基于特征提取的美术图像边缘模糊点检测方法.pdf

信息技术XINXIJISHU2023年第10 期基于特征提取的美术图像边缘模糊点检测方法王晴（咸阳师范学院，陕西咸阳7 12 0 0 0）摘要：由于已有方法未能对美术图像进行滤波处理，导致边缘模糊点检测结果不准确，计算时间较长。提出一种基于特征提取的美术图像边缘模糊点检测方法，通过粗集理论对噪声进行初步监测，引入空间距离函数对DDF（干扰解耦滤波器）滤波算法进行加权改进，对图像进行滤波处理。对美术图像Contourl进行变换分解，使用数学形态学算子和变换系数进行图像增强。将Harris角点检测算法和伪角点模板匹配检测法进行结合，实现美术图像边缘模糊点检测。仿真实验结果表明，所提方法可以获取高精度的检测结果，能够有效减少计算时间。关键词：特征提取；美术图像；边缘模糊点检测；滤波处理；图像增强中图分类号：TP393D0I:10.13274/ki.hdzj.2023.10.017Edge fuzzy point detection method of art image based on feature extractionWANGQing(Xianyang Normal University,Xianyang 712000,Shaanxi Province,China)Abstract:Since the existing methods fail to filter the art image,the detection results of edge fuzzy pointsare inaccurate and the calculation time is long.An edge fuzzy point detection method of art image based onfeature extraction is proposed.The noise is preliminarily monitored through rough set theory.The spatialdistance function is introduced to improve the DDF(Disturbance Decoupled Filter)filtering algorithm,andthe image is filtered.The art image is transformed and decomposed by Contourl,and the image is enhancedby mathematical morphology operator and transformation coefficient.Harris corner detection algorithm andpseudo corner template matching detection method are combined to realize the edge fuzzy point detection ofart image.Simulation results show that the proposed method can obtain high-precision detection results andeffectively reduce the calculation time.Key words:feature extraction;fine art painting image;edge blur point detection;filter processing;imageenhancement0 引 言21世纪是一个信息时代，人类通过视觉对外部世界进行感知，来获取大量的信息。当前，视觉是人类获取信息的重要来源 1-2。据统计结果显示,在人类获取的信息中，约有50%以上均来自作者简介：王晴（198 2），女，硕士，讲师，研究方向为现代绘画材料研究。一9 0 一文献标识码：A文章编号：10 0 9-2 552(2 0 2 3)10-0 0 9 0-0 6视觉信息，剩余分别来自听觉信息与味觉信息等。现阶段，由于图像的获取过程存在明显的差异，会导致图像存在模糊等缺点，尤其是图像的边缘模糊化。