CN1372226A - 一种检测图象边缘的独立边界自增强方法 - Google Patents

一种检测图象边缘的独立边界自增强方法 Download PDF

Info

Publication number
CN1372226A
CN1372226A CN 01106756 CN01106756A CN1372226A CN 1372226 A CN1372226 A CN 1372226A CN 01106756 CN01106756 CN 01106756 CN 01106756 A CN01106756 A CN 01106756A CN 1372226 A CN1372226 A CN 1372226A
Authority
CN
China
Prior art keywords
self
border
search
track
acquisition
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
Application number
CN 01106756
Other languages
English (en)
Inventor
郭雷
韩军伟
刘天明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN 01106756 priority Critical patent/CN1372226A/zh
Publication of CN1372226A publication Critical patent/CN1372226A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种检测图象边缘的独立边界自增强方法,用于图象的边界检测和边界增强。主要采用随机启发式搜索,利用边界搜索轨迹进行独立边界的自增强,以达到强化图象边界,提高图象边缘的正确识别。与松弛标记法相比,我们的方法进行了两点主要改进:1)利用边界搜索轨迹进行独立边界的自增强,而不是用固定的象素点领域作混乱的增强;2)用积累而不是用迭代。我们的方法中,边界的增强是基于各自的搜索轨迹。同一搜索轨迹上的各象素互相增强,我们称之为边界的自增强。采用独立边界自增强方法得到的边界图像边缘清晰,准确。

