يك روش‌ مقاوم آشكارسازي لبه با دقّت زيرپيكسل در حضور نويز

Robust Edge Detection Method with Subpixel Accuracy in Presence of Noise

آشكارسازي لبه يكي از مهم‌ترين مسائل مطرح در پردازش تصوير و بينايي ماشين مي‌باشد. لبه‌يابي يكي از فرآيندهاي مرتبه پايين در پردازش تصاوير مي‌باشد، به‌ طوري كه عملكرد فرآيندهاي مرتبه بالاتر مانند تشخيص اشياء، قطعه‌بندي و كدگذاري تصاوير مستقيماً به كارآيي اين پردازش سطح پايين وابسته است. برآورد پارامترهاي لبه با استفاده از محاسبۀ بردار گراديان معمولاً دقيق نيست. حفظ ساختار لبه يكي از بارزترين مسائلي است كه بايد در آشكارسازي، به‌ويژه آشكارسازي تصاوير نويزدار مورد توجه قرار گيرد. براي كاربردهاي عملي كه لبه‌هاي دقيق مورد نياز است، آشكارسازي لبه‌ در مقياس زيرپيكسل انجام مي‌شود. در اين مقاله يك روش جديد آشكارساز لبه معرفي مي‌شود كه بر اساس شكل لبه و مدل به ‌دست آمده از تأثير پيكسل‌هاي مجاور و روابط مكاني پيكسل‌هاي تصوير، اقدام به لبه‌يابي مي‌كند. سپس يك روند ترميم تكرار شونده بر اساس لبه‌ياب معرفي شده پيشنهاد مي‌شود. هدف اين روش افزايش دقّت در شناسايي موقعيت زيرپيكسل، انحنا، جهت، و تغييرات شدّت لبه‌ در تصاوير نويزدار است.

Edge detection is one of the most important issues in image processing and machine vision. Edge detection in image processing is a low order process, so that the performance of the higher order processes such as object identification, segmentation and coding of images is directly related to the efficiency of this process. The estimation of edge parameters with using gradient vector calculation is usually not accurate. Keeping the structure of edge is one of the most important problems in edge detection, especially in detecting noisy images. For practical applications that accurate edges are needed, subpixel edge detection is done. In this paper a new edge detection method based on edge figure and obtained model from neighboring pixels effect and spatial relation of image pixels is introduced. Then an iterative restoration process based on presented edge detector is suggested. The purpose of this method is to increase the accuracy in recognition of subpixel position, curvature, orientation and change in intensity in noisy images.