[發明專利]一種噪聲污染圖像的分數階邊緣檢測方法

有效

• 申請號: 201910332950.7
• 申請日: 2019-04-24
• 公開（公告）號: CN110163881B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 李蝶;趙春娜
• 申請（專利權）人: 云南大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T5/00
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 韓雪

本發明公開了一種噪聲污染圖像的分數階邊緣檢測方法，其特征在于：包括以下步驟：將噪聲污染灰度圖像去噪處理；去噪后的圖像進入二維分數階微分濾波器進行邊緣提??；所述去噪處理的方法包括：將灰度圖像，與分數階積分濾波器或高斯濾波器進行卷積，得到濾波圖像；所述邊緣提取的方法包括：將去噪后的圖像與水平方向和垂直方向二維分數階微分濾波器掩模進行卷積，求取梯度圖像。本發明采用改進的二維分數階積分濾波器和二維分數階微分濾波器，并將二者同時用于噪聲圖像邊緣檢測時，實現的對噪聲的強魯棒性、邊緣定位精準性和邊緣增強的特性。

技術領域

本發明涉及圖像邊緣檢測領域，尤其是一種噪聲污染圖像的分數階邊緣檢測方法。

背景技術

現有大多數邊緣檢測方法采用整數階差分，主要有Robert算子、Prewitt算子、Sobel算子、Canny算子、Laplace算子等。整數階差分具有定向性的優點，但是由于噪聲和物體邊緣都屬于高頻信號，在對噪聲圖像進行邊緣檢測時，目前存在的算法均不能有效的折中抗噪性和邊緣檢測精確性。

Canny在《A computational approach to edge detection》一文中公開了一種在抗噪聲干擾和精確定位之間優化的邊緣檢測算子，該算子包括四個步驟：

A.對圖像進行濾波平滑

B.對濾波后的圖像進行水平方向和垂直方向梯度幅值計算

C.對梯度幅值進行非極大抑制

D.用雙閾值處理和連接邊緣

Canny算子檢測邊緣精細、定位精確但容易受到噪聲干擾，產生偽邊緣，且過渡依賴于閾值的選取，高閾值選擇太小則會保留較多的紋理細節，低閾值選擇過大則會丟失部分邊緣。

Mathieu B等人，在《Fractional differentiation for edge detection》一文中，公開了一種分數階微分掩模算子，通過使用相鄰上下邊緣像素之間的灰度差異的極值來檢測邊緣；首先搜索領域平均值以平滑噪聲，然后計算梯度。

CRONE算法對噪聲具有一定的免疫，但仍然局限于微分原理，無法很好的解決檢測精度和抗噪性之間的沖突，在對噪聲圖像進行邊緣檢測時提取的邊緣圖像仍然含有大量噪聲，尤其是對椒鹽噪聲污染的圖像，處理效果很不理想。

Pan X等人，在文獻《Complex Composite Derivative and Its Application toEdge Detection》中提出一種復合導數邊緣檢測算子，該算子是CRONE算子和Canny算子^[3]的結合與改進，包括四個步驟，a.分數階積分濾波器與圖像做卷積；b.分數階微分濾波器與積分濾波后的圖像做卷積；c.非極大值抑制；d.雙閾值處理。

復合導數算子首先提出將一階分數階微分和積分同時用到圖像邊緣處理中，邊緣檢測后的圖像，目標內部和背景區域對噪聲能夠抵御部分噪聲的干擾，但經過非極大值抑制和閾值處理后的圖像，目標邊緣不連續，且邊緣處對噪聲敏感等。

分數階微積分能夠增強高頻信號且保持低頻信號的特點，CRONE算子和復合導數算子在邊緣檢測中取得了一定的突破，但仍然不能很好地解決檢測精度和抗噪性之間的沖突。

發明內容

本發明的發明目的在于：針對上述存在的問題，提供一種噪聲污染圖像的分數階邊緣檢測方法，能夠有效的折中抗噪性和邊緣檢測精確性，該檢測方法不僅抗噪性強、檢測精度高，還能夠提取目標的紋理細節、增強邊緣、且運行速度快。

本發明采用的技術方案如下：

本發明一種噪聲污染圖像的分數階邊緣檢測方法，包括以下步驟：將噪聲污染灰度圖像去噪處理；去噪后的圖像進入二維分數階微分濾波器進行邊緣提取。