Description

一种检测图象边缘的独立边界自增强方法
本发明涉及一种检测图象边缘的独立边界自增强方法，用于图象的边界检测和边界增强。主要采用随机启发式搜索，利用边界搜索轨迹进行独立边界的自增强，以达到强化图象边界，提高图象边缘的正确识别。
目前，松弛标记法是一种广泛使用的边界增强和噪声抑制方法。它使用边界点的位置、梯度矢量、曲率等来初始化松弛网络象素的标记，然后在松弛过程中使用某些约束对象素标记重复修正，最后获得边界轮廓。然而许多学者发现：不同的独立边界曲线可能由于相距很近而彼此干扰；另外：迭代对利用边界的上下文信息有时并不有效，前面操作产生的错误标记将随着迭代过程而被放大和扩散，导致后续的迭代结果严重恶化；这种方法的一个致命弱点是会引起边界的粗化，尽管在S.W.Zucker，R.A.Hummel and A.Rosenfeld.An application of relaxation labeling to lineand curve enhancement.IEEE Trans.Computers，1977，26(4)：394-403.和J.S.Duncanand T.Birkholzor.Reinforcement of Linear Structure Using Parameterized RelaxationLabeling.IEEE Trans.Pattern Analysis and Machine Intelligence，1992，14：232-245.中作者提出了细化的方法，但是仍然无法准确的提取到正确的边界。
为了避免现有技术的不足之处，本发明提出了一种独立边界自增强累积算法。与松弛标记法相比，我们的方法进行了两点主要改进：1)利用边界搜索轨迹进行独立边界的自增强，而不是用固定的象素点领域作混乱的增强；2)用积累而不是用迭代。我们的方法中，边界的增强是基于各自的搜索轨迹。同一搜索轨迹上的各象素互相增强，我们称之为边界的自增强。
本发明思想的特征在于：算法的输入是原始提取的边界图象，输出是增强的边界图象。本方法主要由三个部分组成，第一部分是边界搜索(1)，提供边界曲线的轨迹；第二部分执行各搜索轨迹的自增强(2)；第三部分统计积累自增强的搜索轨迹(3)。边界搜索(1)的特征在于：a、采用随机启发式搜索，搜索轨迹是随机而不是固定的；b、搜索是由输入边界引导的，这使得搜索的轨迹在概率意义上与边界吻合；c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进行积累，一次搜索的结果对最终结果只产生微小的贡献。
执行各搜索轨迹的自增强(2)的特征在于：利用自己本身的上下文信息来增强自己，使得同一搜索轨迹上的各象素相互增强，这样，独立边界曲线自动区分增强，并且它们间没有干扰。
自增强的搜索轨迹统计(3)的特征在于：积累器是按象素位置设置的，位置积累器积累包含此象素的不同搜索轨迹。反复进行随机启发式搜索一直到积累器能够区别噪声和边界结构。
随机启发式搜索的特征在于：随机启发式搜索的过程包括三步：选择开始点(4)，选择扩展点(5)和决定终止点(6)。在选定开始点，作为搜索的开始点。终止点的选择与扩展点的选择一样。搜索扩展点是在一个一定的邻域内随机选择的，选择是根据邻域象素的边界幅值并满足曲线方向连续性约束。如果决定搜索轨迹上的一点为终止点，那么搜索就到此为止。
附图说明：
图1：独立边界自增强方法的框图。
图2：随机启发式搜索边界轨迹的流程图
图3：原始图像a
图4：加入强噪声后的边界图像
图5：独立边界增强方法得到的边界
图6：松弛法得到的边界图
图7：原始图像b
图8：独立边界自增强方法得到的边界图像1-边界搜索      2-执行各搜索轨迹的自增强    3-自增强的搜索轨迹统计4-选择开始点    5-选择扩展点     6-决定终止点
本发明将结合实施例(附图)作进一步描述：
实施例1：对图3所示的数码相机摄入的原始图像进行边界检测，图4是加入强高斯噪声边界检测后图像，图5是使用了独立边界自增强方法得到的边界图像。与图5相比较，图6是用原有的松弛法得到的图象边界，显然松弛法对噪声的抑制不够理想，对于强噪声图像处理无法令人满意，此外，出现了粗化边界的现象，无法提取真正的边界。而采用独立边界自增强方法得到的边界图像边缘清晰，准确。
实施例2：图7是一幅经常用于检测边界提取效果的图像，图8是使用了独立边界自增强方法提取的边界。
本发明相比现有技术的优点在于：
随机启发式搜索与轨迹自增强的统计积累的结合是核心技术。自增强操作是基于搜索轨迹进行的，因而，相互独立的边界曲线将被区分增强，干扰不会发生。随机启发式搜索和轨迹自增强是在原始的边界图象上反复的进行，噪声产生的错误不会随着反复地搜索和增强操作而被放大或扩散，统计积累机制使每一次增强对全部结果只起微小的贡献。这样实现了对由偶尔噪声产生的错误和噪声具有鲁棒性。整个独立边界自增强算法计算简单并自动收敛。

Claims (5)

1、一种检测图象边缘的独立边界自增强方法，其特征在于：算法的输入是原始提取的边界图象，输出是增强的边界图象；本方法主要由三个部分组成，第一部分是边界搜索(1)，提供边界曲线的轨迹；第二部分执行各搜索轨迹的自增强(2)；第三部分统计积累自增强的搜索轨迹(3)。
2、如权利要求1所述的一种检测图象边缘的独立边界自增强方法，边界搜索(1)的特征在于：a、采用随机启发式搜索，搜索轨迹是随机而不是固定的；b、搜索是由输入边界引导的，这使得搜索的轨迹在概率意义上与边界吻合；c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进行积累，一次搜索的结果对最终结果只产生微小的贡献。
3、如权利要求1或2所述的一种检测图象边缘的独立边界自增强方法，执行各搜索轨迹的自增强(2)的特征在于：利用自己本身的上下文信息来增强自己，使得同一搜索轨迹上的各象素相互增强，这样，独立边界曲线自动区分增强，并且它们间没有干扰。
4、如权利要求1或2所述的一种检测图象边缘的独立边界自增强方法，自增强的搜索轨迹统计(3)的特征在于：积累器是按象素位置设置的，位置积累器积累包含此象素的不同搜索轨迹。反复进行随机启发式搜索一直到积累器能够区别噪声和边界结构。
5、如权利要求1或2所述的一种检测图象边缘的独立边界自增强方法，随机启发式搜索的特征在于：随机启发式搜索的过程包括三步：选择开始点(4)，选择扩展点(5)和决定终止点(6)。
CN 01106756 2001-02-21 2001-02-21 一种检测图象边缘的独立边界自增强方法 Pending CN1372226A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 01106756 CN1372226A (zh) 2001-02-21 2001-02-21 一种检测图象边缘的独立边界自增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 01106756 CN1372226A (zh) 2001-02-21 2001-02-21 一种检测图象边缘的独立边界自增强方法

