一種圖像邊緣灰度起伏性度量與自適應(yīng)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像分析技術(shù)領(lǐng)域，尤其是涉及一種圖像邊緣灰度起伏性度量與自適 應(yīng)檢測方法。
【背景技術(shù)】
[0002] 邊緣是描述物體輪廓形狀最為基礎(chǔ)和有效的一類特征，在光學圖像中它通常對應(yīng) 于景物深度、表面法向量、材質(zhì)、溫度和光照條件等物體幾何、物理屬性或外界環(huán)境因素發(fā) 生變化的位置，具有客觀的物理意義，蘊含了感興趣物體的形狀信息。通過邊緣檢測不僅可 以提取物體本原的形狀特征，還能夠大大降低后續(xù)圖像分析需要處理的數(shù)據(jù)量。
[0003] 由于邊緣在物體形狀描述中的極端重要性，邊緣檢測一直是圖像分析與計算機視 覺領(lǐng)域的研宄熱點。目前廣泛使用的邊緣檢測方法大致有以下幾類：①一階微分算子法主 要利用圖像一階導數(shù)在邊緣位置具有局部極大值的性質(zhì)檢測邊緣。②二階微分算子法通過 檢測圖像二階導數(shù)的過零點實現(xiàn)邊緣定位。③曲面擬合法依據(jù)最小二乘方法，使用一組基 函數(shù)的線性組合近似局部圖像灰度，并通過計算擬合曲面的偏導數(shù)檢測邊緣。總體來說，一 階微分算子法計算簡單，應(yīng)用最為廣泛，其中的典型代表是Canny方法。Canny建立了邊緣 檢測算子的信噪比準則、定位精度準則和單邊緣響應(yīng)準則，并使用變分原理推導證明最佳 的圖像微分濾波器近似為Gaussian函數(shù)的一階微分。采用該算子計算圖像梯度后，通過非 極值抑制檢測疑似邊緣點，然后依據(jù)梯度幅度直方圖估計噪聲能量，并設(shè)定磁滯閾值檢測 邊緣。
[0004] Canny邊緣檢測方法具有良好的抗噪能力，但邊緣檢測閾值需要人工參與設(shè)定，影 響了邊緣檢測性能。為提高Canny邊緣檢測閾值設(shè)定的自動化程度，公開日為2011-08-17，[0005] Canny邊緣檢測方法具有良好的抗噪性能，但需要人工參與設(shè)定邊緣檢測閾值，并 且閾值設(shè)置過程未對真實邊緣的統(tǒng)計特性給予充分考慮，制約了算法的整體性能。為提高 Canny邊緣檢測閾值設(shè)定的自動化程度，上述三個已公開的專利申請所提供的方法主要依 據(jù)經(jīng)驗公式設(shè)定邊緣檢測閾值，缺乏理論依據(jù)，難以適應(yīng)不同類型的圖像數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0006] 針對Canny方法檢測邊緣的閾值需要人工設(shè)定、缺乏理論依據(jù)的不足，本發(fā)明為 提高Canny邊緣檢測方法的自動化程度，改善邊緣檢測性能，提出了一種圖像邊緣灰度起 伏性度量與自適應(yīng)檢測方法。其定義了一種新的圖像灰度起伏性度量一一歸一化梯度強 度，分析表明它能夠清晰地描述邊緣和均勻區(qū)域圖像灰度的變化規(guī)律，以此為基礎(chǔ)利用假 設(shè)檢驗理論自適應(yīng)設(shè)定邊緣檢測的磁滯閾值，實現(xiàn)了噪聲干擾下邊緣特征的魯棒提取。
[0007] 為實現(xiàn)上述目的，本發(fā)明技術(shù)方案是：首先，定義了一種新的圖像灰度起伏性度 量一一歸一化梯度強度，可以證明邊緣位置和均勻圖像區(qū)域的歸一化梯度強度分別服從自 由度為2的非中心X2分布和X2分布。其次，基于歸一化梯度強度的統(tǒng)計分布特性，利用 假設(shè)檢驗理論自適應(yīng)設(shè)定了邊緣檢測高閾值和噪聲虛警抑制低閾值，實現(xiàn)了邊緣的恒概率 檢測和噪聲的恒虛警抑制。最后，通過組合兩類閾值構(gòu)成邊緣檢測的磁滯閾值，可實現(xiàn)對圖 像邊緣的自適應(yīng)檢測。
