CN103035000A - 一种基于cnn的彩色图像边缘提取方法 - Google Patents
一种基于cnn的彩色图像边缘提取方法 Download PDFInfo
- Publication number
- CN103035000A CN103035000A CN2012105177846A CN201210517784A CN103035000A CN 103035000 A CN103035000 A CN 103035000A CN 2012105177846 A CN2012105177846 A CN 2012105177846A CN 201210517784 A CN201210517784 A CN 201210517784A CN 103035000 A CN103035000 A CN 103035000A
- Authority
- CN
- China
- Prior art keywords
- image
- cnn
- color
- edge
- template
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于CNN的彩色图像边缘提取方法。该方法与传统微分图像边缘提取方法的最主要区别是运用CNN模型在二值图像和灰度图像的基础上对彩色图像进行有效地边缘提取，该方法将人眼的视觉特性与RGB彩色空间的矢量角度颜色差值相结合，提取出的边缘图像更加符合人眼的视觉感知，图像信息丰富。
Description
技术领域
本发明涉及本发明涉及数字图像处理、细胞神经网络（CNN）、彩色空间距离等应用领域，尤其涉及一种基于CNN的彩色图像边缘提取方法。
背景技术
边缘是图像的基本特征之一，是图像分割，纹理特征提取和形状特征提取图像分析的重要基础，也是计算机视觉、模式识别等研究领域的重要基础。在数字图像处理的研究过程中，边缘提取一直都是广大研究人员关注的热点，是机器视觉研究领域最活跃的课题之一。
细胞神经网络（Cellular Neural Network，CNN）是一种局部连接和并行运算的人工神经网络，能高速并行计算，且处理速度与图像大小无关，在水平线检测、图像细化、白噪声图像的恢复、边缘提取特征检测等图像处理领域得到了广泛应用。
图像边缘提取的方法主要有经典的微分算子，如Roberts算子、Prewitt算子、Krisch算子、Laplace算子、Sobel算子、Canny算子等，但他们在硬件中很难实现，且大多都是针对灰度图像而言，对于彩色图像的边缘提取也都是灰度图像边缘提取的推广。这些方法单纯根据各颜色通道的强度变化进行判别，没有考虑各颜色分量间的联系，同时忽视了人眼的视觉感知特性。
目前用CNN模型对二值图像和灰度图像进行边缘提取方法已经比较成熟，但是对于彩色图像目前仍处于研究阶段。如果在细胞神经网络（CNN）的模型上加入人眼视觉特性和彩色空间各颜色分量之间的联系，便会使最终的边缘提取结果更加符合人眼的视觉感知、提取的边缘信息更加丰富、细腻。
发明内容
本发明为了解决上述现有技术中的问题，提供了一种基于CNN的彩色图像边缘提取方法。
本发明为解决这一问题所采取的技术方案是：
本发明的基于CNN的彩色图像边缘提取方法，采用CNN模型在对二值、灰度图像研究的基础上对彩色图像进行有效地边缘提取；选取RGB彩色空间进行处理，并充分考虑人眼的视觉特性与颜色分量之间的矢量角度差，从而得出一种新的颜色距离公式，并以此参数作为设定反馈模板与控制模板的重要依据，为CNN的图像边缘提取过程提供了重要的参数依据；该方法具体步骤如下：
第一步：选取彩色空间，进行像素间距离的计算；本方法采用RGB彩色空间；在RGB彩色空间中对每个像素与其周围8个像素分别计算距离U，距离公式采用基于视觉感知的矢量角度色差公式：
。
第二步：设定反馈模板A及控制模板B；根据颜色距离U与阈值z关系确定模板A和B；
第三步：设定边缘点判定准则；对细胞神经网络；进行稳定性及动态性分析，结合颜色距离U，设定边缘点判定准则；
第四步：图像处理；将彩色图像代入细胞神经网络状态方程进行迭代，并在迭代的过程中随时判断状态细胞的状态是否收敛；
第五步：输出边缘图像；如果符合边缘点判定准则并且细胞状态收敛，则输出为边缘，否则为背景；边缘用白色表示，背景用黑色表示。
为了能高效的运用CNN模板对彩色图像进行边缘提取，本方法在边缘提取方法中引入人眼的视觉感知特性，以及彩色空间各颜色分量之间的矢量与角度等信息，在CNN稳定性的基础上提出一种基于视觉感知特性的CNN彩色图像边缘提取方法，具有实用性和创新性。当观察一幅彩色图像时，人眼对红、绿、蓝三种颜色的敏感程度不同，各个颜色之间不仅存在矢量距离之间的差异，角度差异同样不容忽视。在CNN的彩色图像边缘提取中，采用RGB空间，将人眼对红绿蓝三分量的敏感系数、以及两个颜色之间矢量和角度关系作为一种全新的RGB颜色色差公式。采用此基于视觉感知的色差公式作为细胞神经网络(CNN)输出模板与控制模板的参考依据。
本发明的方法采用基于视觉感知的色差公式动态的设定细胞神经网络(CNN)的不同参数的反馈模板与控制模板，运用能量函数及色差公式对细胞神经网络(CNN)进行边缘判定点准则设定，从而输出结果图像。
