CN106651892A - 一种边缘检测方法 - Google Patents

Abstract

本发明涉及一种边缘检测方法。包括如下步骤：步骤1，进行基于各向异性热扩散方程的预处理；步骤2，初始化活动轮廓和迭代次数；步骤3，构造能量函数；步骤4，迭代计算活动轮廓中的所有像素点的能量函数；步骤5，边缘输出。能够准确的提取物体边缘，可以应用于目标识别等领域。

Description

一种边缘检测方法

技术领域

本发明涉及一种数字图像处理领域，具体说是一种边缘检测方法。

背景技术

边缘是图像最基本的特征。Marr的视觉计算理论把边缘图像的获取看作视觉的早期阶段，亦即整个视觉过程的起点。对人类视觉系统的研究表明,图像的边缘特别重要，往往仅凭一条粗略的轮廓线就能识别出一个物体，故图像的边缘具有丰富的信息。因此，图像边缘提取技术一直是图像处理与模式识别的重要环节,并在诸多领域得到了广泛的应用。纵观图像处理技术的发展进程，边缘提取技术的新理论、新方法不断涌现，诸如边缘跟踪法、基于像素领域构造的边缘检测算子，如常用的梯度算子、Laplace算子等。近几年来在此领域又出现了数学形态学、小波分析、BP神经网络等图像处理新技术，极大地促进了数字图像边缘提取技术的发展。但就己发表的成果来看，这些方法还存在以下问题：

(1)计算复杂度较大，难以达到实时处理；

(2)对数据源的要求较严格，对于边缘不显著的物体，提取效果不好。

发明内容

本发明提供了一种边缘检测方法，通过构造能量函数，运用迭代计算的方式，模拟曲线受力过程，使提取的边缘最大限度地保持与实际边缘一致，方法的计算量小，输出结果可靠。

为实现本发明的目标所采用的技术方案是：方法包括以下步骤：

步骤1：为了在去除噪声的同时保留边缘信息，对输入图像I₀进行基于各向异性热扩散方程的预处理，得到预处理图像I₁；

步骤2：在预处理图像I₁中初始化活动轮廓C和迭代次数T₀；

步骤3：构造能量函数F，F由膨胀因子F_b、平滑因子F_s和收缩因子F_c三个部分组成，F＝F_b+F_s+F_c，膨胀因子F_b的迭代表达式采用如下公式：

式(1)，DIL_d为膨胀操作符，为第t次迭代后的膨胀因子，为第t+1次迭代后的膨胀因子，为像素点(x,y)在第t次迭代后的灰度取值，sign为像素点(x,y)处的梯度方向，ERO_d为腐蚀操作符，T₁为灰度阈值；

平滑因子F_s的迭代表达式采用如下公式：

式(2)，为第t次迭代后的平滑因子，为第t+1次迭代后的平滑因子，符号为数学形态学的开运算操作符，SE₁为长度为三个像素点的直线结构元素集合，SE₂为包含于8邻域的结构元素集合，T₂为灰度阈值；

收缩因子F_c的迭代表达式采用如下公式：

式(3)，为第t次迭代后的收缩因子，为第t+1次迭代后的收缩因子，T₃为灰度阈值；

步骤4：迭代计算步骤2中活动轮廓C的所有像素点的能量函数F，直到迭代次数为T₀；

步骤5：将第T₀次迭代后的活动轮廓C_T作为边缘输出。

所述的基于各向异性热扩散方程的预处理方法采用如下公式：

式(4)，为像素点(x,y)在第t次迭代后的灰度取值，为像素点(x,y)在第t+1次迭代后的灰度取值，k和λ均为平滑控制系数，取值越大,越不易保留边缘； 和分别表示在上、下、左、右四个方向上对像素点(x,y)求偏导，取值越大，即变化较大，表示像素点(x,y)位于边缘的可能性越大；和分别表示上、下、左、右四个方向上的导热系数，取值越小，即方向变化越大，越有利于保留边界边缘。

本发明的有益效果是：能够准确的提取物体边缘，可以应用于目标识别等领域。

附图说明

图1是本发明的总体处理流程图。

具体实施方式

下面结合附图详细描述本发明的具体实施方式。

图1是本发明的总体处理流程图：

在步骤101，输入待处理图像I₀。

在步骤102，对步骤101的待处理图像I₀进行基于各向异性热扩散方程的预处理，得到预处理图像I₁，基于各向异性热扩散方程的预处理方法采用如下公式：

式(5)，为像素点(x,y)在第t次迭代后的灰度取值，为像素点(x,y)在第t+1次迭代后的灰度取值，k和λ均为平滑控制系数，取值越大,越不易保留边缘； 和分别表示在上、下、左、右四个方向上对像素点(x，y)求偏导，取值越大，即变化较大，表示像素点(x，y)位于边缘的可能性越大；和分别表示上、下、左、右四个方向上的导热系数，取值越小，即方向变化越大，越有利于保留边界边缘。

