CN108510509A - 基于尺度空间的图像边缘检测方法 - Google Patents
基于尺度空间的图像边缘检测方法 Download PDFInfo
- Publication number
- CN108510509A CN108510509A CN201710101358.7A CN201710101358A CN108510509A CN 108510509 A CN108510509 A CN 108510509A CN 201710101358 A CN201710101358 A CN 201710101358A CN 108510509 A CN108510509 A CN 108510509A
- Authority
- CN
- China
- Prior art keywords
- edge
- scale
- points
- target object
- point
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000717 retained effect Effects 0.000 claims abstract description 4
- 238000003708 edge detection Methods 0.000 claims description 22
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims 1
- 238000009499 grossing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明公开了一种基于尺度空间的图像边缘检测方法，包括以下步骤：S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；S1‑1：求指导边缘及其发现方向分布图；S1‑2：求不同尺度下的边缘图与相关分布图；S1‑3：挑选属于目标对象的边缘点；S1‑4：确定最佳尺度；S2：挑选边缘点，在最佳尺度下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：S2‑1：求多个尺度下的边缘图与相关分布图；S2‑2：求边缘强度累计图
Description
技术领域
本发明具体涉及一种基于尺度空间的图像边缘检测方法。
背景技术
图像中的边缘点是梯度模在梯度方向上的极大值点，边缘点的梯度模值代表了该点的边缘属性的强度，称为该点的边缘强度。
图像的边缘检测经常会受到来自细微结构、噪声、弱边缘（边缘强度较弱）等的干扰。噪声边缘与弱边缘会将目标边缘淹没，内部细微结构则可能将目标边缘割裂成自身的边缘。为此，Sobel、Canny等算子在进行边缘检测之前一般需要对图像进行平滑预处理，但当干扰较为强烈，尤其是细微结构干扰时，小尺度的平滑处理无法起到有效的抑制作用，而大尺度的平滑会降低目标边缘的位置精度，甚至导致目标边缘的断裂。
发明内容
本发明要解决的技术问题是提供一种基于尺度空间的图像边缘检测方法。
基于尺度空间的图像边缘检测方法，包括以下步骤：
S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度；
S2：挑选边缘点，在最佳尺度下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
进一步的，指导边缘及其发现方向分布图的求取方法如下：
1）建立原始灰度图像的高斯金字塔与边缘图金字塔，由经过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图，将其作为指导边缘，对应的尺度因子即为；
3）求取所有边缘点在中对应点的梯度方向，绘制成指导边缘法线方向分布图。
进一步的，不同尺度下的边缘图与相关分布图的求取方法如下：
1）最佳尺度因子的范围为，故从开始，令，得到尺度因子序列；
2）求取原始灰度图在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行倍的下采样，使其尺寸缩小为的，为对应的尺度因子，这样便得到规范化的灰度图序列；
3）求取各个尺度下的边缘图、边缘法线方向分布图、边缘强度分布图。
进一步的，挑选属于目标对象的边缘点的具体方法如下：
遍历中的所有边缘点，当以下两个条件都成立时，可认为上的边缘点属于目标对象边缘；
1）在中点的8邻域内也存在边缘点，即为；
2）、对应的边缘法线方向、满足；
此过程得到的目标对象边缘图即为。
进一步的，确定最佳尺度的具体方法如下：
1）利用边缘强度分布图查询中每个点的边缘强度，该尺度下目标对象的边缘点平均强度表示为：
；
式中，为中第n个边缘点的边缘强度，N为中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布，中最大值对应的尺度即为表达目标对象边缘的最佳尺度，即，
。
进一步的，多个尺度下的边缘图与相关分布图的求取方法如下：
1）以为起始尺度重新建立尺度序列，
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达，并通过Canny边缘检测算子求出对应的边缘图像、边缘强度分布图、边缘点法线方向分布图。
进一步的，边缘强度累计图的求取方法如下：
1）对进行模糊，，具体做法是是在每个边缘点的法线方向上，以该边缘点为中心放置一个一维高斯分布，高斯分布的标准差为0.6、宽度为3、高度为该边缘点的边缘强度；这样就得到模糊边缘强度分布图；
2）将插值到与一样的尺寸后叠加，得到边缘强度累计图，
，
式中，为插值后的模糊边缘强度分布图。
进一步的，挑选边缘点的具体方法如下：
设定边缘强度阈值，其中，对上的每个边缘点，在中搜索该点对应的累计边缘强度，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1）；
2），且在8邻域内有已确定的目标对象边缘点；
设
，
其中，为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
本发明的有益效果是：
