[论文解读] Edge Detection: A Collection of Pixel based Approach for Colored Images

Bashir Olaniyi Sadiq, S. M. Saniul Islam Sani+1 more|arXiv (Cornell University)|Mar 19, 2015

Industrial Vision Systems and Defect Detection参考文献 5被引用 7

一句话总结

该论文提出了一种基于像素的彩色图像边缘检测方法，通过使用阶跃和斜坡边缘特性建模边缘轮廓，避免了灰度化转换。该方法结合向量顺序统计量以减少边缘不精确性，实现了0.8480的Pratt质量度量（PFOM），展示了在传统方法因灰度化转换导致边缘退化时的更高精度。

ABSTRACT

The existing traditional edge detection algorithms process a single pixel on an image at a time, thereby calculating a value which shows the edge magnitude of the pixel and the edge orientation. Most of these existing algorithms convert the coloured images into gray scale before detection of edges. However, this process leads to inaccurate precision of recognized edges, thus producing false and broken edges in the image. This paper presents a profile modelling scheme for collection of pixels based on the step and ramp edges, with a view to reducing the false and broken edges present in the image. The collection of pixel scheme generated is used with the Vector Order Statistics to reduce the imprecision of recognized edges when converting from coloured to gray scale images. The Pratt Figure of Merit (PFOM) is used as a quantitative comparison between the existing traditional edge detection algorithm and the developed algorithm as a means of validation. The PFOM value obtained for the developed algorithm is 0.8480, which showed an improvement over the existing traditional edge detection algorithms.

研究动机与目标

• 解决传统边缘检测中因彩色图像转为灰度图而导致的不准确及虚假/断裂边缘问题。
• 在边缘检测过程中保留颜色信息，以提高边缘精度。
• 基于阶跃和斜坡边缘轮廓，构建像素集合模型，以改善边缘表示。
• 整合向量顺序统计量，以减少彩色图像边缘检测中的不精确性。
• 利用Pratt质量度量（PFOM）对所提方法进行验证，实现定量比较。

提出的方法

• 该方法基于阶跃和斜坡边缘特性对像素集合进行建模，以更好地表示彩色图像中的边缘结构。
• 通过直接处理彩色分量避免灰度化转换，从而保留色度信息。
• 将向量顺序统计量应用于彩色像素集合，以减少噪声并提高边缘定位精度。
• 该方法采用一种轮廓建模方案，可在多通道彩色空间中捕捉边缘的幅值与方向。
• 使用Pratt质量度量（PFOM）作为标准指标对算法进行评估，以衡量边缘检测精度。
• 在相同基准图像上，将该方法与传统的基于灰度图的边缘检测算法进行对比。

实验结果

研究问题

• RQ1 避免灰度化转换在彩色图像边缘检测中的准确性方面有何影响？
• RQ2 基于阶跃和斜坡边缘的像素集合模型能否减少虚假和断裂边缘？
• RQ3 向量顺序统计量在彩色图像处理中能在多大程度上提升边缘精度？
• RQ4 与传统边缘检测算法相比，所提方法在定量性能上提升了多少？
• RQ5 保留颜色信息是否能带来边缘检测质量的可测量提升？

主要发现

• 所提方法实现了0.8480的Pratt质量度量（PFOM）值，表明具有较高的边缘检测精度。
• PFOM结果表明，与依赖灰度化转换的传统边缘检测算法相比，本方法实现了可测量的性能提升。
• 通过在处理过程中保留颜色信息，该方法有效减少了虚假和断裂边缘。
• 向量顺序统计量的整合显著提升了在噪声和亮度变化情况下的边缘精度。
• 基于阶跃和斜坡边缘的像素集合模型成功捕捉了彩色图像中的边缘特征。
• 结果证实，彩色感知边缘检测在定量指标上优于传统的基于灰度图的方法。