如何快速且准确地对图像边缘模糊点，进行检测是当前研究的热点话题。国内相关专家给出了一些较好的研究成果,例如马玛双等人 3 通过导向滤波对图像边缘进行增强，同时提取道路基于特征提取的美术图像边缘模糊点检测方法的粗边缘轮廓特征，通过模糊连通性分析，将道路式中，L，代表窗口滤波器的中心点。边缘划分为两个部分，对提取的边缘点进行修正，在滤波器窗口内 5-6,距离中心像素越近,则从而完成道路边缘检测。苏洪超等人 4 将人眼产生的影响就越大；反之,则越小。所以，通过人视觉特征和图像边缘点外的灰度分布特征点进行类视觉感知原理，可以设定滤波器的输入，确保滤结合,构建特征数据集;采用K-means 算法将数据波效果更加明显。集划分为边缘点和非边缘点，同时对边缘部分进通过以上操作原理，获取符合人眼视觉感官行细化处理，最终实现边缘检测。在上述两种方的归一化空间距离加权T（r）计算公式,如公式法的基础上,提出一种基于特征提取的美术图像(3)所示：边缘模糊点检测方法。经实验测试结果表明，所T(r)=1.0-提方法可以快速准确完成美术图像边缘模糊点检测。1方法1.1美术图像滤波处理由于人眼对颜色变化的敏感程度是有限的，针对一幅规格为mn的美术图像而言,设定随机一个像素点为I（i,j），当的取值适当范围内波动,则人眼无法察觉像素的变化情况。人眼对外界的感知是一个十分复杂的过程，同时还涉及周围环境以及人的心理因素等。将一幅完整的美术图像看成是一个全新的知识系统,采用X（i,j)代表由图像I和等价关系J组建一个美术图像的近似空间，当考虑有一个窗口子图时，需要设定近似空间大小，具体如公式(1)所示:(X(i,j)=x(i-1,j-1X(i,j)=x(i-1,jlx(i,j)=x(i-1,j+1)X4(i,j)=x(i,j-1)(x(i,j)=xlij+1)式中，X表示美术图像序列节点，假设美术图像L的规格为mini,采用l(i,j)代表图像当前所在的坐标位置。设定滤波器窗口大小，同时将像素按顺序进行排列，则传统距离方向的滤波器可以表示为公式（2）的形式：L;=L(ij)1=1()(i,),-()(i,i)一王晴1.0(3)(1.0+u(i,i)式中,u(i,i)代表美术图像中随机两个像素点之间的空间距离。为了确保取得更加理想的滤波效果，需要优先计算各个噪声点之间的距离,同时对DDF滤波器进行加权处理。由于 T(r)属于空间距离函数,所以只需要在DDF中进行加权处理即可。经过改进的DDF可以表示为公式（4)的形式：L;=L(i.)argmin T(r)1()(i,j)-(h)(i,j)1-1()(i,j)-(h)(i,i)(i,)x()1结合上述分析，可以获取美术图像的详细滤波过程：通过粗集理论对美术图像中的噪声点进行(1)识别 7-8,进而获取图像的噪声点判断矩阵；通过人眼视觉灵敏度对步骤中的矩阵进行进一步处理，获取矩阵中元素数量，同时对美术图像的噪声密度进行计算；确定滤波窗口的大小；滤波窗口从矩阵的位置开始进行滑动操作；判断滑动窗口是否滑动到指定位置，假设是，则跳转至步骤，反之，则跳转至步骤；采用RVDDF滤波器对图像进行滤波处理；判断矩阵是否为0 矩阵，假设是，则停止操(2)作;反之,则将滑动窗口滑动到矩阵所在的位置,一9 1一(4)基于特征提取的美术图像边缘模糊点检测方法通过迭代有效滤除图像中的噪声。1.2美术图像增强处理数学形态学属于一种非线性滤波方法 9-10,主要针对集合进行处理，同时被用来解决二值问题的特征提取以及增强方面的问题。在形态学中,结构元素是一项十分基本的概念，主要是对信号进行滤波处理。结构元素是进行图像处理的依据,结构元素的大小以及形状会直接对算法的计算效果产生影响。所以，需要根据场景的差异选择合适的结构元素。数学形态学的基本运算一共包含四个，以下分别进行详细的分析和介绍。膨胀。美术图像I被结构元素J膨胀，将其表示为IJ,同时能够定义为：IOJ=U(J+X,XEJ)腐蚀。美术图像被结构元素J腐蚀，将其表示为10 J。开运算。开运算具有扩张性，即经过运算获取的结果一直被包含在原始美术图像中。闭运算。闭运算可以对原始美术图像的局部低谷点进行填充操作。