基于人眼微动机理的红外图像边缘提取

　　图像边缘是图像不同属性区域之间交接的地方，是区域属性发生突变的地方。图像的边缘包含了图像大部分的信息，是图像识别和分类的重要依据，也是图像处理研究的重要内容。各国学者提出了许多图像边缘提取算法,如经典的Sobel、Prewitt、LOG、Canny等算法[1]。这些算法原理简单易于实现，但是由于它们大多都是基于局部窗口的微分梯度算子，对噪声敏感，因此不适合处理受噪声干扰严重的图像。随着计算机技术的发展以及其他学科理论在图像处理中的应用，学者们提出了许多基于新理论的边缘提取算法,如基于形态学、模糊数学、小波变换、分形学的边缘提取算法等[2-4]。各种算法各有特色，同时都有一定的适用范围。基于红外成像机理的特殊性，红外图像普遍存在着对比度低、边缘模糊，图像信噪比低等特点，红外图像边缘提取难度较大。由于人眼微动具有超分辨率的特性，对红外图像处理提供了良好的启示。本文就是根据人眼微动机理研究红外图像边缘的提取，并通过实验加以验证。实验结果表明,基于人眼微动机理的红外图像边缘提取算法不但能够精确提取图像的边缘，同时能够很好地减少图像中的伪边缘，具有良好的边缘提取效果。

　　1 人眼微动成像原理

　　早在1952年,DITCHBURN和GINSBORG等人就注意到人眼在固视状态下具有无意识的微小运动,即人眼微动[5,6],它分为三种模式：高频振颤、飘移运动和闪动。由于前两种幅度不大，同时目前的眼球检测技术难以精确地测量，因此这里提到的人眼微动主要指闪动。国外学者对眼球微动进行了大量的实验研究。实验表明，人眼在停止眼球所有运动的时候，静止的图像将突然变模糊继而消失，眼球微动与视觉的产生存在直接的关系，且双目微动优于单目微动。近年来，CONDE M等[7]学者通过测量图像消失或再现前后微动发生的概率、速率以及振幅的变化，进一步揭示了眼球微动与图像消失有着直接关系,微动与固视图像的清晰度有因果联系。

　　人眼微动的成像原理[8,9]为：人眼微动使感兴趣信息更准确地落入视网膜的中央凹区，信息越精确地落于中央凹区，人眼所感受到的图像锐化程度越强;人眼微动会使近凹区反应增强，它们通过横向连接具有抑制作用的神经网络对中央凹区的信息进行修正，如一次修正不够理想，人眼微动会使信息重新更精确地回到中央凹区，同时随着信息尺度的大小调整微动幅度，如此反复直到精确地辨识出信息为止。信息尺度越小，微动幅度就越小，反之亦然。同时随着微动速率的提高，对应视网膜上感受视野的锐化能力就会越强。本文通过对图像进行平移来近似模拟人眼这种微动机制，并将其应用于红外图像的边缘提取。