[发明专利]基于Fast Slant Stack变换的图像边缘检测方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像边缘检测方法。该方法可用于多种 包含线状边缘信息的图像的边缘检测中。

背景技术

图像的边缘是计算机视觉中的重要特征，直线和曲线的有效检测可以为后继 的模式匹配和识别打下基础。经典的边缘检测算法针对光学图像，如Sobel算子、 Prewitt算子等。这类经典算子本质上都是高通滤波器，它们对清晰图像的边缘检 测效果很好，但是对图像中的噪声非常敏感，这些算子在获取边缘的同时也检测 出了大量高频噪声，产生过多与真实边缘混杂在一起的难以分离的虚假边缘。为 了克服这一问题，常采用将平滑、锐化、多尺度分析等预处理方法与算子相结合 的方法来去除噪声。1991年，美国学者Canny J.对经典算法做出改进，在检测边 缘之前引入高斯滤波器对图像进行预处理器。这一平滑处理虽然可以减少噪声， 却也使得图像边缘的不连续性减弱。

近年来随着小波的兴起，涌现出了很多基于小波分析的图像边缘检测算法。 1991年，法国学者Mallat.S将二进小波成功的应用于图像的边缘检测，取得了良 好的效果。在其算法中，小波分析体现出了前所未有的优势，它在表示具有点奇 异性的目标函数时是最优的基。然而在表示线状奇异性时，比如图像的直线和曲 线，小波基却均不是最优基。因此在针对具有线特征的目标的检测中，基于小波 分析的方法将会不可避免的产生误检和漏检。

在针对直线模型的检测中，曲线通常会被无限剖分，每一小段近似认为直线， Radon变换和Hough变换是常用的检测方法，但这两种方法仅适用于形状比较规 则且直线特征比较明显的图像。另一方面，这两种方法不能计算直线的长度，仅 能确定直线的位置。1995年，学者Copeland A C将局部Radon应用于直线状特征 的检测。该方法采用分段的思想，较好地解决了直线的长度和宽度的问题，但是 该方法在曲线状特征的检测方面仍有较大的局限性。2003年，中国学者侯彪提出 了基于脊波变换的直线特征检测方法。在该方法中，图像中的线状特征通过Radon 变换被转换为点状特征。在此基础上，使用基于小波的检测方法对点状特征进行 检测，并根据检测到的点状特征重构出元图像中的线状特征。该方法为边缘检测 引入了新的思路，但仍存在着高计算复杂度的缺陷。由于这类方法在检测过程中 要获取直线段的角度和偏移量，并根据这些再计算并重绘出结果中的直线段，而 数字图像中离散量的计算无法保证检测结果在定位上的准确性。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于Fast Slant Stack变换的图像边缘检测方法，以发挥Fast Slant Stack变换对线状特征敏感度高 的特点，降低计算复杂度，提高定位准确性。

实现本发明目的的技术方案是：利用可快速实现并精确重构的Fast Slant Stack 变换将图像中的线状特征转变为变换域内的点状特征，使用二进小波对点奇异性 进行检测，并根据检测到点奇异性使用Fast Slant Stack逆变换精确重构出原图像 中的线状特征。其具体实现过程如下：

(1)输入待检测图像X，根据滑动块大小和多块重叠度对待检测图像进行分 块，设置一个与X同样大小的矩阵Y；

(2)从待检测图像块中按照顺序取出最前面的一块图像，作为当前操作块CM；

(3)判断当前操作块CM中是否存在边缘，若不存在边缘，回到步骤(2)重新提 取图像块；若存在边缘，进行以下从步骤(4)到步骤(6)处理；

(4)对当前操作块CM进行Fast Slant Stack变换，并对变换后的结果RM的零值 区域进行填充；

(5)对填充后的RM沿着径向方向进行一维二进小波变换DDWT，搜索变换后 该块小波域的系数极大值点MAX，根据MAX的大小判断该操作块中是否有一条明 确清晰的边缘线，如果不存在边缘线，返回步骤(2)，如果存在边缘线，继续步骤 (6)；

(6)根据RM中MAX点的位置，使用Fast Slant Stack逆变换重构空域中的图像 块CM’，并存放在矩阵Y中与X中CM对应的位置，结束本块的检测，返回步骤(2) 重新提取图像块；

(7)根据待检测图像X的分块数目重复步骤(2)到步骤(6)的循环，直到所有分 块都完成检测，结束循环，输出矩阵Y。

本发明与现有的技术相比具有以下优点：