[發(fā)明專利]一種基于融合策略的邊緣提取方法

有效

• 申請?zhí)枺?/td>: 201310475874.8
• 申請日: 2013-10-12
• 公開（公告）號: CN103530878A
• 公開（公告）日: 2014-01-22
• 發(fā)明（設(shè)計）人: 賈熹濱;黃海勇;張艷華
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46
• 代理公司: 北京思海天達知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理及計算機視覺技術(shù)領(lǐng)域，具體涉及基于融合策略的邊緣提取圖像處理方法。

背景技術(shù)

邊緣是圖像中灰度級或結(jié)構(gòu)等信息存在不同程度突變的地方，是一個區(qū)域的結(jié)束，也是另一個區(qū)域的開始。邊緣是圖像分割，紋理特征提取和形狀特征提取等圖像分析理解的重要基礎(chǔ)，也是計算機視覺、模式識別等研究領(lǐng)域的重要基礎(chǔ)。

近年來，已有很多邊緣提取方法被廣大研究者提出。經(jīng)典的邊緣提取方法，利用圖像的梯度信息，圖像的一階濾波，二階濾波或者過零點檢測來提取，比如Sobel算子，Prewitt算子，Roberts算子，LoG算子，Canny算子等邊緣提取算子。這些算子圖像邊緣提取中一直占有主導(dǎo)地位，但由于圖像的差異性，不同算子對不同圖像的邊緣檢測結(jié)果有一點差異。目前也有方法，利用統(tǒng)計學(xué)知識和機器學(xué)習(xí)來進行邊緣提取，比如有模糊邊緣檢測，邏輯回歸檢測，基于馬爾可夫隨機場的邊緣檢測，多尺度邊緣檢測。但是仍沒有一種邊緣檢測結(jié)果可以很好的適合不同圖像。故需要有更加具有魯棒性的邊緣提取方法被提出。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于融合策略的邊緣提取方法，所述的基于融合策略的邊緣提取方法要改善現(xiàn)有單一邊緣提取技術(shù)不夠魯棒，提取的邊緣信息完整性不足，易受噪音干擾影響，準(zhǔn)確度不理想。

本發(fā)明是通過以下方法實現(xiàn)的，本發(fā)明是基于灰度圖像的數(shù)據(jù)連續(xù)性準(zhǔn)則，對所獲取的灰度圖像進行邊緣提取。本發(fā)明所提出的一種基于融合策略的邊緣提取方法，其特征在于，該方法包括以下步驟：

1.一種基于融合策略的邊緣提取方法，其特征在于包括以下步驟：

步驟1，輸入灰度圖像

步驟2，計算圖像中像素點為邊緣可能性的投票權(quán)重矩陣：

步驟21，輸入灰度圖像；

步驟22，利用Sobel算子進行邊緣檢測；

步驟23，利用Canny算子進行邊緣檢測；

步驟24，利用LoG算子進行邊緣檢測；

步驟25，三種算子檢測結(jié)果在相應(yīng)像素點上進行加權(quán)投票統(tǒng)計；

這里在相應(yīng)像素點是指在所檢測的像素點的八鄰域范圍統(tǒng)計，三種算子檢測結(jié)果分別各自統(tǒng)計；將所檢測的像素點也就是八鄰域的中心像素點賦予為1的權(quán)值，其四鄰域四個像素點賦予為0.5的權(quán)值，八鄰域剩下四個像素點即四個角賦予為0.25的權(quán)值；當(dāng)八鄰域相應(yīng)位置上為邊緣則賦值為1，通過加權(quán)進行判斷；所得到的權(quán)重和大于等于2，則認(rèn)為此種算子檢測到的該像素點也就是八鄰域的中心像素點為邊緣點，并將權(quán)重和賦值為1，若是權(quán)重和小于2，則認(rèn)為不是邊緣點并將權(quán)重和賦值0；依次統(tǒng)計每個像素點的權(quán)重和，則可得到值域為[0,3]的加權(quán)投票；

步驟3，計算圖像中像素點為邊緣可能性的差值權(quán)重矩陣

步驟31，輸入灰度圖像；

步驟32，計算每個像素點的四鄰域四個點與本身的亮度差；

步驟33，分別求出每個像素點各自的四個差值的最大值和最小值；

步驟34，分別將每個像素點對應(yīng)的差值最大值和最小值代入邏輯回歸模型進行歸一化；

這里的邏輯回歸模型為：

Y(x)=1/(1+exp(a*x+b))

其中，x為每個像素點對應(yīng)的最大亮度差值或最小亮度差值，Y(x)為每個像素點對應(yīng)的歸一化后的最大亮度差值或最小亮度差值，a和b為亮度差參數(shù)，且針對每個像素點最大亮度差參數(shù)為：a等于-0.1，b等于2；針對每個像素點最小亮度差的參數(shù)定義：a等于-0.3，b等于5；

步驟4，計算圖像中像素點為邊緣可能性的邊緣分布權(quán)重矩陣

步驟41，輸入灰度圖像；

步驟42，計算每個像素點的去心四鄰域的四個像素點的亮度方差；

步驟43，將所有像素點所求得的方差求平均，并乘以系數(shù)0.8，可得到一個閾值；

步驟44，構(gòu)建大小為圖像尺寸的矩陣，并賦初值為零，構(gòu)造初始邊緣分布權(quán)重矩陣；

步驟45，遍歷圖像所有像素點，若其去心鄰域統(tǒng)計方差大于或等于閾值，則將邊緣分布權(quán)重矩陣的對應(yīng)位置的數(shù)值賦值為1；反之，則保持初始0值，建立描述邊緣分布的0-1權(quán)重矩陣；

步驟5，對獲取的三種權(quán)重矩陣進行融合處理

步驟51，讀取投票權(quán)重矩陣數(shù)據(jù)；

步驟52，讀取差值權(quán)重矩陣數(shù)據(jù)；

步驟53，讀取邊緣分布權(quán)重矩陣數(shù)據(jù)；

步驟54，利用阿達馬乘積融合三種權(quán)重矩陣，獲得融合權(quán)重矩陣；

步驟55，計算基準(zhǔn)數(shù)值，即閾值；