CN110705375B - 一种面向噪声图像的骨架检测系统及检测方法 - Google Patents

Abstract

本发明公开了一种面向噪声图像的骨架检测系统及检测方法，包括多个骨架滤波器，每个骨架滤波器均具有零和性结构及反射对称性结构；多个骨架滤波器分别设置在笛卡尔坐标系的x‑y平面的n个方向，多个骨架滤波器采用旋转对称分布；本发明提供了通过采用具有零和性的骨架滤波器实现了对均匀噪声分布的过滤；采用反射对称性的骨架滤，实现了对不具有对称结构的噪声分布进行过滤；将多个骨架滤波器旋转对称设置，其中每个骨架滤波器内部两个对立方向的连接线的中心即为骨架点，进而实现了对噪声图像的骨架检测；结构简单，容易实现，对噪声图像骨架提取具有非常好的鲁棒性优势。

Description

一种面向噪声图像的骨架检测系统及检测方法

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种面向噪声图像的骨架检测系统及检测方法。

背景技术

物体骨架是一种基于物体结构的抽象表示方法，其存储了具体物体边界相等的中轴处的每个点，该距离为相关内侧球体的半径；骨架特征能够同时解释物体的结构信息以及各个部件的关联信息，在计算机视觉领域中具有广泛的研究。对于可变形物体中，骨架特征提供了一种简明有效的低维表示方法，同时能够应用在多种场景中，例如：物体识别和检索、自然场景文本检测、姿态估计、形状匹配、字符定位、医疗诊断及车道线检测等领域。骨架检测的主要难点在于对于图像噪声或物体边界变化非常敏感，即形状边界的微小扰动就会导致形成不稳定的骨架分支；现有技术中，骨架检测方法主要包括无监督方法以及监督学习方法；无监督骨架检测方法相比监督学习的优势在于不需要大量的人工劳力去标注数据。

在现有无监督骨架检测技术中，主要包括以下方法：1、通过使用偏微分方程从边缘强度函数计算伪距离图来提取骨架；2、用直线分割方法获得骨架，并用平均过程完成去噪处理；3、将骨架作为加权几何覆盖问题来完成骨架提取；4、用顺序蒙特卡罗方法在空间上追踪局部的带状几何形状结构和对称结构。

上述方法存在以下不足：1)从检测结果来看，上述方法在处理大量噪声图像时鲁棒性很差，提取的骨架图像中具有很多非相关信息；2)从检测原理来看，骨架特征在大脑视觉皮层中初级视觉层以及下颞皮层都有体现，并且人脑在大量噪声图像中可以非常鲁棒性地感知物体骨架；然而上述方法的原理在人脑神经网络结构中都没有找到对应关系的依据。

发明内容

针对现有技术中存在的技术问题，本发明提供了一种面向噪声图像的骨架检测系统及检测方法，以解决现有技术中处理大量噪声图像时鲁棒性差，提取的骨架图像中具有很多非相关信息的技术问题。

为达到上述目的，本发明采用的技术方案为：

本发明提供了一种面向噪声图像的骨架检测系统，包括多个骨架滤波器，每个骨架滤波器均具有零和性结构及反射对称性结构；多个骨架滤波器分别设置在笛卡尔坐标系的x-y平面的n个方向，多个骨架滤波器采用旋转对称分布。

进一步的，每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个Gabor-like滤波器由一对正负高斯滤波器组成，其中，正的高斯滤波器位于中心位置，负的高斯滤波器位于环绕位置。

进一步的，每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个Gabor-like滤波器由一对正负高斯滤波器组成，其中，负的高斯滤波器位于中心位置，正的高斯滤波器位于环绕位置。

进一步的，同一中心位置有两个正的高斯滤波器或负的高斯滤波器时，采用加法操作进行合并。

进一步的，每个骨架滤波器中正负值之和为零。

进一步的，n-1个方向上的骨架滤波器通过一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；n个方向的方向区间为{0，π/n，...，(n-1)π/n}，其中，n为偶数，n＝8、16或32。

