稳健有效边缘检测的突破性方法

边缘检测是通过识别对象之间颜色或强度信号边界变化的区域来勾画场景中对象轮廓的过程。它在对象识别、图像分割和特征提取等计算机视觉应用中至关重要。传统上，其准确性取决于图像质量。在视觉上嘈杂的场景中，例如那些有雾或被生物组织遮挡的场景，传统方法会遇到困难。为了应对这一挑战，一个联合研究小组开发了一种抗噪声方法，无需事先成像即可检测物体边缘。

该研究于 9 月 28 日发表在科学合作期刊《智能计算》上，提出了一种称为边缘敏感单像素成像的方法。在由于严重光污染等因素而通过传统光学方法难以获得清晰图像的场景中，新方法证明在存在噪声的情况下能够非常有效地准确检测物体边缘。

为了实现这一突破，研究人员通过将标准 Hadamard 单像素成像模式与二阶微分算子进行卷积来设计调制模式。这种差分边缘检测系统显着增强了抗噪能力，确保边缘识别清晰而精确。值得注意的是，该方法对移动物体表现出卓越的实时边缘检测性能，展示了其在不可见频段安全检查的潜力。

该研究还引入了新方法的单轮导数，可以减少边缘检测所需的调制模式数量，从而有效地将检测时间减半。尽管有所减少，但与之前报道的边缘检测方案相比，该方法仍保持高信噪比并且需要更少的调制模式。

此外，研究团队还结合拉普拉斯算子和高斯算子的拉普拉斯算子探索了新方法。结果表明，噪声鲁棒性相似，但使用前者产生的边缘更清晰，而使用后者产生的边缘稍粗糙。

经过严格的比较，新方法在边缘清晰度和信噪比方面优于现有方案。此外，在激光造成严重光污染的具有挑战性的实验条件下，两种拉普拉斯变体都超越了标准成像方法。该方法提供了完全无噪声的边缘检测结果，为实际应用提供了巨大的潜力。

新方法通过预编码调制模式以“无图像”方式获得直接结果，为图像处理开辟了新的可能性。这消除了噪声的影响，为合并其他图像处理程序(例如同态滤波)以进一步增强结果铺平了道路。研究人员设想优化这项工作中使用的照明模式，并探索端到端优化以实现未来的进步。

论文作者为合肥工业大学马孟超、梁文博、钟翔;邓华夏，中国科学技术大学，中国合肥;中国科学院合肥物质科学研究院的施东风和王迎建，中国合肥;英国兰卡斯特兰卡斯特大学的 Min Xia。

该工作得到了国家自然科学基金委、安徽省自然科学基金委、中科院青年创新促进会资助和中科院大气光学重点实验室开放研究基金的支持。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！