本发明具有的优点和积极效果是：
本方法采用基于视觉感知的色差公式对细胞神经网络(CNN)进行彩色图像边缘，主要优点有：
(1)充分考虑并使用了与图像大小无关的CNN模型，填补了CNN模型不能直接用于彩色图像的空白。(2)在标准CNN模型结构的基础上结合人眼对R、G、B的敏感特性和空间矢量距离和角度差相结合对整幅彩色图像进行边缘提取。(3)每一个像素都有与之相适应的特定参数模板相匹配。(4)在确保边缘位置准确的同时能提取细节丰富和微小变化的区域，伪边缘信息大大减少，图像更完整、细腻。
附图说明
图1是本方法—基于细胞神经网络CNN的彩色图像边缘提取整体过程示意图；
图2是本方法—基于细胞神经网络CNN的彩色图像边缘提取的图像处理过程示意图；
图3是本方法—基于细胞神经网络CNN的彩色图像边缘提取算法实现流程图；
图4是本发明的方法与传统边缘提取的比较实验效果图。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明。
公式(1-3)是基于视觉感知的矢量角度色差公式及其各参数说明，它主要用来计算RGB彩色空间相邻像素之间的差值，从而生成适用于CNN的反馈模板和控制模板。具体如下：
说明：其中WR、WG、WB是人眼对红绿蓝三分量变化的敏感程度加权系数，此处
根据视见函数取值为
。
代表两个待比较的颜色在RGB空间的矢量角度的归一化。
图1是本方法的整体示意图。从整体上看，本方法可以分为三个部分：
1. 输入：输入一幅彩色图像；
2. 过程：动态迭代图像处理过程；
3. 输出：输出结果图像。
图2是本方法的局部——图像处理过程示意图。
1. 选取合适的彩色空间，并计算该元素与周围元素的距离U；
2. 根据上一步的距离U得出模板A与模板B；
3. 通过对细胞神经网络（CNN）稳定性进行分析，并结合距离U得出边缘点判定准则；
4. 将模板A、B及图像代入CNN动态方程进行迭代；
5. 在迭代的过程中判定细胞是否收敛，即符合细胞神经网络（CNN）状态细胞定理；
6. 进入边界提取过程。
图3是本方法的算法实现流程图。
本方法提出的是一种基于CNN的彩色图像边缘提取方法，具体算法实施过程如下(图1)：
1.输入一幅M×N的彩色图像，进行像素值及图像边缘的调整。将像素值线性映射至-1到+1区间，在图像的四周加上一圈0像素，使其规模变成(M+2)×(N+2)。
2.选取合适的彩色空间，本发明采用RGB空间，并根据基于视觉感知的矢量角度色差公式计算每一个像素与周围一圈(8个)像素的距离
，并结合非线性函数得出反馈模板A和控制模板B。
3.设定判稳标志，依据能量函数对细胞神经网络进行稳定性和动态性分析，记录稳定点及循环次数。
4.图像处理过程，代入CNN状态方程进行迭代，并依据边缘点判定准则判断是否为边缘点 ，若符合边缘点判定准则且暂态过程结束后细胞达到稳定，即收敛状态则输出为边缘点，否则继续迭代。
5.输出图像。以黑色表示背景(+1)，白色表示边缘(-1)。
综上所述，本发明的基于CNN的彩色图像边缘提取方法，采用CNN模型在对二值、灰度图像研究的基础上对彩色图像进行有效地边缘提取；选取RGB彩色空间进行处理，并充分考虑人眼的视觉特性与颜色分量之间的矢量角度差，从而得出一种新的颜色距离公式，并以此参数作为设定反馈模板与控制模板的重要依据，为CNN的图像边缘提取过程提供了重要的参数依据；其特征在于，该方法具体步骤如下：
第一步：选取彩色空间，进行像素间距离的计算；本方法采用RGB彩色空间；在RGB彩色空间中对每个像素与其周围8个像素分别计算距离U，距离公式采用基于视觉感知的矢量角度色差公式。
第二步：设定反馈模板A及控制模板B；根据颜色距离U与阈值z关系确定模板A和B；
第三步：设定边缘点判定准则；对细胞神经网络；进行稳定性及动态性分析，结合颜色距离U，设定边缘点判定准则；
第四步：图像处理；将彩色图像代入细胞神经网络状态方程进行迭代，并在迭代的过程中随时判断状态细胞的状态是否收敛；
第五步：输出边缘图像；如果符合边缘点判定准则并且细胞状态收敛，则输出为边缘，否则为背景；边缘用白色表示，背景用黑色表示。
本方法采用基于视觉感知的色差公式对细胞神经网络(CNN)进行彩色图像边缘，该方法的主要优点是：
(1)充分考虑并使用了与图像大小无关的CNN模型，填补了CNN模型不能直接用于彩色图像的空白。(2)在标准CNN模型结构的基础上结合人眼对R、G、B的敏感特性和空间矢量距离和角度差相结合对整幅彩色图像进行边缘提取。(3)每一个像素都有与之相适应的特定参数模板相匹配。(4)在确保边缘位置准确的同时能提取细节丰富和微小变化的区域，伪边缘信息大大减少，图像更完整、细腻。
图4是本方法与传统边缘提取的比较实验效果图。
表1是本发明的算法与传统算法边缘提取结果图像熵值的比较。
表1
| 图像 | 本文算法g=0.05 | 本文算法g=0.1 |
| Lena | 0.9159 | 0.6775 |
从图4的效果图和表1中可看出细胞神经网络（CNN）与传统边缘提取的方法相比提取出的信息丰富，轮廓清晰，更加符合人眼的视觉感知，为在基于视觉感知矢量角度的彩色空间距离的边缘提取方法奠定了基础。
Claims (2)
