。
在通常情况下,可以将信号中的奇异点和突交点认为是图像中的边缘点,
其附近灰度的变化情况可从它相邻像素灰度分布的梯度来反映。根据这一特
点,提出了多种边缘检测算子:如 Robert 算子、Sobel 算子、Prewitt 算子、
Laplacian 算子等。这些方法多是以待处理像素为中心的邻域作为进行灰度分
析的基础,实现对图像边缘的提取并已经取得了较好的处理效果。但这类方
法同时也存在有边缘像素宽、噪声干扰较严重等缺点,即使采用一些辅助的
方法加以去噪,也相应的会带来边缘模糊等难以克服的缺陷。解决该问题的
丰要方法就是设置阈值,把得到的图像高频部分与阈值相比较以达到去噪的
目的,所以阈值的选取显得尤为重要
[2]
。传统方法中的阈值都是通过实验确定
的,没有统一的阈值选取方法。本文利用边缘的最大后验概率估计,介绍一
种新的边缘估计方法,从理论上说明了怎样选取最佳阈值。
图像的大部分主要信息都存在于图像的边缘中,主要表现为图像局部特
征的不连续性,是图像中灰度变化比较剧烈的地方,即通常所说的信号发生