文献综述
边缘检测技术自诞生之日起就引起了大家的广泛关注,它在图像提取、模式识别等方面都有着极大的应用前景。
基于Canny算子的边缘检测主要有5个步骤，依次是高斯滤波、像素梯度计算、非极大值抑制、滞后阈值处理和孤立弱边缘抑制。
无人机航拍影像的边缘集中了图像的很多信息, 它的检测对于整个图像的识别与理解是至关重要的[6]。
目前, 对于无人机航拍影像检测已有大量研究, 特别是对城市道路、建筑物的检测[7]。
但是, 大多数算法都集中在主要目标的检测, 对多样化的目标整体检测时效果甚微, 缺乏完整性, 不利于场景的整体识别和理解。
随着无人机航拍影像空间分辨率的提高, 对其处理的要求也越来越高, 迫切需要开发一种针对无人机航拍影像的边缘检测算法, 为后续目标的提取与识别打下基础。
针对以上问题秦娜、苏金凤[8]提出在RGB颜色空间中采用标准化欧氏距离和夹角余弦相似度来衡量两个彩色矢量之间的相似性程度, 并结合人类视觉感知定义彩色矢量互相关性度量函数, 以此函数为准则定义结构单元内彩色像素集合的上确界和下确界, 构建彩色形态学的基本算子。
这种彩色形态学充分考虑了RGB颜色空间中的相互关系以及个人视觉感知存在的差异性, 对彩色图像的膨胀、腐蚀操作更加平缓, 不会改变原始影像的色彩信息, 有利于图像细节特征的保持, 最终达到彩色图像分析和处理的目的。
图像目标区域识别过程中，对目标区域边缘信息的获取是至关重要的，边缘检测在图像处理、图像三维测量、图像分析和图像识别领域有着重要的作用． 传统边缘检测算子有 Sobel、Prewitt、Ｒoberts、Laplacian、LOG 等，它们都是图像局部区域窗口的梯度算子，在进行边缘检测时对噪声非常敏感，处理图像的效果不理想． 在 1986 年，John Canny[9]提出一种最优的阶梯型边缘检测算子-Canny 算子，它有三个最优的表现: 好的信噪比; 好的定位精度; 好的边缘响应． Canny 算子在边缘检测方面有很好的检测效果，但对含有椒盐噪声的图像处理效果不太好． 近年来，很多学者都提出了对 Canny 算子的改进方法，刘丽霞[10]等提出一种基于改进Canny边缘检测的遥感影像分割算法, 该算法中改进了Canny边缘检测算子的三个方面: (1) 用引导滤波代替高斯滤波对原始图像进行平滑, 该滤波方法在平滑图像的同时锐化了边缘; (2) 在传统Canny算子计算梯度幅值和方向中加了额外的两个方向的梯度模板, 降低了噪声对求导敏感的问题; (3) 引用大律法根据图像灰度值自适应选取高、低阈值, 比人为设定阈值进行分割的方法效果好。
