基于贝叶斯统计推理的复杂场景边缘检测

作     者：张浩 蔡晋辉 黄平捷 周泽魁 Zhang Hao;Cai Jin-hui;Huang Ping-jie;Zhou Ze-kui

作者机构：浙江大学控制科学与工程系浙江杭州310027 

出 版 物：《华南理工大学学报（自然科学版）》 (Journal of South China University of Technology(Natural Science Edition))

年 卷 期：2007年第35卷第9期

页      面：40-44页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(50505045) 

主　　题：边缘检测 多元统计学习 贝叶斯推理 非参数估计 图像处理 

摘      要：复杂场景图像存在大量的噪声和纹理干扰,传统边缘算子的检测效果不理想.为此,文中提出一种基于贝叶斯统计推理理论的多信息融合边缘检测算法.该算法融合了梯度算子、拉普拉斯算子以及两级均值比率(ROA)算子的输出响应;通过最大类间属性互信息对特征属性进行最优离散化;利用非参数直方图方法估计类概率密度函数;并通过贝叶斯风险最小化原则实现边缘检测.试验中该方法的Bhattacharyya误差界为0.093,工作特性曲线下的面积(AUC)达到0.958,证明了该算法的有效性.与经典算子检测结果的比较也表明,该算法能够有效地克服图像中的噪声和纹理干扰.