本发明方法的抗干扰性能强，目标对象边缘稳定，能够在尽量少的平滑预处理下提取目标对象边缘，保证边缘的位置精度。相对于传统的尺度空间边缘检测方法，该方法能离线确定最佳尺度，运算效率高，且不受边缘数量限制。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
基于尺度空间的图像边缘检测方法，包括以下步骤：
S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度；
S2：挑选边缘点，在最佳尺度下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
指导边缘及其发现方向分布图的求取方法如下：
1）建立原始灰度图像的高斯金字塔与边缘图金字塔，由经过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图，将其作为指导边缘，对应的尺度因子即为；
3）求取所有边缘点在中对应点的梯度方向，绘制成指导边缘法线方向分布图。
不同尺度下的边缘图与相关分布图的求取方法如下：
1）最佳尺度因子的范围为，故从开始，令，得到尺度因子序列；
2）求取原始灰度图在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行倍的下采样，使其尺寸缩小为的，为对应的尺度因子，这样便得到规范化的灰度图序列；
3）求取各个尺度下的边缘图、边缘法线方向分布图、边缘强度分布图。
挑选属于目标对象的边缘点的具体方法如下：
遍历中的所有边缘点，当以下两个条件都成立时，可认为上的边缘点属于目标对象边缘；
1）在中点的8邻域内也存在边缘点，即为；
2）、对应的边缘法线方向、满足；
此过程得到的目标对象边缘图即为。
确定最佳尺度的具体方法如下：
1）利用边缘强度分布图查询中每个点的边缘强度，该尺度下目标对象的边缘点平均强度表示为：
；
式中，为中第n个边缘点的边缘强度，N为中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布，中最大值对应的尺度即为表达目标对象边缘的最佳尺度，即，
。
多个尺度下的边缘图与相关分布图的求取方法如下：
1）以为起始尺度重新建立尺度序列，
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达，并通过Canny边缘检测算子求出对应的边缘图像、边缘强度分布图、边缘点法线方向分布图。
边缘强度累计图的求取方法如下：
1）对进行模糊，，具体做法是是在每个边缘点的法线方向上，以该边缘点为中心放置一个一维高斯分布，高斯分布的标准差为0.6、宽度为3、高度为该边缘点的边缘强度；这样就得到模糊边缘强度分布图；
2）将插值到与一样的尺寸后叠加，得到边缘强度累计图，
，
式中，为插值后的模糊边缘强度分布图。
挑选边缘点的具体方法如下：
设定边缘强度阈值，其中，对上的每个边缘点，在中搜索该点对应的累计边缘强度，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1）；
2），且在8邻域内有已确定的目标对象边缘点；
设
，
其中，为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
Claims (8)
1.基于尺度空间的图像边缘检测方法，其特征在于，包括以下步骤：
S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度；
S2：挑选边缘点，在最佳尺度下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
2.根据权利要求1所述的图像边缘检测方法，其特征在于，指导边缘及其发现方向分布图的求取方法如下：
1）建立原始灰度图像的高斯金字塔与边缘图金字塔，由经过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图，将其作为指导边缘，对应的尺度因子即为；
3）求取所有边缘点在中对应点的梯度方向，绘制成指导边缘法线方向分布图。
3.根据权利要求1所述的图像边缘检测方法，其特征在于，不同尺度下的边缘图与相关分布图的求取方法如下：
1）最佳尺度因子的范围为，故从开始，令，得到尺度因子序列；
2）求取原始灰度图在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行倍的下采样，使其尺寸缩小为的，为对应的尺度因子，这样便得到规范化的灰度图序列；
3）求取各个尺度下的边缘图、边缘法线方向分布图、边缘强度分布图。
4.根据权利要求1所述的图像边缘检测方法，其特征在于，挑选属于目标对象的边缘点的具体方法如下：
遍历中的所有边缘点，当以下两个条件都成立时，可认为上的边缘点属于目标对象边缘；
1）在中点的8邻域内也存在边缘点，即为；
2）、对应的边缘法线方向、满足；
此过程得到的目标对象边缘图即为。
5.根据权利要求1所述的图像边缘检测方法，其特征在于，确定最佳尺度的具体方法如下：
1）利用边缘强度分布图查询中每个点的边缘强度，该尺度下目标对象的边缘点平均强度表示为：
；
式中，为中第n个边缘点的边缘强度，N为中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布，中最大值对应的尺度即为表达目标对象边缘的最佳尺度，即，
。
6.根据权利要求1所述的图像边缘检测方法，其特征在于，多个尺度下的边缘图与相关分布图的求取方法如下：
1）以为起始尺度重新建立尺度序列，
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达，并通过Canny边缘检测算子求出对应的边缘图像、边缘强度分布图、边缘点法线方向分布图。
7.根据权利要求1所述的图像边缘检测方法，其特征在于，边缘强度累计图的求取方法如下：
1）对进行模糊，，具体做法是是在每个边缘点的法线方向上，以该边缘点为中心放置一个一维高斯分布，高斯分布的标准差为0.6、宽度为3、高度为该边缘点的边缘强度；这样就得到模糊边缘强度分布图；
