[發明專利]一種面向破碎邊緣目標的兩階段邊緣檢測方法及裝置

有效

• 申請號: 202010055591.8
• 申請日: 2020-01-17
• 公開（公告）號: CN111223116B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 汪昌健;郭凌超;李方召
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/181;G06T7/11;G06T5/00
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 楊春穎

本發明提供了一種面向破碎邊緣目標的兩階段邊緣檢測方法及裝置，邊緣檢測通過以下方式實現：對圖像進行二值化；對二值化圖進行平滑濾波處理；利用拉普拉斯算子對平滑濾波后圖像進行處理，選擇外側的邊界線作為目標的候選輪廓；調整平滑濾波參數，至目標邊緣碎塊能夠被包含在候選輪廓中；對輸入圖像中目標區域進行過零檢測，輸出目標主體的過零邊界；確定目標候選輪廓線與目標主體的過零邊界之間的像素距離；根據像素距離，對候選輪廓線進行調整，使調整后的候選輪廓線與目標主體的過零邊界存在重合，得到邊緣檢測結果。本發明方法分兩個階段進行邊緣檢測，可以在不改變圖像內部結構的前提下，獲得最接近真實結果的邊緣，避免邊緣碎塊丟失。

技術領域

本發明屬于圖像處理領域，涉及一種邊緣檢測方法，特別涉及一種面向破碎邊緣目標的兩階段邊緣檢測方法及裝置。

背景技術

圖像分割是圖像處理方向的基本問題之一，邊緣檢測是圖像分割的一種重要途徑。邊緣是圖像中相鄰區域區分的位置，一般存在著灰度值或者結構的突變，邊緣檢測就是利用這種不連續性來分割圖像。

邊緣像素灰度值的不連續性可通過求導運算來檢測。對于灰度值突變的邊緣，其像素位置對應于一階導數的極值點，或者是二階導數的過零點(零交叉點)。因此，傳統方法一般用微分算子來進行邊緣檢測。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在實際中各種微分算子常用卷積核來表示，微分運算就近似為利用卷積核對圖像進行卷積操作。但是，這種方法對噪聲非常敏感，由于邊緣和噪聲都是灰度不連續點，均在高頻頻域，因此，這些低階的微分運算很難克服噪聲的影響，只適合于噪聲較小且不太復雜的圖像。

為了減少圖像中的噪聲，避免噪聲對邊緣檢測的干擾，通常會在微分算子檢測邊緣前對圖像進行平滑濾波。高斯函數是目前認為最好的圖像平滑濾波方法，基于該方法衍生出的Canny算子和LOG算子是具有平滑功能的一階和二階微分算子，其中Canny算子是高斯函數的一階導數，LOG算子是采用Laplacian算子高斯函數的二階導數。它們在噪聲抑制和邊緣檢測之間取得了較好的平衡，因此邊緣檢測效果也較好。

但是這類方法只適合用于邊緣連續完整的圖像的邊緣檢測。如果將這類方法直接用于邊緣破碎的圖像，則會導致碎塊部分與主體部分被分割在不同的邊緣中，不能得到完整的圖像邊緣，這會影響完整邊緣檢測的后續應用。現實生活存在大量邊緣破碎的圖像，例如間質性肺疾病的肺部CT圖像。間質性肺疾病的主要特征之一就是病患肺間隔增厚，它會導致肺部CT圖像邊緣出現與肺主體分離的碎塊。而準確檢測出間質性肺疾病的肺實質邊緣，對于利用計算機方法輔助開展臨床影像分析具有重要的意義，如果碎塊部分與主體部分被分割在不同的邊緣中，則無法準確計算肺實質每個切面的實際面積，進而計算整個肺實質的體積，不能準確評估各類組織在肺實質中的構成，不能產生準確的肺部三維重建圖像。

目前針對該問題的解決方法主要有基于形態學特征的閉運算方法、凸包算法等。閉運算的目標是消除圖像噪音，當碎塊與主體部分的距離較小時，間距上的像素會被作為噪音點消除，從而將主體與碎塊連通起來。將閉運算與傳統方法相結合，可以部分解決邊緣破碎導致的邊緣檢測不準確、分割不完整的問題，但是，這種方法會改變圖像原有的結構，影響分割的效果，特別是邊緣部分，受閉運算結構元素(Structural Element)的影響較為顯著，導致邊緣不夠平滑自然。另一個方面，因為是消除噪音，閉運算需要對整個圖像進行計算，不同于邊緣檢測，只需要對灰度值突變的位置進行處理，因此計算量也較大。

凸包算法是在目標區域外側找到一個可以將所有像素點包容進去的凸多邊形。由于這些邊界線較長，往往不能與目標區域的邊緣很好地擬合，導致凸包邊界內的背景區域較多，影響分割的準確性。同時，該方法也易受噪聲干擾。

發明內容