1.一种基于CNN的彩色图像边缘提取方法，采用CNN模型在对二值、灰度图像研究的基础上对彩色图像进行有效地边缘提取；选取RGB彩色空间进行处理，并充分考虑人眼的视觉特性与颜色分量之间的矢量角度差，从而得出一种新的颜色距离公式，并以此参数作为设定反馈模板与控制模板的重要依据，为CNN的图像边缘提取过程提供了重要的参数依据；其特征在于，该方法具体步骤如下：
第一步：选取彩色空间，进行像素间距离的计算；
第二步：设定反馈模板A及控制模板B；根据颜色距离U与阈值z关系确定模板A和B；
第三步：设定边缘点判定准则；对细胞神经网络；进行稳定性及动态性分析，结合颜色距离U，设定边缘点判定准则；
第四步：图像处理；将彩色图像代入细胞神经网络状态方程进行迭代，并在迭代的过程中随时判断状态细胞的状态是否收敛；
第五步：输出边缘图像；如果符合边缘点判定准则并且细胞状态收敛，则输出为边缘，否则为背景；边缘用白色表示，背景用黑色表示。
2.根据权利要求1所述的基于CNN的彩色图像边缘提取方法，其特征在于：本方法采用RGB彩色空间；在RGB彩色空间中对每个像素与其周围8个像素分别计算距离U，距离公式采用基于视觉感知的矢量角度色差公式：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012105177846A CN103035000A (zh) | 2012-12-06 | 2012-12-06 | 一种基于cnn的彩色图像边缘提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012105177846A CN103035000A (zh) | 2012-12-06 | 2012-12-06 | 一种基于cnn的彩色图像边缘提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103035000A true CN103035000A (zh) | 2013-04-10 |
Family
ID=48021867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012105177846A Pending CN103035000A (zh) | 2012-12-06 | 2012-12-06 | 一种基于cnn的彩色图像边缘提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103035000A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544705A (zh) * | 2013-10-25 | 2014-01-29 | 华南理工大学 | 一种基于深度卷积神经网络的图像质量测试方法 |
| CN106846440A (zh) * | 2017-01-06 | 2017-06-13 | 厦门美图之家科技有限公司 | 一种图像智能选区方法、装置和计算设备 |
| CN108205814A (zh) * | 2016-12-19 | 2018-06-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
| CN109005458A (zh) * | 2018-09-27 | 2018-12-14 | 上海东方传媒技术有限公司 | 一种图像花屏检测方法及装置 |
| CN113469916A (zh) * | 2021-07-13 | 2021-10-01 | 郑州轻工业大学 | 一种彩色图像边缘提取的方法 |
| CN114022505A (zh) * | 2021-11-11 | 2022-02-08 | 黑龙江工程学院 | 一种彩色图像边缘检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1881255A (zh) * | 2005-06-15 | 2006-12-20 | 华为技术有限公司 | 一种数字图像边缘信息提取方法 |
-
2012
- 2012-12-06 CN CN2012105177846A patent/CN103035000A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1881255A (zh) * | 2005-06-15 | 2006-12-20 | 华为技术有限公司 | 一种数字图像边缘信息提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张闯等: "一种基于CNN的彩色图像边缘检测算法", 《计算机工程与应用》 * |
| 杨振亚等: "RGB颜色空间的矢量-角度距离色差公式", 《计算机工程与应用》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544705A (zh) * | 2013-10-25 | 2014-01-29 | 华南理工大学 | 一种基于深度卷积神经网络的图像质量测试方法 |
