[发明专利]基于非下采样轮廓波的边缘检测方法

说明书

技术领域

本发明涉及一种基于非下采样轮廓波的边缘检测方法。

背景技术

边缘在图像分析和计算机视觉中占有极其重要的地位，而传统的边缘检测机制是通过检测图像像素梯度的极大值和像素值的突变来实现的，如罗伯特算子，普鲁伊特算子，索贝尔算子和莰尼算子等检测算法，也有些算法是通过过零检测来实现，如拉普拉斯算子等。近几年多分辨率算法也被成功的应用于边缘检测算法，如利用小波模极大值的算法，这种方法通过对图像进行小波分解，然后利用小波系数的局部模值极大来确定边缘点。尽管这种方法取得了极大的成功，但是由于小波本身只能在水平和竖直两个方向进行分解，这就限制了小波对图像方向信息的获取能力。针对小波的这种缺点，能够进行多方向分解的轮廓波算法被提出来，可以捕获图像的方向信息。

轮廓波变换通过一种双滤波器结构来实现。它将多尺度分析和多方向性分析分成两个相对独立的过程，首先由拉普拉斯金字塔变换对图像进行多尺度分解以“捕获”奇异点，接着利用方向滤波器组进行方向分解，将分布在同方向上的奇异点连接成周线结构，二维方向滤波器组应用于拉普拉斯分解得到的每一级高频分量上，在任意尺度上可以分解得到的方向子带。该变换的最终结果是用类似于线段的基结构来逼近原图像。与小波变换高频信息只有水平、垂直、对角线三个方向的分量相比，轮廓波利用方向滤波器组对高频信号进行处理，可以把高频信息分解成多个方向分量的组合，这样使得轮廓波能够近似最优地逼近任意含线性奇异的二维分段光滑函数。轮廓波构造过程中，在拉普拉斯分解和方向滤波器组中引入了采样，造成轮廓波变换不具有平移不变性。在低频环节，进行下采样时会导致低频频谱泄漏，延续到高频中，采样会导致方向频谱混叠，在各个方向子带中会混杂不希望的方向频谱，应用到图像处理中则表现为伪吉布斯现象，导致图像失真。而平移不变性在图像处理中非常重要，鉴于此非下采样的轮廓波应运而生。非下采样的轮廓波不仅具有捕获方向信息的能力，而且具有平移不变性的优秀性质。非下采样轮廓波也包括两个部分：一个是非下采样拉普拉斯分解，采用双通道非下采样滤波器来完成；另一个非下采样方向滤波器组，它利用多孔算法的原理，通过在方向滤波器组中添加适当的上采样来完成。

我们采取非下采样轮廓波进行边缘检测。但是由于非下采样轮廓波的冗余特性，直接利用非下采样轮廓波进行边缘检测，会造成双边缘的检测结果，为了克服这个缺点，我们构造了用于区别边缘点和噪声点的能量函数。

发明内容

为弥补现有技术的不足，本发明提供一种基于非下采样轮廓波的边缘检测方法。

为实现上述目的，本发明采用如下技术方案：

基于非下采样轮廓波的边缘检测方法，该边缘检测方法的实现步骤如下：

Step1：利用非下采样轮廓波变换对图像f(x，y)进行分层，得到共J层的非下采样轮廓波系数矩阵；

Step2：利用第j层的非下采样轮廓波系数矩阵计算多尺度积点集将所有不属于多尺度点集的点忽略掉，其中1≤j≤J；

Step3：寻找第j层轮廓波中每个点的方向分解系数为正数的对应方向的非下采样轮廓波系数，根据这些系数计算第j层的能量泛函并且设定能力泛函的阈值为T，将所有多尺度积点集中能量泛函小于T的点舍去，得到的点集为预边缘点集；

Step4：在预边缘点集中，确定每个预边缘点的方向；

Step5：检测每个预边缘点的能力泛函是否为边缘垂直方向上的局部极大值；若是，则这个点是边缘点，否则忽略掉这个点；

Step6：根据所有边缘点，得到图像的边缘图。

所述step2中，多尺度积点集的计算公式如下：