基于 NSCT 和 KFCM 聚类的图像边缘检测方法

doi:10.3969/j.issn.1000-565X.2015.05.010

华南理工大学学报（自然科学版） ›› 2015, Vol. 43 ›› Issue (5): 59-65.doi: 10.3969/j.issn.1000-565X.2015.05.010

• 电子、通信与自动控制 • 上一篇下一篇

基于 NSCT 和 KFCM 聚类的图像边缘检测方法

吴一全^1,2,3,4 朱丽¹ 李立¹

1．南京航空航天大学电子信息工程学院，江苏南京 210016; 2．江苏省制浆造纸科学与技术重点实验室，江苏南京 210037; 3．高速铁路线路工程教育部重点实验室，四川成都 610031;4．深圳市城市轨道交通重点实验室，广东深圳 518060

收稿日期:2014-09-30 修回日期:2015-01-27 出版日期:2015-05-25 发布日期:2015-05-07
通信作者: 吴一全(1963-)，男，博士，教授，博士生导师，主要从事图像处理与分析、目标检测与识别、智能信息处理研究． E-mail:nuaaimage@163.com
作者简介:吴一全(1963-)，男，博士，教授，博士生导师，主要从事图像处理与分析、目标检测与识别、智能信息处理研究．
基金资助:
江苏省制浆造纸科学与技术重点实验室开放基金资助项目(201313);高速铁路线路工程教育部重点实验室开放基金资助项目(2014-HRE-01);深圳市城市轨道交通重点实验室开放基金资助项目(SZCSGD201306);国家自然科学基金资助项目(61203246，61102131);江苏高校优势学科建设工程资助项目

Edge Detection of Images Based on NSCT and KFCM

Wu Yi-quan^1,2,3,4 Zhu Li¹ Li Li¹

1． College of Electronic and Information Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，Jiangsu，China; 2． Jiangsu Provincial Key Laboratory of Pulp and Paper Science and Technology，Nanjing 210037，Jiangsu，China; 3． Key Laboratory of High-Speed Railway Engineering of the Ministry of Education，Chengdu 610031，Sichuan，China;4． Shenzhen Key Laboratory of Urban Rail Traffic，Shenzhen 518060，Guangdong，China

Received:2014-09-30 Revised:2015-01-27 Online:2015-05-25 Published:2015-05-07
Contact: 吴一全(1963-)，男，博士，教授，博士生导师，主要从事图像处理与分析、目标检测与识别、智能信息处理研究． E-mail:nuaaimage@163.com
About author:吴一全(1963-)，男，博士，教授，博士生导师，主要从事图像处理与分析、目标检测与识别、智能信息处理研究．
Supported by:
Supported by the Foundation of Jiangsu Provincial Key Laboratory of Pulp and Paper Science and Technology(201313)，the Foundation of Key Laboratory of High-Speed Ｒailway Engineering of the Ministry of Education(2014-HＲE-01) and the National Natural Science Foundation of China(61203246，61102131)

摘要/Abstract

摘要： 为进一步提高现有图像边缘检测方法的性能，提出了一种基于非下采样 Contourlet变换(NSCT)和核模糊 c-均值(KFCM)聚类的图像边缘检测方法．首先通过 NSCT 将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息，并采用 KFCM聚类算法进行聚类得到低频边缘图像，以提高定位精度，而对于边缘细节信息较多的高频分量各个子带，通过模极大值检测边缘以减少伪边缘，丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘．实验结果表明，相比于 Canny 方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT 域模极大值方法，文中方法具有更好的边缘检测效果，边缘定位准确、完整、连续、细节丰富．