[0008] 具體地，一種圖像邊緣灰度起伏性度量與自適應(yīng)檢測方法，步驟如下：
[0009] S1.對含噪圖像進行一階微分濾波，計算圖像梯度；
[0010] S2.估計圖像噪聲標準差，計算圖像歸一化梯度強度；
[0011] S3.依據(jù)歸一化梯度強度的統(tǒng)計特性，自適應(yīng)設(shè)定邊緣檢測的磁滯閾值；
[0012] S4.進行歸一化梯度強度的非極值抑制，結(jié)合磁滯閾值檢測圖像邊緣。
[0013] 其中，步驟S1的具體步驟如下：
[0014] 在圖像域中，理想二維邊緣的函數(shù)表達式為：
[0015] e(x,y, 0 ,p,b,c) =b+cXU(xcos0+ysin0 -p)
[0016] 其中，x和y是圖像笛卡爾坐標，0和P分別是邊緣所在區(qū)域分界直線的極坐標 角度和距離參數(shù)，b是背景灰度，c為邊緣對比度，U( ?)是一維階躍函數(shù)，取值形式如下：
[0017]
【主權(quán)項】
1. 一種圖像邊緣灰度起伏性度量與自適應(yīng)檢測方法，其特征在于步驟如下：
51. 對含噪圖像進行一階微分濾波，計算圖像梯度；
52. 估計圖像噪聲標準差，計算圖像歸一化梯度強度；
53. 依據(jù)歸一化梯度強度的統(tǒng)計特性，自適應(yīng)設(shè)定邊緣檢測的磁滯閾值；
54. 進行歸一化梯度強度的非極值抑制，結(jié)合磁滯閾值檢測圖像邊緣。
2. 根據(jù)權(quán)利要求1所述的圖像邊緣灰度起伏性度量與自適應(yīng)檢測方法，其特征在于， 所述步驟S1的具體步驟如下： 在圖像域中，理想二維邊緣的函數(shù)表達式為：e (x, y, 0 , p , b, c) = b+c X U (xcos 0 +ysin 0 - p ) 其中，x和y是圖像笛卡爾坐標，0和p分別是邊緣所在區(qū)域分界直線的極坐標角度 和距離參數(shù)，b是背景灰度，c為邊緣對比度，U( ?)是一維階躍函數(shù)，取值形式如下：
為簡化表達，所述e(X，y, 9，p，b,c)用e(X，y)代替； 進一步給出噪聲干擾下的二維邊緣表達式： f (x, y) = e (x, y) +n (x, y) = b+c X U (xcos 0 +ysin 9 - P ) +n (x, y) 其中，f(x，y)是噪聲干擾的二維邊緣圖像，n(x，y)是圖像隨機噪聲； 為平滑圖像噪聲，選用的高斯濾波器記為h(x，y)，表達式為：
其中，〇是濾波器尺度因子； 輸入圖像f(X，y)的濾波輸出g(x,y)為：
上式中，?為卷積符號； 平滑后圖像的梯度計算公式為：
上式中，▽g(A少)是圖像梯度矢量，％(X,J')/5X和％為圖像一階偏導數(shù)， 分別給出了圖像灰度在x和y方向上的變化率，將它們分別用符號gx(x，y)和gy(x，y)表 示，gx(x，y)為x方向的圖像一階偏導數(shù)，gy(x，y)為y方向的圖像一階偏導數(shù)，并進一步展 開為：
上式中，從(x，_y)/5x和5A(x,_y)/辦分別是圖像x和y方向一階微分濾波算子，分別 用符號hx(x，y)和hy(x，y)表示，結(jié)合高斯濾波器的表達式，可展開為：
3. 根據(jù)權(quán)利要求2所述的圖像邊緣灰度起伏性度量與自適應(yīng)檢測方法，其特征在于， 所述步驟S2的具體步驟如下： S2. 1，