基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法
【專利摘要】本發(fā)明公開了一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，屬于計算機視覺和圖像處理【技術(shù)領(lǐng)域】。該方法包括以下步驟：步驟一：將RGB圖像轉(zhuǎn)換為無向加權(quán)網(wǎng)絡(luò)；步驟二：計算網(wǎng)絡(luò)中每個節(jié)點的分形維數(shù)；步驟三：根據(jù)網(wǎng)絡(luò)中各節(jié)點的局部維數(shù)識別圖像邊緣。該方法具有以下優(yōu)點：1、抗噪波能力強，對含強噪波圖像仍能有效的進行邊緣檢測，具有較高的信噪比。2、對漸變背景的辨別能力強，對含漸變背景的圖像能有效的進行邊緣檢測，具有較高的信噪比。3、無論是在模擬圖像還是真實圖像中均有較好的效果。
【專利說明】基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機視覺和圖像處理【技術(shù)領(lǐng)域】，涉及一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法。
【背景技術(shù)】
[0002]邊緣是圖像最重要的特征之一，對應(yīng)圖像灰度劇烈變化的地方。隨著信息技術(shù)的發(fā)展，邊緣檢測成為了圖像處理和計算機視覺中的一項基礎(chǔ)內(nèi)容。邊緣檢測的目的是識別數(shù)字圖像中亮點變化明顯的點，在圖像處理的眾多領(lǐng)域均有應(yīng)用，其常用于圖形分割、物體識別、特征提取等領(lǐng)域。圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。
[0003]有許多用于邊緣檢測的方法，它們的絕大部分可以劃分為兩類:基于搜索的一類和基于零點的一類。基于搜索的方法是通過尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向?；诨叶鹊乃阉魇窃擃惙椒ǖ膹V泛應(yīng)用之一，然而因為邊緣和噪波均與灰度劇烈變化處對應(yīng)，所以基于搜索式的邊緣檢測方法對噪波敏感，從而對含有噪波的圖像邊緣檢測效果不佳。
[0004]基于零點的方法是通過尋找圖像二階導(dǎo)數(shù)零點來尋找邊界。該方法中常用的算法為Canny算子，給出了評價邊緣檢測性能優(yōu)劣的指標(biāo):1、好的信噪比，即將非邊緣點判定為邊緣點的概率要低，將邊緣點判為非邊緣點的概率要低；2、高的定位性能，即檢測出的邊緣點要盡可能在實際邊緣的中心；3、單一邊緣僅有唯一響應(yīng)，即單個邊緣產(chǎn)生多個響應(yīng)的概率要低，并且虛假響應(yīng)邊緣應(yīng)該得到最大抑制。即便如此，Canny依舊存在一些問題:在圖像含有漸變背景或者模擬圖像含強噪波時，Canny不能找到正確的圖像邊緣。此外，小波變換作為圖像的邊緣檢測方法被提出并廣泛應(yīng)用，其最重要的特征在于能對空間(時間)和頻率進行局部變換。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明的目的在于針對現(xiàn)有圖像邊緣檢測方法中存在的抗噪波能力弱、對含有漸變背景圖像的邊緣檢測不到位等問題，提出了一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，該方法根據(jù)邊緣檢測性能優(yōu)劣的三個指標(biāo)，采用將圖像轉(zhuǎn)換為網(wǎng)絡(luò)的節(jié)點分形維數(shù)邊緣檢測方法，使圖像的邊緣檢測無論是在模擬還是真實圖像中均有較好的檢測效果。
[0006]為達到上述目的，本發(fā)明提供如下技術(shù)方案:
[0007]一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，包括以下步驟:步驟一:將RGB圖像轉(zhuǎn)換為無向加權(quán)網(wǎng)絡(luò)；步驟二:計算網(wǎng)絡(luò)中每個節(jié)點的分形維數(shù)；步驟三:根據(jù)網(wǎng)絡(luò)中各節(jié)點的局部維數(shù)識別圖像邊緣。
[0008]進一步，在步驟一中，將圖像像素視為網(wǎng)絡(luò)節(jié)點，用邊連接圖像相鄰像素，邊的權(quán)重通過成對節(jié)點的RGB值的計算獲得。[0009]進一步，在步驟一中具體包括:用節(jié)點代替圖像像素，構(gòu)造網(wǎng)絡(luò)G = (V，E，W)，V表示節(jié)點，E表示邊(連接成對相鄰像素)，W表示邊的權(quán)重wk，利用以下公式計算Wk:
【權(quán)利要求】
1.一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:包括以下步驟: 步驟一:將RGB圖像轉(zhuǎn)換為無向加權(quán)網(wǎng)絡(luò)； 步驟二:計算網(wǎng)絡(luò)中每個節(jié)點的分形維數(shù)； 步驟三:根據(jù)網(wǎng)絡(luò)中各節(jié)點的局部維數(shù)識別圖像邊緣。
2.根據(jù)權(quán)利要求1所述的一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:在步驟一中，將圖像像素視為網(wǎng)絡(luò)節(jié)點，邊連接圖像相鄰像素，邊的權(quán)重通過對成對節(jié)點的RGB值的計算獲得。
3.根據(jù)權(quán)利要求2所述的一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:在步驟一中具體包括:用節(jié)點代替圖像像素，構(gòu)造網(wǎng)絡(luò)G = (V，E，W)，V表示節(jié)點，E表示邊，W表示邊的權(quán)重wk，利用以下公式計算Wk:
4.根據(jù)權(quán)利要求3所述的一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:在步驟二中，基于hausdorff的盒覆蓋局部維數(shù)理論及盒覆蓋算法，利用以下公式分別計算每個節(jié)點V的分形維數(shù):
5.根據(jù)權(quán)利要求4所述的一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:在步驟三中，根據(jù)得到的各節(jié)點分形維數(shù)，利用以下公式計算網(wǎng)絡(luò)G的分形維數(shù):
D {d” 0-2 y dg,...，dn} ο
6.根據(jù)權(quán)利要求4所述的一種基于網(wǎng)絡(luò)節(jié)點分形維數(shù)的圖像邊緣檢測方法，其特征在于:在步驟三中，根據(jù)網(wǎng)絡(luò)G的分形維數(shù)，通過判斷邊緣的節(jié)點分形維數(shù)明顯小于其他的節(jié)點維數(shù)，且邊緣的節(jié)點維數(shù)在所有環(huán)境中，即使顏色不同，亮度不同，均可以被識別，從而實現(xiàn)對圖像的邊緣進行檢測。
【文檔編號】G06K9/46GK103886614SQ201410147750
【公開日】2014年6月25日 申請日期:2014年4月14日 優(yōu)先權(quán)日:2014年4月14日
【發(fā)明者】鄧勇, 李云鵬, 周欣怡, 孫敏捷, 劉詩源, 朱凌宇, 李國龍, 閻宏偉, 許梟飛, 張彪, 黃河, 金添怡, 陳晟, 楊根彪, 何明亮, 趙以云, 魏小龍, 肖瑋榮, 劉國良, 王韜 申請人:重慶威堪科技有限公司