本发明还提供了一种面向噪声图像的骨架检测方法，所述的一种面向噪声图像的骨架检测系统，包括以下步骤：

步骤1、分别计算n个方向的骨架滤波器的卷积核权重；

步骤2、将每个方向的骨架滤波器的卷积核与待检测噪声图像进行卷积操作，获得n个方向骨架特征图；

步骤3、对n个方向骨架特征图进行非极大值抑制操作，使得每个像素位置只有一个方向的骨架点被保留，得到n个抑制后的方向骨架特征图；

步骤4、采用加法操作，将n个抑制后的方向骨架特征图合并为一个统一的骨架特征图；

步骤5、设定阈值threshold，并利用该阈值threshold对统一的骨架特征图进行过滤，得到过滤后骨架特征图；

步骤6、对步骤5得到的过滤后骨架特征图的图像通道进行检测，当过滤后的骨架特征图的图像通道剩余个数小于等于零时，得到合并多通道骨架特征图；

步骤7、对步骤6得到的合并多通道骨架特征图的分辨率进行检测，当合并多通道骨架特征图的图像分辨率剩余个数小于等于零时，得到合并多尺度骨架特征图。

进一步的，步骤6中，当过滤后骨架特征图的图像通道剩余个数大于零时，重复步骤2-5，得到合并多通道骨架特征图。

进一步的，步骤7中，当合并多通道骨架特征图中图像分辨率剩余个数大于零时，采用多分辨率方法进行骨架检测，其中，每个分辨率图像重复步骤2-6，得到合并多尺度骨架特征图。

进一步的，步骤7中，当合并多通道骨架特征图为低分辨率的骨架特征图时，采用双三次插值方法，上采样到待检测噪声图像的大小；然后，将多个分辨率图像得到的同样尺度的骨架特征图，采用加法操作合并，得到合并多尺度骨架特征图。

与现有技术相比，本发明的有益效果为：

本发明提供了一种面向噪声图像的骨架检测系统，通过将具有反射对称性的骨架滤波器旋转对称分布，形成具有自我对称结构的骨架检测系统；噪声图像中大部分噪声分布不具有对称结构，具有自我对称结构的骨架检测系统，实现了对不具有对称结构的噪声分布的过滤；每个骨架滤波器具有零和性结构，骨架滤波器内的正负值之和为零，具有零和性结构的骨架滤波器与噪声图像中剩余部分具有均匀结构的噪声分布进行卷积操作后等于零，从而达到了对剩余的均匀结构的噪声分布的过滤，进而实现了对待检测噪声图像的骨架检测；本发明结构简单，容易实现，同时对待检测噪声图像骨架提取具有非常好的鲁棒性优势。

进一步的，每个骨架滤波器采用一对相互对立方向的二维Gabor-like滤波器，实现了对噪声图像中物体的骨架点的获取；每个骨架滤波器内部结构中的单个Gabor-like滤波器可检测物体的边缘方向；检测物体的边缘方向的原理在于：每个Gabor-like滤波器由一对正负高斯滤波器组成，两个具有相反属性的高斯滤波器中间位置就是通过卷积操作后获得的绝对值最大值，即对应该物体的边缘方向。当两个相互对立方向的Gabor-like滤波器构成一个整体的骨架滤波器结构后，就可获得物体两个相互对立方向的边缘位置；根据骨架定义，两个对立方向连接线的中心位置就是骨架点，对应到骨架滤波器就是中心处的绝对值最大值位置。

进一步的，每个骨架滤波器采用二维Gabor-like滤波器，二维Gabor-like滤波器能够检测物体的边缘方向，一对具有相互对立方向的二维Gabor-like滤波器空间位置关系处于镜像关系形成，每个骨架滤波器具有高斯滤波器的内部结构，高斯滤波器可适当地光滑图像，因此可滤掉图像中明显的噪声。

进一步的，中心位置为两个高斯滤波器时，通过加法操作将其合并成一个同向的高斯滤波器。采用加法操作的目的是简单并容易实现达到合并的效果。

进一步的，每个方向的骨架滤波器中正负值之和为零时，确保了骨架滤波器卷积核内权重绝对值进行统一归一化，使其骨架滤波器的结构具有了零和特征；因此，噪声图像中的均匀噪声分布与具有零和性结构的骨架滤波器进行卷积操作后等于零，能够解决对均匀噪声的过滤。

进一步的，旋转对称的多个骨架滤波器通过一个骨架滤波器旋转获得，确保了多个骨架滤波器的旋转对称性；偶数个方向设置，可保证其具有对称性。方向区间中每个骨架滤波器都是只对对应的该方向进行检测，n值设置的越大，其方向区间越小，能够检测到的骨架点越精细。