Publications (1)

Publication Number Publication Date
CN1372226A true CN1372226A (zh) 2002-10-02

Family

ID=4655730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 01106756 Pending CN1372226A (zh) 2001-02-21 2001-02-21 一种检测图象边缘的独立边界自增强方法

Country Status (1)

Country Link
CN (1) CN1372226A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100428271C (zh) * 2005-09-22 2008-10-22 夏普株式会社 图像判定方法、图像处理装置以及图像输出装置
CN100458847C (zh) * 2005-06-15 2009-02-04 华为技术有限公司 一种数字图像边缘信息提取方法
CN101287133B (zh) * 2007-09-14 2010-06-23 西北工业大学 数字匀称方位张量滤波方法
CN108828681A (zh) * 2018-08-01 2018-11-16 中国石油天然气集团有限公司 地层电阻率和极化率的确定方法和装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100458847C (zh) * 2005-06-15 2009-02-04 华为技术有限公司 一种数字图像边缘信息提取方法
CN100428271C (zh) * 2005-09-22 2008-10-22 夏普株式会社 图像判定方法、图像处理装置以及图像输出装置
CN101287133B (zh) * 2007-09-14 2010-06-23 西北工业大学 数字匀称方位张量滤波方法
CN108828681A (zh) * 2018-08-01 2018-11-16 中国石油天然气集团有限公司 地层电阻率和极化率的确定方法和装置
CN108828681B (zh) * 2018-08-01 2020-01-07 中国石油天然气集团有限公司 地层电阻率和极化率的确定方法和装置

Similar Documents

Publication Publication Date Title
Yu et al. Trajectory-based ball detection and tracking in broadcast soccer video
Lyu et al. A comprehensive method for multilingual video text detection, localization, and extraction
Yang et al. Lecture video indexing and analysis using video ocr technology
CN103646247B (zh) 一种乐谱识别方法
CN103208004A (zh) 票据信息区域自动识别和提取方法及设备
CN101515325A (zh) 基于字符切分和颜色聚类的数字视频中的字符提取方法
US20150319373A1 (en) Method and device to compose an image by eliminating one or more moving objects
US9898683B2 (en) Robust method for tracing lines of table
CN110956088A (zh) 基于深度学习的交叠文本行定位分割方法及系统
CN101106716A (zh) 一种分水岭图象分割处理方法
CN110163055A (zh) 手势识别方法、装置和计算机设备
Kim et al. Deep-learning based web UI automatic programming
CN1372226A (zh) 一种检测图象边缘的独立边界自增强方法
Leon et al. Region-based caption text extraction
Seeri et al. A novel approach for Kannada text extraction
Jin et al. Object-based video forgery detection via dual-stream networks
CN114241490A (zh) 基于笔画扰动与后处理的手写体识别模型性能的提升方法
CN105989351B (zh) 一种指纹图像背景分割的方法
Liang et al. Video2Cartoon: A system for converting broadcast soccer video into 3D cartoon animation
CN103778398B (zh) 图像模糊度估计方法
Ionescu et al. Dissolve detection in abstract video contents
Dang et al. Replay detection based on semi-automatic logo template sequence extraction in sports video
Meng et al. TV commercial detection based on shot change and text extraction
CN110097065A (zh) 一种基于FreeMan链码的直线检测方法及终端
Nhat et al. Adaptive line fitting for staff detection in handwritten music score images

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