用于稳健有效的边缘检测的突破性方法

本研究提出的LESI方法的性能与最近报道的边缘检测方案进行了比较

边缘检测是通过识别对象之间颜色或强度变化信号边界的区域来勾勒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，传统方法很难。为了应对这一挑战，一个联合研究小组开发了一种抗噪方法，无需事先成像即可检测物体边缘。

该研究发表在《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难以通过传统光学方法获得清晰图像的情况下，尽管存在噪声，但新方法在准确检测物体边缘方面证明非常有效。

为了实现这一突破，研究人员通过将标准的Hadamard单像素成像模式与二阶微分算子卷积来设计调制模式。这种差分边缘检测系统显著增强了抗噪性，确保敏锐和精确的边缘识别。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，展示了其在非可见波段进行安全检查的潜力。

在绿色激光(前三行)和白光LED(下一行)的光污染下，传统的边缘检测方法 会产生许多假边缘，而新方法的所有四种变体只检测目标物体的边缘

该研究还引入了新方法的单轮导数，该方法减少了边缘检测所需的调制模式数量，有效地将检测时间减半。尽管有这种降低，但与先前报道的边缘检测方案相比，该方法仍保持了较高的信噪比，并且需要更少的调制模式。

此外，研究小组结合高斯算子的拉普拉斯和拉普拉斯算子探索了新方法。结果表明噪声鲁棒性相似，但使用前者会产生更锐利的边缘，而使用后者会产生略微粗糙的边缘。

在严格的比较中，新方法在边缘清晰度和信噪比方面优于现有方案。此外，在具有挑战性的实验条件下，激光严重污染，两种拉普拉斯变体都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的潜力。

新方法通过预编码调制模式以“无图像”的方式实现直接结果，为图像处理开辟了新的可能性。这消除了噪声的影响，为结合其他图像处理程序（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发展。