本发明还提供了一种面向噪声图像的骨架检测方法，骨架检测过程中，只需要进行卷积、非极大值抑制与过滤操作；操作方法简单，效率高，处理速度快；采用卷积操作时，通过将每个骨架滤波器的卷积核与待检测的图像进行局部相关性计算，获得单个方向的骨架特征图。采用非极大值抑制操作时，需要将上述多个方向的骨架特征图进行合并，并保证获取局部单个方向的最大响应；过滤操作，即设定合适的阈值，达到保留大于阈值的值，去除小于阈值的值。小于阈值的值通常为噪声干扰信息，因此通过过滤操作可达到去除噪声的目的，进而实现对噪声图像的骨架提取。

附图说明

图1为本发明所述的一种面向噪声图像的骨架检测系统的一维结构示意图；

图2为本发明所述的一种面向噪声图像的骨架检测系统的二维结构示意图；

图3为本发明所述的一种面向噪声图像的骨架检测系统工作原理示意图；

图4为本发明所述的一种面向噪声图像的骨架检测方法流程图；

图5为本发明实施例1中待检测噪声图像与其对应的骨架特征图；

图6为本发明实施例2中待检测噪声图像与其对应的骨架特征图；

图7为本发明实施例3中待检测噪声图像与其对应的骨架特征图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

如附图1-2所示，本发明提供了一种面向噪声图像的骨架检测系统，包括多个骨架滤波器，每个骨架滤波器均具有零和性结构和反射对称性结构；每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个骨架滤波器内部结构中的Gabor-like滤波器能够实现对物体边缘方向的检测，根据几何原理，对立方向的两个二维Gabor-like滤波器的连接线的中心位置即为噪声图像的骨架点；每个Gabor-like滤波器由一对正负高斯滤波器组成；其中，正的高斯滤波器位于中心位置，负的高斯滤波器位于环绕位置；或负的高斯滤波器位于中心位置，正的高斯滤波器位于环绕位置；骨架滤波器的中心位置处的正高斯分布或负高斯分布的最大值位置，即为对立方向的两个二维Gabor-like滤波器的连接线的中心位置。当同一中心位置有两个正的高斯滤波器或负的高斯滤波器时，采用加法操作进行合并。

多个骨架滤波器分别设置在笛卡尔坐标系的x-y平面的n个方向，多个骨架滤波器采用旋转对称布置；n-1个方向上的骨架滤波器通过某一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；n个方向的方向区间为{0，π/n，...，(n-1)π/n}，其中，n为偶数，优选的n＝8、16或32；每个骨架滤波器中正负值之和为零。

如附图4所示，本发明还提供了一种面向噪声的骨架检测方法，包括以下步骤：

步骤1、分别计算n个方向的骨架滤波器的卷积核权重；

步骤2、将每个方向的骨架滤波器的卷积核与待检测噪声图像进行卷积操作，获得n个方向骨架特征图；

步骤3、对n个方向骨架特征图进行非极大值抑制操作，使得每个像素位置只有一个方向的骨架点被保留，得到n个抑制后的方向骨架特征图；

步骤4、采用加法操作，将n个抑制后的方向骨架特征图合并为一个统一的骨架特征图；

步骤5、设定阈值threshold，并利用该阈值threshold对统一的骨架特征图进行过滤，得到过滤后骨架特征图；

步骤6、对步骤5得到的过滤后骨架特征图的图像通道进行检测，当过滤后的骨架特征图的图像通道剩余个数小于等于零时，得到合并多通道骨架特征图；当过滤后骨架特征图的图像通道剩余个数大于零时，重复步骤2-5，得到合并多通道骨架特征图；

步骤7、对步骤6得到的合并多通道骨架特征图的分辨率进行检测，当合并多通道骨架特征图的图像分辨率剩余个数小于等于零时，得到合并多尺度骨架特征图；当合并多通道骨架特征图中图像分辨率剩余个数大于零时，采用多分辨率方法进行骨架检测，其中，每个分辨率图像重复步骤2-6，得到合并多尺度骨架特征图；

当合并多通道骨架特征图为低分辨率的骨架特征图时，采用双三次插值方法，上采样到待检测噪声图像的大小；然后，将多个分辨率图像得到的同样尺度的骨架特征图，采用加法操作合并，得到合并多尺度骨架特征图。

