[發明專利]基于網絡節點分形維數的圖像邊緣檢測方法

有效

• 申請號: 201410147750.1
• 申請日: 2014-04-14
• 公開（公告）號: CN103886614B
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 鄧勇;李云鵬;周欣怡;孫敏捷;劉詩源;朱凌宇;李國龍;閻宏偉;許梟飛;張彪;黃河;金添怡;陳晟;楊根彪;何明亮;趙以云;魏小龍;肖瑋榮;劉國良;王韜
• 申請（專利權）人: 重慶威堪科技有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06K9/46
• 代理公司: 北京同恒源知識產權代理有限公司11275
• 代理人: 趙榮之

技術領域

本發明屬于計算機視覺和圖像處理技術領域，涉及一種基于網絡節點分形維數的圖像邊緣檢測方法。

背景技術

邊緣是圖像最重要的特征之一，對應圖像灰度劇烈變化的地方。隨著信息技術的發展，邊緣檢測成為了圖像處理和計算機視覺中的一項基礎內容。邊緣檢測的目的是識別數字圖像中亮點變化明顯的點，在圖像處理的眾多領域均有應用，其常用于圖形分割、物體識別、特征提取等領域。圖像邊緣檢測大幅度地減少了數據量，并且剔除了可以認為不相關的信息，保留了圖像重要的結構屬性。

有許多用于邊緣檢測的方法，它們的絕大部分可以劃分為兩類：基于搜索的一類和基于零點的一類。基于搜索的方法是通過尋找圖像一階導數中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。基于灰度的搜索是該類方法的廣泛應用之一，然而因為邊緣和噪波均與灰度劇烈變化處對應，所以基于搜索式的邊緣檢測方法對噪波敏感，從而對含有噪波的圖像邊緣檢測效果不佳。

基于零點的方法是通過尋找圖像二階導數零點來尋找邊界。該方法中常用的算法為Canny算子，給出了評價邊緣檢測性能優劣的指標：1、好的信噪比，即將非邊緣點判定為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；2、高的定位性能，即檢測出的邊緣點要盡可能在實際邊緣的中心；3、單一邊緣僅有唯一響應，即單個邊緣產生多個響應的概率要低，并且虛假響應邊緣應該得到最大抑制。即便如此，Canny依舊存在一些問題：在圖像含有漸變背景或者模擬圖像含強噪波時，Canny不能找到正確的圖像邊緣。此外，小波變換作為圖像的邊緣檢測方法被提出并廣泛應用，其最重要的特征在于能對空間（時間）和頻率進行局部變換。

發明內容

有鑒于此，本發明的目的在于針對現有圖像邊緣檢測方法中存在的抗噪波能力弱、對含有漸變背景圖像的邊緣檢測不到位等問題，提出了一種基于網絡節點分形維數的圖像邊緣檢測方法，該方法根據邊緣檢測性能優劣的三個指標，采用將圖像轉換為網絡的節點分形維數邊緣檢測方法，使圖像的邊緣檢測無論是在模擬還是真實圖像中均有較好的檢測效果。

為達到上述目的，本發明提供如下技術方案：

一種基于網絡節點分形維數的圖像邊緣檢測方法，包括以下步驟：步驟一：將RGB圖像轉換為無向加權網絡；步驟二：計算網絡中每個節點的分形維數；步驟三：根據網絡中各節點的局部維數識別圖像邊緣。

進一步，在步驟一中，將圖像像素視為網絡節點，用邊連接圖像相鄰像素，邊的權重通過成對節點的RGB值的計算獲得。

進一步，在步驟一中具體包括：用節點代替圖像像素，構造網絡G＝（V,E,W），V表示節點，E表示邊（連接成對相鄰像素），W表示邊的權重w_k，利用以下公式計算w_k：

其中：w_k表示第k條邊的權重，R_ij表示位于圖像第i行第j列處像素的RGB值。

進一步，在步驟二中，基于hausdorff的盒覆蓋局部維數理論及盒覆蓋算法，利用以下公式分別計算每個節點V的分形維數：

其中，d_i表示節點V_i的節點分形維數，l以加一的形式遞增直到等于網絡直徑或d_i(l)不再隨著l的增加而減少。

進一步，在步驟三中，根據得到的各節點分形維數，利用以下公式計算網絡G的分形維數：

D＝{d₁,d₂,d₃,...,d_n}。

進一步，在步驟三中，根據網絡G的分形維數，通過判斷邊緣的節點分形維數明顯小于其他的節點維數，且邊緣的節點維數在所有環境中，即使顏色不同，亮度不同，均可以被識別，從而實現對圖像的邊緣進行檢測。

本發明的有益效果在于：1、抗噪波能力強，對含強噪波圖像仍能有效的進行邊緣檢測，具有較高的信噪比。2、對漸變背景的辨別能力強，對含漸變背景的圖像能有效的進行邊緣檢測，具有較高的信噪比。3、無論是在模擬圖像還是真是圖像中均有較好的效果。

附圖說明

為了使本發明的目的、技術方案和有益效果更加清楚，本發明提供如下附圖進行說明：

圖1為本發明所述方法的流程示意圖；

圖2為具體步驟分解示意圖；

圖3為盒覆蓋算子應用于復雜網絡示意圖；

圖4為圖片網絡的構造。

具體實施方式