2）将插值到与一样的尺寸后叠加，得到边缘强度累计图，
，
式中，为插值后的模糊边缘强度分布图。
8.根据权利要求1所述的图像边缘检测方法，其特征在于，挑选边缘点的具体方法如下：
设定边缘强度阈值，其中，对上的每个边缘点，在中搜索该点对应的累计边缘强度，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1）；
2），且在8邻域内有已确定的目标对象边缘点；
设
，
其中，为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710101358.7A CN108510509A (zh) | 2017-02-24 | 2017-02-24 | 基于尺度空间的图像边缘检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710101358.7A CN108510509A (zh) | 2017-02-24 | 2017-02-24 | 基于尺度空间的图像边缘检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108510509A true CN108510509A (zh) | 2018-09-07 |
Family
ID=63373700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710101358.7A Withdrawn CN108510509A (zh) | 2017-02-24 | 2017-02-24 | 基于尺度空间的图像边缘检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108510509A (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428408A (zh) * | 2013-07-18 | 2013-12-04 | 北京理工大学 | 一种适用于帧间的图像稳像方法 |
-
2017
- 2017-02-24 CN CN201710101358.7A patent/CN108510509A/zh not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428408A (zh) * | 2013-07-18 | 2013-12-04 | 北京理工大学 | 一种适用于帧间的图像稳像方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡跃明: "基于尺度空间边缘强度累计的边缘检测", 《华南理工大学学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
| CN111080529A (zh) | 一种加强鲁棒性的无人机航拍图像拼接方法 | |
| CN103759648B (zh) | 一种基于激光双目视觉的复杂角焊缝位置检测方法 | |
| CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
| CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
| CN101976436B (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
| CN105069799A (zh) | 一种角点定位方法及装置 | |
| CN104008542B (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
| CN104867160A (zh) | 一种用于摄像机内外参数标定的方向性标定靶标 | |
| CN110814465B (zh) | 一种自动焊接焊缝轮廓提取的通用方法 | |
| CN103106667A (zh) | 一种面向遮挡和场景变换的运动对象追踪方法 | |
| CN108447016B (zh) | 基于直线交点的光学图像和sar图像的匹配方法 | |
| CN104778707A (zh) | 一种改进广义Hough变换的电解电容检测方法 | |
| CN108830899B (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
| CN110689501B (zh) | 一种畸变校正方法、装置、电子设备及计算机可读存储介质 | |
| CN105184822A (zh) | 一种目标跟踪模板更新方法 | |
| CN114742820B (zh) | 一种基于深度学习的螺栓松动检测方法、系统及存储介质 | |
| CN102169581A (zh) | 一种基于特征向量的快速高精度鲁棒性匹配方法 | |
| CN109001757A (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
| CN105654423A (zh) | 基于区域的遥感图像配准方法 | |
| CN106709499A (zh) | 基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法 | |
| CN108898148A (zh) | 一种数字图像角点检测方法、系统及计算机可读存储介质 | |
| CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
| CN112907580B (zh) | 一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法 | |
| CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180907 |
|
| WW01 | Invention patent application withdrawn after publication |