工作原理：

如附图3所示，本发明所述的一种面向噪声图像的骨架检测系统，每个骨架滤波器内部结构中的单个Gabor-like滤波器可检测物体的边缘方向，检测物体的边缘方向的原理在于：每个Gabor-like滤波器由一对正负高斯滤波器组成，在这两个具有相反属性的高斯滤波器中间位置就是通过卷积操作后获得的绝对值最大值，即对应该物体的边缘方向。距离图像中物体边缘相等的中轴处的所有点集合构成该物体的骨架特征图；因此，当两个相互对立方向的Gabor-like滤波器构成一个整体的骨架滤波器结构后，就可获得物体两个相互对立方向的边缘位置；进一步根据骨架定义，两个对立方向连接线的中心位置就是骨架点；对应到骨架滤波器就是中心处的绝对值最大值位置；通过将具有反射对称性的骨架滤波器旋转对称分布，形成具有自我对称结构的骨架检测系统；噪声图像中大部分噪声分布不具有对称结构，具有自我对称结构的骨架检测系统，实现了对不具有对称结构的噪声分布的过滤；每个骨架滤波器具有零和性结构，骨架滤波器内的正负值之和为零，具有零和性结构的骨架滤波器与噪声图像中剩余部分具有均匀结构的噪声分布进行卷积操作后等于零，从而达到了对剩余的均匀结构的噪声分布的过滤，进而实现了对待检测噪声图像的骨架检测；本发明结构简单，容易实现，同时对待检测噪声图像骨架提取具有非常好的鲁棒性优势。

实施例1

本发明所述的一种面向噪声图像的骨架检测系统，包括八个骨架滤波器，每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个Gabor-like滤波器由一对正负高斯滤波器组成，其中，正的高斯滤波器位于中心位置，负的高斯滤波器位于环绕位置，确保了每个骨架滤波器具有反射对称性；其中，每个骨架滤波器的绝对值进行统一归一化，使得每个骨架滤波器中正负之和为零，确保了每个骨架滤波器具有零和性结构。

八个骨架滤波器分别设置在笛卡尔坐标系x-y平面的八个方向，其中七个方向上的骨架滤波器通过一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；八个方向的方向区间为{0，π/8，...，7π/8}，实现了八个骨架滤波器的旋转对称性。

利用实施例1中所述的一种面向噪声图像的骨架检测系统，进行噪声图像骨架检测时，包括以下步骤：

步骤1、分别计算八个方向的骨架滤波器的卷积核权重；

步骤2、将每个方向的骨架滤波器的卷积核与待检测图像进行卷积操作，获得八个方向骨架特征图；卷积操作采用Y＝Wi Xi，其中，Wi就是卷积核权重，Xi就是待检测的噪声图像。

步骤3、对八个方向骨架特征图进行非极大值抑制操作，保留局部的最大值，使得每个像素位置只有一个方向的骨架点被保留，得到n个抑制后的方向骨架特征图；

步骤4、采用加法操作，将n个抑制后的方向骨架特征图合并为一个统一的骨架特征图；

步骤5、设定阈值threshold，阈值threshold的取值范围为(0，1)，并利用该阈值threshold对统一的骨架特征图进行过滤，得到过滤后骨架特征图；阈值threshold设置的越大，过滤掉的噪声也越多，但同时会丢失一些有用的信息，通常设置threshold＝0.1可得到一个很好的平衡效果；

步骤5、设定阈值threshold，并利用该阈值threshold对统一的骨架特征图进行过滤，得到过滤后骨架特征图；

步骤6、对步骤5得到的过滤后骨架特征图的图像通道进行检测，当过滤后的骨架特征图的图像通道剩余个数小于等于零时，得到合并多通道骨架特征图；当过滤后骨架特征图的图像通道剩余个数大于零时，重复步骤2-5，得到合并多通道骨架特征图；

步骤7、对步骤6得到的合并多通道骨架特征图的分辨率进行检测，当合并多通道骨架特征图的图像分辨率剩余个数小于等于零时，得到合并多尺度骨架特征图；当合并多通道骨架特征图中图像分辨率剩余个数大于零时，采用多分辨率方法进行骨架检测，其中，每个分辨率图像重复步骤2-6，得到合并多尺度骨架特征图；

