[發(fā)明專利]基于改進高斯-拉普拉斯算子的噪聲圖像邊緣檢測方法

在審

• 申請?zhí)枺?/td>: 201810307802.5
• 申請日: 2018-04-08
• 公開（公告）號: CN108596928A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計）人: 代文征;代偉;耿麗君;許公開;方振西;董帥楠
• 申請（專利權(quán)）人: 黃河科技學(xué)院
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T5/00
• 代理公司: 無錫市匯誠永信專利代理事務(wù)所(普通合伙) 32260
• 代理人: 張歡勇

本發(fā)明涉及一種基于改進高斯?拉普拉斯算子的噪聲圖像邊緣檢測方法，該方法包括如下步驟，高斯?拉普拉斯算子將高斯平滑濾波器和拉普拉斯算子結(jié)合起來，在進行邊緣檢測之前，先平滑掉噪聲；具體地，1)輸入圖像，圖像可以是灰度或彩色圖像，選擇σ值，用于確定x和y兩方向上的高斯核；2)高斯核沿x和y方向生成；3)使用生成的內(nèi)核對圖像執(zhí)行高斯平滑；4)對生成的高斯平滑進行邊緣檢測；其中，σ表示平滑刻度。本發(fā)明提出的改進高斯?拉普拉斯方法與常規(guī)邊緣跟蹤算法相比，邊緣檢測的質(zhì)量大大提高。

技術(shù)領(lǐng)域

本發(fā)明涉及噪聲圖像邊緣檢測領(lǐng)域，具體涉及一種基于改進高斯-拉普拉斯算子的噪聲圖像邊緣檢測方法。

背景技術(shù)

圖像由具有不同灰度級的像素組成，在灰度級不連續(xù)性檢測中，盡管點和線的檢測非常重要，但邊緣檢測確是目前為止最為通用的方法。邊緣是圖像的一個基本特征，識別出圖像中的邊緣信息就是識別圖像中目標(biāo)的最有效手段之一。圖像的邊緣檢測是利用圖像一階導(dǎo)數(shù)的極值(梯度算子)或二階導(dǎo)數(shù)過零點(拉普拉斯算子)信息來實現(xiàn)的。邊緣檢測是確定和定位圖像中的尖銳不連續(xù)性的過程。在圖像分析中，邊緣檢測起著重要的作用，它是傳統(tǒng)的分割技術(shù)之一。高斯濾波器在邊緣檢測器中起著至關(guān)重要的作用。高斯濾波器被用于一維信號平滑，當(dāng)從一個細尺度到粗尺度移動時，零交叉消失在其二階導(dǎo)數(shù)的尺度表示中。對于2D信號應(yīng)用，也不會隨著刻度的增加而產(chǎn)生零交叉。

可參考一些國內(nèi)外文獻，如(1)Pujar J H,Gurjal P S,Shambhavi D S,et al.Medical image segmentation based on vigorous smoothing and edge detectionideology[J].World Academy of Science Engineering&Technology,2010, 19(68):444，該文獻公開了一種圖像分割模型，包括由canny和歸一化的切割特征向量的邊緣檢測。在邊緣檢測之前，先采用基于噪聲類型的中位數(shù)、高斯或 Frost濾波器進行預(yù)處理。(2)Somkantha K,Theera-Umpon N,Auephanwiriyakul S. Boundary detection in medicalimages using edge following algorithm based on intensity gradient and texturegradient features[J].IEEE transactions on bio-medical engineering,2011,58(3):567，該文獻涉及一種用于醫(yī)學(xué)圖像的邊緣檢測技術(shù)，以基于強度梯度和紋理梯度特征來追蹤解剖器官的邊界；與傳統(tǒng)的有源輪廓模型相比，提出的模型能夠產(chǎn)生有效的結(jié)果。(3)中文的文獻，如作者曹風(fēng)云,李東興,張華強等，自適應(yīng)多方向灰度形態(tài)學(xué)圖像邊緣檢測算法.光學(xué)技術(shù),2016, 42(3):234-238，該文獻提出了基于圖像形態(tài)學(xué)運算的邊緣檢測，通過取擴張和侵蝕圖像之間的差異來確定邊緣。

以上文獻提出的方法，在不同程度上存在對噪聲比較敏感的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于改進高斯-拉普拉斯算子的噪聲圖像邊緣檢測方法，以解決上述提到的問題。

為實現(xiàn)上述目的，本發(fā)明基于改進高斯-拉普拉斯算子的噪聲圖像邊緣檢測方法采用如下技術(shù)方案：基于改進高斯-拉普拉斯算子的噪聲圖像邊緣檢測方法包括如下步驟，高斯-拉普拉斯算子將高斯平滑濾波器和拉普拉斯算子結(jié)合起來，在進行邊緣檢測之前，先平滑掉噪聲；具體地，1)輸入圖像，圖像可以是灰度或彩色圖像，選擇σ值，用于確定x和y兩方向上的高斯核；2)高斯核沿x 和y方向生成；3)使用生成的內(nèi)核對圖像執(zhí)行高斯平滑；4)對生成的高斯平滑進行邊緣檢測；其中，σ表示平滑刻度。

進一步優(yōu)選，利用高斯濾波器來平滑圖像，在確定邊緣方向之后，應(yīng)用非最大抑制來追蹤邊緣的路徑并忽略那些不是邊緣部分的像素；然后，應(yīng)用滯后閥值來消除條紋。