针对美术图像中的细节特征而言，需要优先对美术图像Contourl进行变换分解，同时通过数学形态学算子和变换系数进行图像增强 1-12，详细的操作步骤如图1所示。输人美术图像的Contourlet变换系数；对输入图像的噪音标准偏差进行估算；计算美术图像高频部分的相关性；通过形态膨胀算子将高频系数进行分类；通过非线性映射函数对变换系数进行处理；获取修正后的Contourlet变换系数，同时对图像进行重构,实现美术图像增强 13-14 1.3基于特征提取的美术图像边缘模糊点检测对于美术图像中各个像元的兴趣值，需要优一9 2 一一王晴(5)先计算美术图像中不同方向相邻像元灰度差的平方和,具体如公式（6)所示：h=1i=-kk=1i=-hk:=1M,=J(hr,e+i-hr.e+i+)i=-h=1M,=J(hric-i-hr+i+l,e-i-i=-k式中，（c,r）代表美术图像的像元;h代表像元总数；M、M、M，和M4分别代表相邻像元灰度差的平方和。Harris角点检测算法是现阶段使用比较广泛的一种方法，需要优先设定滑动窗口的大小，同时将最大兴趣点保留。进一步对矩阵和领域像素两者之间的关系进行分析,可以获取Harris算法的详细操作步骤：采用高斯滤波器对美术图像进行卷积开始输人Contourletb变换系数立估算图像噪声标准差通过膨胀算子进行高频系数分类对变换系数进行处理图像增强处理结束图1美术图像增强处理流程图(6)基于特征提取的美术图像边缘模糊点检测方法操作；对美术图像进行遍历处理，获取对应像素点的梯度取值；针对图像中的随机一个像素点而言，需要计算对应的二阶方阵；计算美术图像的像素点响应值；获取美术图像的局部极大值，同时设定图像的角点。同时，为了进一步计算美术图像中不同像素的USAN面积,同时还需要确保模板在设定的范围内滑动,将像素以及模板内的像素一一进行对比,则获取如公式(7)所示的相似比较函数b(r，T2）：(7)lo,if I L(r)-L(ro)I P式中,L(r)代表圆模板内的随机像素值;L(ro)代表核心点的像素灰度值;P代表美术图像的灰度阅值。一般情况下,相似比较函数可以采用一种更加稳定且抗噪的形式进行表述，具体如公式（8）所示：(L(n)-L(ro),2b(ri,r2)=e(P美术图像中USAN区域的大小k（r o）最终可以表示为公式(9）的形式：k(ro)=Zb(ri,t2)i.j-1通过公式(9)可以获取图像对应的初始角响应H(ro),即:Th-k(ro),，if h(r o)PH(ro)=o,通过公式(10)可知，美术图像的USAN面积越小,则说明H(r。）的取值就越大，同时也说明该点为角点。经过上述计算，在最终确定角点位置前期，需要对全部候选区域内的角点进行区域内非极大值抑制。同时将Harris角点检测算法和伪角点模板匹配检测法结合，对美术绘画图像边缘模糊点进行检测 15,详细的操作步骤如图2 所示。一王晴开始立对美术绘画图像进行滤波处理计算自适应伪角点删除值计算USNA值和响应函数立局部非最大值抑制立初始角点响应美术绘画图像边缘模糊点检测结束图2 基于特征提取的美术图像边缘模糊点检测流程图(8)对图像进行滤波和增强处理；选取像素点对应的自适应阈值，同时采用模板匹配算法将噪声点和伪角点删除；(9)计算每一幅美术图像的USAN值以及初始角点响应值；进行局部非最大值抑制和初始角点响应；获取角点集合，美术图像边缘模糊点检测。(10)if k(ro)P2仿真实验为了验证所提基于特征提取的美术图像边缘模糊点检测方法的有效性，进行了一次仿真实验。本文配置选择的实验环境是：计算机系统为Win-dows10,实验拟基于Py Charm开发工具,使用py-thon 编程语言和Caffe 架构,默认使用的基础网络是VGG16设计实现的。利用图3 给出美术原始图像，分别采用所提方法、文献 3 方法以及文献4方法进行边缘模糊点检测，详细的实验测试一9 3 一基于特征提取的美术图像边缘模糊点检测方法结果如图3 所示。一王晴(b)文献 3 方法图3 测试对象分析图4 中的实验数据可知,所提方法可以准确检测每幅图像的边缘模糊点，同时还能够获取图像比较清晰的轮廓。而另外两种方法，提取到的特征轮廓并不多。由此可见,所提方法可以更好地完成美术图像边缘模糊点检测。