当合并多通道骨架特征图为低分辨率的骨架特征图时，采用双三次插值方法，上采样到待检测噪声图像的大小；然后，将多个分辨率图像得到的同样尺度的骨架特征图，采用加法操作合并，得到合并多尺度骨架特征图。

利用实施例1中所述的骨架检测方法进行噪声图像检测时，得到的骨架特征图像如附图5所示，对待检测噪声图像中噪声干扰可以非常鲁棒性地处理，适用于待检测噪声图像中目标物体亮度高于背景的图像。

实施例2

实施例2与实施例1的原理基本相同，不同之处在于，实施例2中正的高斯滤波器位于中心位置，负的高斯滤波器位于环绕位置。

利用实施例1中所述的骨架检测方法进行噪声图像检测时，得到的骨架特征图像如附图6所示，对待检测噪声图像中噪声干扰可以非常鲁棒性地处理，适用于待检测噪声图像中目标物体亮度低于背景图像。

实施例3

当同一待检测噪声图像中存在目标物体亮度高于背景图像的部分，也存在目标物体亮度低于背景图像的部分，针对此待检测噪声图像，分别采用实施例1及实施例2进行处理后，将实施例1和实施例2获得的结果采用加法操作进行合并，实现对待检测噪声图像中存在目标物体亮度不一的噪声图像的处理。

利用实施例3中所述的骨架检测方法进行噪声图像检测时，得到的骨架特征图像如附图7所示，对待检测噪声图像中噪声干扰可以非常鲁棒性地处理，适用于各种情形的待检测噪声图像。

实施例4

实施例4与实施例1的原理基本相同，不同之处在于，实施例4中，所述一种面向噪声图像的骨架检测方法，包括16个骨架滤波器，16个骨架滤波器分别设置在笛卡尔坐标系x-y平面的16个方向，其中15个方向上的骨架滤波器通过一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；16个方向的方向区间为{0，π/16，...，15π/16}。

利用实施例4中所述的骨架检测方法进行噪声图像检测时，能够对待检测噪声图像中噪声干扰可以非常鲁棒性地处理，得到的骨架特征图像精准度较实施例3的结果高，计算时间与n的个数成正比，计算时间增加2倍。

实施例5

实施例5与实施例1的原理基本相同，不同之处在于，实施例5中，所述一种面向噪声图像的骨架检测方法，包括32个骨架滤波器，32个骨架滤波器分别设置在笛卡尔坐标系x-y平面的32个方向，其中31个方向上的骨架滤波器通过一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；32个方向的方向区间为{0，π/32，...，31π/32}

利用实施例5中所述的骨架检测方法进行噪声图像检测时，能够对待检测噪声图像中噪声干扰可以非常鲁棒性地处理，得到的骨架特征图像精准度较实施例4的结果更高，计算时间与n的个数成正比，其计算时间成倍增加。

本发明所述的一种面向噪声图像的骨架检测系统，具有零和自我对称结构的骨架滤波器能够检测物体骨架的原理在于：每个内部结构中的Gabor-like滤波器可检测物体的边缘方向，从几何原理来讲，两个对立方向连接线的中心位置就是骨架点；对应到骨架滤波器就是中心处的正高斯分布的最大值位置。

本发明中每个骨架滤波器的内部具有反射对称性，反射对称性是由内部一对相互对立方向的Gabor-like滤波器空间位置关系处于镜像关系形成的；多个骨架滤波器具有旋转对称性，其旋转对称性是由骨架滤波器通过在笛卡尔坐标系x-y平面内旋转偶数个方向形成的一组骨架滤波器构成的，确保了本发明所述的骨架检测系统具有自我对称结构，在噪声图像向，由于具有对称性的形状结构相应，噪声图像中大部分噪声分布不具有对称结构，从而实现了对不具有对称结构的噪声分布实现过滤。每个骨架滤波器结构内部正负值之和为零，是由骨架滤波器卷积核内权重绝对值进行统一归一化形成的。图像中部分噪声是均匀分布的，例如雨天条件下的图像。当这种均匀噪声分布与骨架滤波器进行卷积操作后等于零，从而达到了过滤这种均匀分布的噪声。本发明中拥有高斯滤波器的内部结构，高斯滤波器可适当地光滑图像，因此可滤掉图像中明显的噪声。本发明检测骨架过程中，只需要进行卷积和非极大值抑制操作。实现起来效率高，处理速度快。本发明方案合理，结构简单，容易实现，对噪声图像骨架提取具有非常好的鲁棒性优势。

