BEMD自适应算法：水下图像边缘检测新方法

"这篇论文是2013年由刘波、林焰和王运龙发表在《哈尔滨工业大学学报》上的，属于自然科学领域的研究。主要探讨了一种针对水下图像边缘特征提取的自适应算法，该算法结合了二维经验模式分解（BEMD）和ROC曲线分析技术，解决了传统方法中需要人工设定检测阈值的问题。" 正文: 水下图像处理是一个具有挑战性的领域，由于光在水中的传播特性，图像常常受到散射和吸收的影响，导致图像质量下降，边缘特征难以识别。传统的边缘检测方法，如Canny算法，通常需要预设合适的检测阈值，而这个过程容易受到人为因素的影响，可能导致检测结果的不准确。 本文提出的BEMD（二维经验模式分解）自适应算法，首先利用BEMD方法对水下图像进行分解，将图像转化为多个内禀模式函数（IMF）分量。BEMD是一种非线性信号处理技术，能够将复杂信号分解为一系列简化的子信号，每个IMF分量代表了图像的一个特定频率成分。这种分解有助于分离图像的不同特征层次，使边缘检测更加精细化。 接下来，论文采用不同参数组合的Canny检测算子对这些IMF分量图像进行处理，生成二值化图像集。Canny算法是一种经典的边缘检测方法，通过计算梯度强度和方向来寻找图像的边缘，其性能取决于高斯滤波器的参数和非极大值抑制的阈值。通过不同的参数组合，可以覆盖更广泛的边缘特性，提高检测的全面性。 关键在于，论文引入了ROC曲线分析技术来确定IMF分量图像的最佳检测阈值。ROC曲线是衡量检测器性能的一种图形方法，它描绘了真阳性率与假阳性率之间的关系。通过分析ROC曲线，可以找到最优的阈值点，即在保持较高真阳性率的同时，尽可能降低假阳性率，从而确定理想的边缘检测结果。 实验结果显示，该算法成功避免了人工设定阈值带来的误差，实现了检测阈值的自适应设定。这种方法在水下图像处理实例中得到了验证，证明了其在边缘检测方面的正确性和有效性。因此，这种结合BEMD和ROC曲线分析的自适应算法对于水下图像处理有着重要的应用价值，尤其在自动化和智能化的图像分析系统中，可以提供更为准确和稳定的边缘检测结果。