为了更进一步验证所提方法的有效性,将计算时间作为测试指标。其中,计算时间越短,则说明计算效率越快；反之,则说明计算效率越慢。利（c)文献 4 方法用表1给出三种不同方法的计算时间对比结果。图4 不同方法的美术图像边缘模糊点检测结果对比表1不同方法的计算时间测试结果对比测试图像编号所提方法文献 3 方法1521245233694745559965627452（a）所提方法894-计算时间/(ms)文献 4 方法5505704825104104307607906206505906304845105225665801275,1280.4苏洪超,胡英，洪少壮.基于红外图像特征与K-means基于特征提取的美术图像边缘模糊点检测方法-续表1的视觉SLAM算法J.机器人，2 0 19,4 1（3）：3 8 4测试图像计算时间/(ms)编号所提方法9498105021145412465134711448415425分析表1中的实验数据可知,由于测试的美术图像不同，导致各个方法的计算时间也存在十分明显的差异。但是和另外两种方法相比,所提方法的计算时间明显更低一些。主要是因为所提方法在进行边缘模糊点检测前期，对美术图像进行滤波处理,这样可以有效滤除图像中的噪声,将计算时间缩短，同时全面提升美术图像边缘模糊点检测效率，使其可以以更快的速度完成检测。3结束语针对传统方法存在的一系列问题，设计并提出一种基于特征提取的美术图像边缘模糊点检测方法。和已有方法相比，所提方法可以有效提升美术图像边缘模糊点检测结果的准确性，同时还可以减少计算时间，获取更加满意的检测结果。未来阶段,将针对以下几方面的内容进行研究：后续将研究如何将潜在边缘所属的范围以及图像背景进行分离，同时对剩余部分的像素点进行高斯滤波处理，最终达到更加理想的滤波效果。引人更多的多尺度方法对检测效果进行改建，同时还可以加入更多的响应抑制机制。参考文献：1】赵巨峰，崔光茫.计算成像一一全光视觉信息的设计获取 J.航天返回与遥感,2 0 19,4 0（5）：1-14.2贾松敏，丁明超,张国梁.RTM框架下基于点线特征一王晴391.文献 3 方法3马玛双,杨小冈,李维鹏.对光照鲁棒的道路边缘检文献 4 方法测算法 J.计算机应用研究，2 0 2 0,3 7（4）：12 7 1-530550544570487510498520510533502530456488的边缘检测 J.红外技术,2 0 2 0,4 2(1):8 1-8 5.5范灵.基于混合滤波算法的数字图像去噪方法研究J.信息技术,2 0 19,4 3(8):7 9-8 2,8 7.6许蓉,王直，宗涛.基于改进高斯滤波的医学图像边缘增强 J.信息技术,2 0 2 0,4 4（4）：7 5-7 8.7代文征,杨勇.基于改进高斯一拉普拉斯算子的噪声图像边缘检测方法J.计算机应用研究，2 0 19,3 6(8):2544-2547,2555.8李晓光，宋淼,涂其捷，等.可视化噪声源识别图像偏离修正方法研究 J.电视技术,2 0 19,4 3（5）：4-8.9毕京鹏,张丽，王萍，等.海岸水边线图像分割提取算法的数学形态学改进及其区域适应性分析 J.地理与地理信息科学,2 0 19,3 5（1）：2 0-2 9.10】黎澄生,安然，舒荣军，等.花岗岩残积土初期崩解规律与数学形态学方法近似模拟 J.岩石力学与工程学报,2 0 2 0,3 9(4):8 4 5-8 54.11司马紫菱,胡峰.基于模拟多曝光融合的低照度图像增强方法J.计算机应用，2 0 19,3 9（6）：18 0 4-1809.12芦海利,姚军,王崇磊，等.多源数据融合的低分辨率无人机图像增强处理 J.信息技术,2 0 2 0,4 4(11):112-116.13虎晓红，陈宝钢.基于受限分位直方图的小麦苗情图像增强方法J河南农业大学学报，2 0 19,53(1):128 134.14袁明道，谭彩,李阳，等.基于图像融合和改进阈值的管道机器人探测图像增强方法 J.煤田地质与勘探,2 0 19,4 7(4):17 8 -18 5.15曹洪运，赵宇峰，高佳佳.基于梯度和标准差值的模糊边缘检测J.自动化与仪表,2 0 19,3 4（1）：4 5-49.（责任编辑：丁玥）一9 5一