边缘检测是通过识别颜色或强度变化的区域来描绘场景中物体轮廓的过程，这些变化信号表明物体之间的边界。它在计算机视觉应用中非常重要，如物体识别、图像分割和特征提取。传统上，其准确性取决于图像质量。
在视觉上嘈杂的场景中，如雾天或被生物组织遮挡的场景，传统方法很难应对。为了解决这个挑战，一个联合研究团队开发了一种不需要先前成像的抗噪声物体边缘检测方法。
该研究发表在《智能计算》杂志上，介绍了一种称为边缘敏感单像素成像的方法。在传统光学方法由于诸如严重光污染等因素而难以获得清晰图像的情况下，这种新方法在存在噪声的情况下准确检测物体边缘非常有效。
为了实现这一突破，研究人员通过将标准哈达玛单像素成像模式与二阶微分算子进行卷积，设计了调制模式。这种微分边缘检测系统显著提高了抗噪声能力，确保了尖锐精确的边缘识别。值得注意的是，该方法对移动物体具有出色的实时边缘检测性能，展示了其在非可见波段安全检查中的潜力。
研究还介绍了该新方法的单回合导数，它减少了边缘检测所需的调制模式数量，将检测时间减半。尽管减少了模式数量，该方法仍然保持高的信噪比，并且相对于先前报道的边缘检测方案需要更少的调制模式。
此外，研究团队还探索了将新方法与拉普拉斯算子和高斯拉普拉斯算子结合使用。结果显示两者在噪声鲁棒性方面表现相似，但前者产生更清晰的边缘，而后者产生稍微粗糙的边缘。
在严格的比较中，新方法在边缘锐度和信噪比方面优于现有方案。此外，在严重光污染的具有挑战性的实验条件下，两种拉普拉斯变体均超过了标准成像方法。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潜力。
这种新方法通过预编码调制模式以达到直接的”无图像”结果，为图像处理打开了新的可能性。这消除了噪声的影响，为进一步增强结果引入了其他图像处理程序，如同态滤波。研究人员设想优化此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展。
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