在步骤103，在步骤102中的预处理图像I₁中初始化活动轮廓C和设置迭代次数T₀，经反复试验，将活动轮廓C设定为以图像中心为圆心，图像短边长为直径的圆，将T₀设定为20。

在步骤104，构造能量函数F，F由膨胀因子F_b、平滑因子F_s和收缩因子F_c三个部分组成，F＝F_b+F_s+F_c，膨胀因子F_b的迭代表达式采用如下公式：

式(6)，为第t次迭代后的膨胀因子，为第t+1次迭代后的膨胀因子，为像素点(x,y)在第t次迭代后的灰度取值，sign为像素点(x,y)处的梯度方向，DIL_d为膨胀操作符，ERO_d为腐蚀操作符，T₁为灰度阈值，平滑因子F_s的迭代表达式采用如下公式：

式(7)，为第t次迭代后的平滑因子，为第t+1次迭代后的平滑因子，符号为数学形态学的开运算操作符，SE₁为长度为三个像素点的直线结构元素集合，SE₂为包含于8邻域的结构元素集合，T₂为灰度阈值，收缩因子F_c的迭代表达式采用如下公式：

式(8)，为第t次迭代后的收缩因子，为第t+1次迭代后的收缩因子，T₃为灰度阈值；。

在步骤105，迭代计算步骤103中活动轮廓C的所有像素点的能量函数F，直到迭代次数为T₀。

在步骤106，将第T₀次迭代后的活动轮廓C_T作为边缘输出。

经试验，步骤104中的阈值T₁、T₂和T₃分别设置为120、150和180。

Claims (5)

1.一种边缘检测方法，其特征在于包括以下步骤：

步骤1：为了在去除噪声的同时保留边缘信息，对输入图像I₀进行基于各向异性热扩散方程的预处理，得到预处理图像I₁；

步骤2：在预处理图像I₁中初始化活动轮廓C和迭代次数T₀；

步骤3：构造能量函数F，F由膨胀因子F_b、平滑因子F_s和收缩因子F_c三个部分组成，F＝F_b+F_s+F_c；

步骤4：迭代计算步骤2中活动轮廓C的所有像素点的能量函数F，直到迭代次数为T₀；

步骤5：将第T₀次迭代后的活动轮廓C_T作为边缘输出。

2.根据权利要求1所述的一种边缘检测方法，其特征在于所述的膨胀因子F_b的迭代表达式采用如下公式：

式(1)，为第t次迭代后的膨胀因子，为第t+1次迭代后的膨胀因子，为像素点(x,y)在第t次迭代后的灰度取值，sign为像素点(x,y)处的梯度方向，DIL_d为膨胀操作符，ERO_d为腐蚀操作符，T₁为灰度阈值。

3.根据权利要求1所述的一种边缘检测方法，其特征在于所述的平滑因子F_s的迭代表达式采用如下公式：

式(2)，为第t次迭代后的平滑因子，为第t+1次迭代后的平滑因子，符号为数学形态学的开运算操作符，SE₁为长度为三个像素点的直线结构元素集合，SE₂为包含于8邻域的结构元素集合，T₂为灰度阈值。

4.根据权利要求1所述的一种边缘检测方法，其特征在于所述的收缩因子F_c的迭代表达式采用如下公式：

式(3)，为第t次迭代后的收缩因子，为第t+1次迭代后的收缩因子，T₃为灰度阈值。

5.根据权利要求1所述的一种边缘检测方法，其特征在于基于各向异性热扩散方程的预处理方法采用如下公式：

$I_{x,y}^{t+1}=I_{x,y}^t+\mathrm{\λ}\left({\mathrm{cN}}_{x,y}{\▿}_N\right(I_{x,y}^t)+{\mathrm{cS}}_{x,y}{\▿}_S(I_{x,y}^t)+{\mathrm{cE}}_{x,y}{\▿}_E(I_{x,y}^t)+{\mathrm{cW}}_{x,y}{\▿}_W(I_{x,y}^t\left)\right)---\left(4\right)$

式(4)，为像素点(x,y)在第t次迭代后的灰度取值，为像素点(x,y)在第t+1次迭代后的灰度取值，k和λ均为平滑控制系数；和分别表示在上、下、左、右四个方向上对像素点(x,y)求偏导；

和分别表示上、下、左、右四个方向上的导热系数。