[發(fā)明專(zhuān)利]一種基于分?jǐn)?shù)階次信號(hào)處理的邊緣檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201010152357.3
• 申請(qǐng)日: 2010-04-22
• 公開(kāi)（公告）號(hào): CN101841642A
• 公開(kāi)（公告）日: 2010-09-22
• 發(fā)明（設(shè)計(jì)）人: 葉永強(qiáng);楊海波;姜斌;周大可
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): H04N5/14
• 分類(lèi)號(hào): H04N5/14;H04N5/202
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于分?jǐn)?shù)階次信號(hào)處理的圖像邊緣檢測(cè)方法，其特征在于，本方法包括以下步驟：

步驟一：讀取圖像，將彩色圖像轉(zhuǎn)換為灰度圖像；

步驟二：對(duì)目標(biāo)像素點(diǎn)利用檢測(cè)算子進(jìn)行梯度運(yùn)算，得到各像素點(diǎn)的梯度幅值；

步驟三：對(duì)梯度圖像進(jìn)行非極大值抑制；

步驟四：利用雙閾值方法檢測(cè)和連接邊緣。

2.如權(quán)利要求1所述的一種基于分?jǐn)?shù)階次信號(hào)處理的圖像邊緣檢測(cè)方法，其特征在于：所述步驟二檢測(cè)算子是一種基于分?jǐn)?shù)階次信號(hào)處理的算子。

3.如權(quán)利要求2所述的一種基于分?jǐn)?shù)階次信號(hào)處理的圖像邊緣檢測(cè)方法，其特征在于：利用正向分?jǐn)?shù)階次微分和反向分?jǐn)?shù)階次積分的組合來(lái)實(shí)現(xiàn)求導(dǎo)，進(jìn)而實(shí)現(xiàn)邊緣檢測(cè)。將圖像沿兩個(gè)坐標(biāo)軸上的空間分布看成是時(shí)間分布，圖像處理就可以直接使用Laplace傳遞函數(shù)的概念。則圖像中的傳統(tǒng)一階導(dǎo)數(shù)運(yùn)算可以用Laplace變換表示為s。我們的求導(dǎo)過(guò)程分為兩步：第一步：反向通過(guò)(s^*)^-β濾波，其中負(fù)號(hào)表示這是一個(gè)積分過(guò)程，s^*代表s的共軛復(fù)數(shù)，即先把數(shù)據(jù)先后次序反轉(zhuǎn)，積分之后再把結(jié)果次序反轉(zhuǎn)過(guò)來(lái)，第二步：通過(guò)分?jǐn)?shù)階次微分s^α濾波，其中0＜α＜1且0＜β＜α＜1，α+β＝1。我們提出的導(dǎo)數(shù)的幅頻增益為ω^(α-β)(α-β＞0，ω為頻率)；由于α+β＝1，故該復(fù)合導(dǎo)數(shù)的相位特性為恒前移90度，即實(shí)現(xiàn)了傳統(tǒng)意義上的一階導(dǎo)數(shù)的相移。由于幅頻增益最終影響的是對(duì)噪聲的敏感度，我們可以通過(guò)調(diào)節(jié)α-β的值來(lái)調(diào)節(jié)最終的幅頻增益，進(jìn)而調(diào)節(jié)對(duì)噪聲的抵抗性以及邊緣檢測(cè)的敏感度。

4.如權(quán)利要求3所述的一種基于分?jǐn)?shù)階次信號(hào)處理的圖像邊緣檢測(cè)方法，其特征在于：分?jǐn)?shù)階次微分采用模板卷積來(lái)實(shí)現(xiàn)，X方向模板如下：

X_mask＝[+α_m…+a₁0-a₁…+a_m]

其中：

ak=(-1)kn(n-1)···(n-k+1)k!]]>

n＝α，我們?cè)O(shè)定的模板長(zhǎng)度為2m+1，模板越長(zhǎng)計(jì)算復(fù)雜度越高。

Y方向模板Y_mask＝X_mask′。

分?jǐn)?shù)階次積分采用濾波來(lái)實(shí)現(xiàn)，X方向的濾波器沖擊響應(yīng)如下：

Dnδ(x)=x-n-1Γ(-n)x>0,0x≤0.]]>

其中：n表示微分階次，這里n＝-β。

Y方向?yàn)V波器為X方向?yàn)V波器的轉(zhuǎn)置。各個(gè)緣像素點(diǎn)在被濾波函數(shù)作用以后，能獲得足夠準(zhǔn)確的邊緣定位所需要的濾波器的最小寬度，設(shè)置為濾波器的理想寬度。