基于Riemann-Liouville改進的1-2階分?jǐn)?shù)階邊緣提取新模型

　　針對數(shù)字圖像的處理中采用整數(shù)步長與0 -1階分?jǐn)?shù)階微分的掩模算子未能精確定位邊緣信息、缺少圖像的紋理細(xì)節(jié)的問題，在Laplacian算子的基礎(chǔ)上提出了一種新的邊緣檢測掩模算子。該算法從Riemann-Liouville（R—L）定義出發(fā)，推出1-2階分?jǐn)?shù)階微分在中頻信號的增強效果優(yōu)于0-1階分?jǐn)?shù)階微分并顯著提升了高頻信號，最終得到精確的檢測效果。仿真結(jié)果表明：提出的算子能更好地提取邊緣信息，尤其對灰度變化不大的平滑區(qū)域中紋理細(xì)節(jié)豐富的圖像，該算子檢測到的信息優(yōu)于現(xiàn)有0 -1階微分算子，針對主觀識別有更高的準(zhǔn)確率；客觀上采用掃描法的定位誤差統(tǒng)計，該算子的綜合定位誤差率為7. 4l%，低于整數(shù)階微分算子（最低為10. 36%）與0-1階微分算子（最低為9. 97%），有效提高了邊緣定位精度。該算子尤其適用于具有較高頻信息的圖像邊緣檢測中。