| CN103544705B (zh) * | 2013-10-25 | 2016-03-02 | 华南理工大学 | 一种基于深度卷积神经网络的图像质量测试方法 |
| CN108205814A (zh) * | 2016-12-19 | 2018-06-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
| CN108205814B (zh) * | 2016-12-19 | 2021-07-02 | 中国科学院苏州纳米技术与纳米仿生研究所 | 彩色图像的黑白轮廓生成方法 |
| CN106846440A (zh) * | 2017-01-06 | 2017-06-13 | 厦门美图之家科技有限公司 | 一种图像智能选区方法、装置和计算设备 |
| CN106846440B (zh) * | 2017-01-06 | 2020-09-01 | 厦门美图之家科技有限公司 | 一种图像智能选区方法、装置和计算设备 |
| CN109005458A (zh) * | 2018-09-27 | 2018-12-14 | 上海东方传媒技术有限公司 | 一种图像花屏检测方法及装置 |
| CN109005458B (zh) * | 2018-09-27 | 2021-02-23 | 上海东方传媒技术有限公司 | 一种图像花屏检测方法及装置 |
| CN113469916A (zh) * | 2021-07-13 | 2021-10-01 | 郑州轻工业大学 | 一种彩色图像边缘提取的方法 |
| CN114022505A (zh) * | 2021-11-11 | 2022-02-08 | 黑龙江工程学院 | 一种彩色图像边缘检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200470B (zh) | 一种蓝屏抠图方法 | |
| CN103035000A (zh) | 一种基于cnn的彩色图像边缘提取方法 | |
| CN105488758B (zh) | 一种基于内容感知的图像缩放方法 | |
| CN108932493B (zh) | 一种面部皮肤质量评价方法 | |
| CN106780311B (zh) | 一种结合皮肤粗糙度的快速人脸图像美化方法 | |
| CN107610093B (zh) | 基于相似性特征融合的全参考型图像质量评价方法 | |
| CN104537634B (zh) | 动态图像中去除雨滴影响的方法和系统 | |
| CN104966285A (zh) | 一种显著性区域的检测方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN101945257A (zh) | 基于监控视频内容提取车辆底盘图像的合成方法 | |
| CN103020933A (zh) | 一种基于仿生视觉机理的多源图像融合方法 | |
| CN103489204A (zh) | 一种二维彩色铅笔画自动绘制方法 | |
| Xu et al. | Robust motion compensation for event cameras with smooth constraint | |
| CN109272503A (zh) | 一种基于最大熵与dbscan相融合的毛羽检测算法 | |
| CN104992448B (zh) | 机器人防损伤采摘葡萄的自动定位方法 | |
| CN104637036A (zh) | 一种中国古画增强方法 | |
| CN108038458B (zh) | 基于特征摘要图的视频中的户外场景文本自动获取方法 | |
| Luo et al. | A virtual-real occlusion method based on gpu acceleration for mr | |
| CN104732487B (zh) | 一种图像对比度增强方法及系统 | |
| Chen et al. | An enhanced adaptive Sobel edge detector based on improved genetic algorithm and non-maximum suppression | |
| CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
| CN103632373B (zh) | 一种三帧差分高阶统计量结合otsu算法的絮体检测方法 | |
| CN103136530A (zh) | 在复杂工业环境下的视频图像中自动识别目标图像的方法 | |
| Wang et al. | A color-texture segmentation method to extract tree image in complex scene | |
| Yu et al. | A hybrid color matching between stereo image sequences |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130410 |