本发明中随着n的增大，骨架滤波器的个数越多，对于图像中弯曲物体轮廓能够更精准地获取其对应的骨架点；但同时随着n的增大，方向骨架滤波器个数越多，计算时间与n成正比关系，因此会相应地增长；本发明具有很好的鲁棒性来自骨架滤波器的结构特征，随着n的增大，不会影响其鲁棒性。

以上所述仅表示本发明的优选实施方式，任何人在不脱离本发明的原理下而做出的结构变形、改进和润饰等，这些变形、改进和润饰等均视为在本发明的保护范围内。

Claims (7)

1.一种面向噪声图像的骨架检测系统，其特征在于，包括多个骨架滤波器，每个骨架滤波器均具有零和性结构及反射对称性结构；多个骨架滤波器分别设置在笛卡尔坐标系的x-y平面的n个方向，多个骨架滤波器采用旋转对称分布；

面向噪声图像的骨架检测方法，利用所述的一种面向噪声图像的骨架检测系统，包括以下步骤：

步骤1、分别计算n个方向的骨架滤波器的卷积核权重；

步骤2、将每个方向的骨架滤波器的卷积核与待检测噪声图像进行卷积操作，获得n个方向骨架特征图；

步骤3、对n个方向骨架特征图进行非极大值抑制操作，使得每个像素位置只有一个方向的骨架点被保留，得到n个抑制后的方向骨架特征图；

步骤4、采用加法操作，将n个抑制后的方向骨架特征图合并为一个统一的骨架特征图；

步骤5、设定阈值threshold，并利用该阈值threshold对统一的骨架特征图进行过滤，得到过滤后骨架特征图；

步骤6、对步骤5得到的过滤后骨架特征图的图像通道进行检测，当过滤后的骨架特征图的图像通道剩余个数小于等于零时，得到合并多通道骨架特征图；

步骤7、对步骤6得到的合并多通道骨架特征图的分辨率进行检测，当合并多通道骨架特征图的图像分辨率剩余个数小于等于零时，得到合并多尺度骨架特征图；

每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个Gabor-like滤波器由一对正负高斯滤波器组成，其中，正的高斯滤波器位于中心位置，负的高斯滤波器位于环绕位置；

或每个骨架滤波器包括一对具有相互对立方向的二维Gabor-like滤波器；每个Gabor-like滤波器由一对正负高斯滤波器组成，其中，负的高斯滤波器位于中心位置，正的高斯滤波器位于环绕位置。

2.根据权利要求1所述的一种面向噪声图像的骨架检测系统，其特征在于，同一中心位置有两个正的高斯滤波器或两个负的高斯滤波器时，采用加法操作进行合并。

3.根据权利要求1所述的一种面向噪声图像的骨架检测系统，其特征在于，每个骨架滤波器中正负值之和为零。

4.根据权利要求1所述的一种面向噪声图像的骨架检测系统，其特征在于，n-1个方向上的骨架滤波器通过一个方向上的骨架滤波器在笛卡尔坐标系的x-y平面内旋转获得；n个方向的方向区间为{0，π/n，...，(n-1)π/n}，其中，n＝8、16或32。

5.根据权利要求1所述的一种面向噪声图像的骨架检测系统，其特征在于，步骤6中，当过滤后骨架特征图的图像通道剩余个数大于零时，重复步骤2-5，得到合并多通道骨架特征图。

6.根据权利要求5所述的一种面向噪声图像的骨架检测系统，其特征在于，步骤7中，当合并多通道骨架特征图中图像分辨率剩余个数大于零时，采用多分辨率方法进行骨架检测，其中，每个分辨率图像重复步骤2-6，得到合并多尺度骨架特征图。

7.根据权利要求6所述的一种面向噪声图像的骨架检测系统，其特征在于，步骤7中，当合并多通道骨架特征图为低分辨率的骨架特征图时，采用双三次插值方法，上采样到待检测噪声图像的大小；然后，将多个分辨率图像得到的同样尺度的骨架特征图，采用加法操作合并，得到合并多尺度骨架特征图。

Images