[發(fā)明專利]圖像邊緣檢測方法和裝置

無效

• 申請?zhí)枺?/td>: 201210581262.2
• 申請日: 2012-12-28
• 公開（公告）號: CN102982554A
• 公開（公告）日: 2013-03-20
• 發(fā)明（設計）人: 張揚;羅佳
• 申請（專利權(quán)）人: 廈門市美亞柏科信息股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46
• 代理公司: 北京恒都律師事務所 11395
• 代理人: 邸建凱

1.一種圖像邊緣檢測方法，其特征在于，包括：

提取待測圖像的紋理特征量；

根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)；

利用Canny算子對所述待測圖像進行邊緣檢測。

2.根據(jù)權(quán)利要求1所述的圖像邊緣檢測方法，其特征在于，所述圖像的紋理特征量具體為：圖像灰度值直方圖的熵值，其計算公式為：?

其中，代表直方圖的熵值，?為圖像歸一化的直方圖，z代表灰度值i的隨機變量，其中。

3.根據(jù)權(quán)利要求2所述的圖像邊緣檢測方法，其特征在于，所述Canny算子參數(shù)為：梯度模值的高閾值。

4.根據(jù)權(quán)利要求3所述的圖像邊緣檢測方法，其特征在于，根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系近似滿足雙曲正切函數(shù)：

其中，對應，代表歸一化的高閾值；對應直方圖的熵值s；a、b為待確定參數(shù)，由所述待測圖像的訓練集確定。

5.根據(jù)權(quán)利要求4所述的圖像邊緣檢測方法，其特征在于，所述步驟：根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)，具體包括：

從所述待測圖像中抽取部分圖像作為訓練集；

采用Canny算子對所述訓練集中的圖像進行邊緣檢測，獲得各圖像的高閾值；

計算歸一化的高閾值；

確定所述雙曲正切函數(shù)的參數(shù)a、b。

6.根據(jù)權(quán)利要求5所述的圖像邊緣檢測方法，其特征在于，所述步驟：利用Canny算子對所述待測圖像進行邊緣檢測，具體為：

將剩余待測圖像的直方圖的熵值代入所述雙曲正切函數(shù)，獲得對應的Canny算子參數(shù)；

利用所述Canny算子參數(shù)確定的Canny算子對所述剩余待測圖像進行邊緣檢測。

7.根據(jù)權(quán)利要求1所述的圖像邊緣檢測方法，其特征在于，所述圖像的紋理特征量為圖像灰度值直方圖的統(tǒng)計矩或像素點灰度值的一致性。

8.根據(jù)權(quán)利要求7所述的圖像邊緣檢測方法，其特征在于，所述紋理特征量與Canny算子參數(shù)的映射關系為：由經(jīng)驗值確定的曲線圖或表格。

9.一種圖像邊緣檢測裝置，其特征在于，包括：

圖像特征提取模塊，用于提取待測圖像的紋理特征量；

Canny算子確定模塊，根據(jù)所述圖像特征提取模塊提取的紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)；

檢測模塊，用于利用所述Canny算子確定模塊確定的Canny算子對所述待測圖像進行邊緣檢測。

10.根據(jù)權(quán)利要求9所述的圖像邊緣檢測裝置，其特征在于，所述圖像特征提取模塊提取的圖像的紋理特征量為：圖像灰度值直方圖的熵值，其計算公式為：?

其中，代表直方圖的熵值，?為圖像歸一化的直方圖，z代表灰度值i的隨機變量，其中。

11.根據(jù)權(quán)利要求9所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊采用的所述Canny算子參數(shù)為：梯度模值的高閾值。

12.根據(jù)權(quán)利要求11所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊采用的紋理特征量與Canny算子參數(shù)的映射關系近似滿足雙曲正切函數(shù)：

其中，對應，代表歸一化的高閾值；對應直方圖的熵值s；a、b為待確定參數(shù)，由所述待測圖像的訓練集確定。

13.根據(jù)權(quán)利要求12所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊具體包括：?

訓練集選取單元，用于從所述待測圖像中抽取部分圖像作為訓練集；

高閾值獲取單元，用于采用Canny算子對所述訓練集中的圖像進行邊緣檢測，獲得各訓練集圖像的高閾值；

歸一化單元，用于對所述高閾值獲取單元獲得的各訓練集圖像高閾值進行歸一化處理，獲得歸一化的高閾值；

參數(shù)確定單元，用于確定所述Canny算子確定模塊采用的雙曲正切函數(shù)的參數(shù)a、b。