关键词: 图像处理, 边缘检测, 非下采样 Contourlet 变换, 核模糊 c-均值聚类, 模极大值

Abstract: In order to improve the performance of existing image edge detection methods，a novel edge detection method on the basis of nonsubsampled contourlet transform (NSCT) and kernel fuzzy c-means clustering (KFCM) is proposed． In this method，firstly，an original image is decomposed into a low-frequency component and some high-frequency components via NSCT． Secondly，edge information is extracted from the low-frequency component with less noise and is clustered via KFCM to obtain low-frequency edge image． As a result，the accuracy of edge localization is improved． Then，in order to decrease pseudo-edges and richen image details，the method of modulus maxima is applied to high-frequency components with more edges and details． Finally，the whole image edge is obtained by fusing the edge images of low-frequency component and high-frequency components． Experimental results show that，in comparison with the Canny method，the method on the basis of edge detection operator and fuzzy clustering，the method on the basis of edge information and fuzzy c-means algorithm optimized by chaotic par-ticle swarm，as well as the method of modulus maxima in NSCT domain，the proposed method helps obtain better edge detection effect with accurate edge localization，continuous and complete edges，as well as abundant details．

Key words: image processing, edge detection, nonsubsampled contourlet transform, kernel fuzzy c-means cluste-ring, modulus maxima

中图分类号:

TP391.41

吴一全朱丽李立. 基于 NSCT 和 KFCM 聚类的图像边缘检测方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(5): 59-65.

Wu Yi-quan Zhu Li Li Li. Edge Detection of Images Based on NSCT and KFCM[J]. Journal of South China University of Technology (Natural Science Edition), 2015, 43(5): 59-65.

[1]	唐成, 王端宜, 贠迪, 等. 沥青混合料骨架细观接触的高通量计算[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 135-144.
[2]	李贝贝, 魏令行, 刘秀梅, 等. 基于虚拟双目视觉的锥阀振动测试[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 106-113.
[3]	董一庆, 王达磊, 潘玥, 等. 结构表观病害人工标记数据标准化批处理方法[J]. 华南理工大学学报(自然科学版), 2021, 49(12): 113-123.
[4]	徐哲炜许瑞霖刘琼. 鲁棒车载热成像行人检测的感兴趣区域提取方法 [J]. 华南理工大学学报(自然科学版), 2019, 47(2): 68-76,2.
[5]	廖一鹏王卫星付华栋王焕清. 结合分数阶微分的浮选泡沫图像 NSCT 多尺度增强 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 92-102.
[6]	翟敬梅黄锦洲刘坤. 双目视觉下基于边缘特征的机器人作业环境检测方法 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 1-7.
[7]	廖一鹏王卫星. 结合非下采样Contourlet 变换的改进图论MST 图像分割[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 143-152.
[8]	吴一全龙云淋周杨 . 基于Arimoto 熵和Zernike 矩的刀具图像亚像素边缘检测[J]. 华南理工大学学报（自然科学版）, 2017, 45(12): 50-56.
[9]	张舞杰聂新桥何广栋. 基于图像处理的微钻芯厚测量[J]. 华南理工大学学报（自然科学版）, 2016, 44(7): 70-76,89.
[10]	吴一全殷骏戴一冕. 基于人工蜂群优化的 NSCT 域图像模糊集增强方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 59-65.
[11]	张芬章权兵张成沈川韦穗 . 基于相位割的相位检索[J]. 华南理工大学学报（自然科学版）, 2014, 42(5): 36-40.
[12]	石永华王晓佳李学瑞. 用于波纹板角焊缝跟踪的变步长角点检测算法[J]. 华南理工大学学报（自然科学版）, 2014, 42(3): 78-83.
[13]	吴一全宋昱. 基于双树复小波域 HMT 模型的煤燃烧火焰图像去噪[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 59-65.
[14]	许勇卓君宝田星布社辉 . 基于运动目标检测的交互式图片浏览系统[J]. 华南理工大学学报（自然科学版）, 2013, 41(7): 126-130.
[15]	廖秀秀韩国强沃焱陈湘骥. 基于近邻嵌入逐级放大的图像超分辨率重建[J]. 华南理工大学学报（自然科学版）, 2013, 41(5): 55-60.

基于 NSCT 和 KFCM 聚类的图像边缘检测方法

Edge Detection of Images Based on NSCT and KFCM

PDF

可视化

被引次数

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

本文评价