[發明專利]一種基于高斯小波一維峰值識別的多角度邊緣檢測方法

有效

• 申請號: 201410382235.1
• 申請日: 2014-08-06
• 公開（公告）號: CN104156956B
• 公開（公告）日: 2017-03-15
• 發明（設計）人: 劉蘇;趙旭東;王秀春
• 申請（專利權）人: 中國科學院生物物理研究所
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 北京紀凱知識產權代理有限公司11245
• 代理人: 徐寧,孫楠

1.一種基于高斯小波一維峰值識別的多角度邊緣檢測方法，其包括以下步驟：

1)對待處理圖像進行直方圖分析，得到目標及其背景的灰度值，采用得到的灰度值對給定的18種模板圖像進行賦值；

2)預設若干組邊緣檢測參數，采用預設的若干組邊緣檢測參數分別對賦值后的18種模板圖像進行邊緣檢測，并找出與模板圖像近似度最高的邊緣檢測結果，將得到該結果所用的邊緣檢測參數作為最優參數，其具體包括以下步驟：

(1)利用m行×mtanθ列的圖像子塊對模板圖像進行分割，將模板圖像分割為若干個m行×mtanθ列的圖像子塊，其中，θ為邊緣檢測角度，θ∈[45°,90°)；

(2)在m行×mtanθ列的圖像子塊中沿其對角線構建若干一維向量；

(3)將構建的若干一維向量分別與高斯函數的一階導數f_σ(t)作卷積運算，并對卷積運算結果取絕對值；

(4)確定卷積結果絕對值的局部極大值；

(5)對得到的局部極大值賦灰度值，并根據像素下標將生成的邊緣圖像像素替換原圖像中相同位置上的像素；

(6)將不同邊緣檢測角度方向得到的若干邊緣圖像進行灰度疊加，根據多次疊加后圖像的灰度直方圖，將灰度百分比最高的灰度值作為二值化閾值，根據該二值化閾值對多次疊加后圖像的邊緣進行二值化處理；

(7)采用Pratt邊緣檢測品質因數方法將生成的圖像邊緣與模板圖像中圖像邊緣進行比較，得到與模板圖像邊緣近似度最高的一組邊緣檢測結果，并將得到該邊緣檢測結果所用的邊緣檢測參數作為最優參數；

3)采用步驟2)得到的最優參數，重復步驟2)中得的步驟(1)～步驟(6)，對待處理圖像進行邊緣檢測。

2.如權利要求1所述的一種基于高斯小波一維峰值識別的多角度邊緣檢測方法，其特征在于：所述步驟2)中，預設的邊緣檢測參數包括高斯函數的一階導數f_σ(t)的參數σ、一維峰值極大值閾值α和二值化閾值。

3.如權利要求1或2所述的一種基于高斯小波一維峰值識別的多角度邊緣檢測方法，其特征在于：所述步驟2)中，對m行×mtanθ列的圖像子塊構建一維向量，其包括：

①根據邊緣檢測角度θ的取值范圍：θ∈[45°,90°)，給出m行×mtanθ列的圖像子

塊的三種形式和Q_90°，和Q_90°分別用像素a表示為：

θ₁為圖像子塊的形式對應的邊緣檢測角度，

θ₂為圖像子塊的形式對應的邊緣檢測角度，

②對于m行×mtanθ列的圖像子塊的形式按照以下形式

沿圖像子塊的形式的對角線方向取若干一維向量X₁、X₂…X_m和Y₁…Y_m-1，

X1=a11...a1k,a2k...a2(2k-1),......am[(m-1)(k-1)+1]...am[m(k-1)+1]X2=a21...a2k,a3k...a3(2k-1),......,am[(m-2)(k-1)+1]...am[(m-1)(k-1)+1]···Xm=am1...amkYm-1=a1k...a1(2k-1),a2(2k-1)...a2(3k-2),......,a(m-1)[(m-1)(k-1)+1]...a(m-1)[m(k-1)+1]Y1=a1[(m-1)(k-1)+1]...a1[m(k-1)+1],]]>

對于m行×mtanθ列的圖像子塊的形式按照以下形式

沿圖像子塊的形式的對角線方向取若干一維向量X′₁、X'₂…X'_m和Y′₁…Y′_m-1，

X1′=a11...a1k,a2(k+1)...a2(2k),......am[(m-1)(k-1]...am(mk)X2′=a21...a2k,a3(k+1)...a3(2k),......,am[(m-2)k+1]...am[(m-1)k]Xm′=am1...amkYm-1′=a1(k+1)...a1(2k),a2(2k+1)...a2(3k),......a(m-1)[(m-1)k+1]...a(m-1)(mk)···Y1′=a1[(m-1)k+1]...a1(mk);]]>

對于m行×mtanθ列的圖像子塊的形式Q_90°，構建的一維向量X″₁、X″₂…X″_m為：

X1′′=a11a12......a1mX2′′=a21a22......a2m···Xm′′=am1am2......amm;]]>

③通過將圖像矩陣轉置和翻轉后，采用與[45°,90°]所對應的圖像矩陣子塊構建一維向量相同的方法，對[0°,45°]所對應的圖像矩陣子塊構建一維向量；通過將圖像矩陣翻轉后，采用與[45°,90°]所對應的圖像矩陣子塊構建一維向量相同的方法，對[90°,135°]所對應的圖像矩陣子塊構建一維向量；通過將圖像矩陣轉置后，采用與[45°,90°]所對應的圖像矩陣子塊構建一維向量相同的方法，對[135°,180°]所對應的圖像矩陣子塊構建一維向量；完成對[0°,180°]所對應的圖像矩陣子塊的一維向量的構建。

4.如權利要求1或2所述的一種基于高斯小波一維峰值識別的多角度邊緣檢測方法，其特征在于：所述步驟2)中，確定卷積運算結果絕對值|f_σ(t)*X|的局部極大值，其包括以下步驟：

①預設一極大值閾值α，α＝(0,1)；

②在|f_σ(t)*X|波形中的第一個波峰處，依次比較前后數據的大小，當數據由遞增區間轉為遞減區間時，記錄該拐點值MAX|f_σ(t)*X|；當波峰遞減區間存在一數據小于αMAX|f_σ(t)*X|時，則該波峰有效且其極大值為MAX|f_σ(t)*X|；若該波峰遞減區間不存在小于αMAX|f_σ(t)*X|的值而轉入下一個波峰的遞增區間，則該波峰無效，繼續判斷下一個波峰的極大值；

③對非極大值進行抑制。