[发明专利]基于各向异性高斯方向导数滤波器提取图像粗边缘的方法

说明书

技术领域

本发明属于图像特征提取技术领域，具体涉及基于各向异性高斯方向导数滤波器提取图像粗边缘的方法。

背景技术

图像的特征(如：边缘、角点等)包含了丰富的信息，可以对图像处理提供足够的约束。提取图像特征信息可以有以下的优势：(1)对图像特征进行处理大大减少了运算的数据量，(2)特征具有旋转、放大、缩小和平移不变的性质。提取边缘的技术常常被利用到角点检测应用中，现今的角点检测大致可以分为三类：基于灰度强度变化检测方法、基于边缘轮廓的检测方法，基于角点模型匹配的检测方法。基于边缘轮廓的检测方法，关键技术在于对边缘轮廓的提取。

基于边缘轮廓的角点检测算法主要是通过分析图像边缘的形状特性来检测角点，这种方法首先提取图像的边缘轮廓，然后从边缘中提取封闭或者非封闭的边缘轮廓曲线，最后通过搜索轮廓线上的曲率局部极大值点或者斜率或梯度方向变化点搜索交点来提取角点。最具代表的检测方法为曲率尺度空间CSS技术，此检测算法由于平滑边缘轮廓的高斯尺度值难以确定，会产生边缘轮廓移位的现象，使得角点定位性能降低。

大多数基于边缘轮廓的角点检测算法，一般选择canny检测器提取边缘，而选用这类方法提取到的边缘会存在断裂的现象。同时利用各向同性高斯核会产生由尺度因子的选择造成的边缘轮廓移位的现象及对噪声敏感的问题。由于角点处多方向呈现低自相似性的特性，所以需要更有效的方法提取边缘轮廓，克服边缘轮廓移位及对噪声敏感的问题。

发明内容

本发明的目的是提出一种基于各向异性高斯方向导数滤波器提取图像粗边缘的方法，解决了现有技术中采用各向同性高斯核提取图像边缘，由于尺度选择造成的边缘移位及对噪声敏感的技术问题。

本发明所采用的技术方案，基于各向异性高斯方向导数滤波器提取图像粗边缘的方法，包括以下步骤：

步骤1：将图像读入计算机；

步骤2：在[0,π]内平均方向角上采用各向异性高斯方向导数滤波器平滑图像；

步骤3：计算平滑后图像像素的梯度幅值EMGx_i(n)；

步骤4：计算图像像素的全局标准化梯度幅值，具体步骤如下：

4.1，首先计算图像像素的领域内梯度标准化幅值；

以一像素点为中心像素点，选取领域，计算所述领域内中心像素点的领域内梯度标准化幅值计算公式如下：

其中，N_q表示围绕中心像素点的领域内像素点的平均梯度幅值，N表示所取领域内像素点的个数，EMGx_i(n)表示领域内第i个像素点的梯度幅值，EMGx(q)表示中心像素点的梯度幅值；

4.2，计算图像像素的全局标准化梯度幅值；

计算所述中心像素点的全局标准化梯度幅值，计算公式如下：

其中，代表全局标准化梯度幅值，N_I表示整幅图像像素点的个数，u_I是整幅图像梯度均值，σ_I是整幅图像的梯度标准偏差；

重复步骤4.1及步骤4.2，直至计算出图像所有像素点的全局标准化梯度幅值。

步骤5：双阈值法提取粗边缘，具体步骤如下：

设置双阈值T_h,T_l，全局标准化梯度幅值大于T_h的像素点标记为边缘点，全局标准化梯度幅值小于T_l的像素点视为背景点删除，全局标准化梯度幅值介于T_h，T_l的像素点分为两种情况：若其8邻域中存在已经标记的边缘点，则该像素点标记为边缘点，否则视为非边缘点删除；

步骤6：输出图像的粗边缘。

本发明的特点还在于，

步骤2：在[0,π]内平均方向角上采用各向异性高斯核方向导数滤波器平滑图像的具体步骤如下：

2.1，计算各向异性高斯方向导数；

各向异性高斯核函数的表达式为：

其中，ρ≥1，是各向异性因子，σ是尺度因子，θ是旋转角度，R_θ是旋转矩阵，x是输入的图像矩阵，x^T即输入图像矩阵x的转置矩阵；

对旋转角度θ求偏导，得到各向异性高斯核函数的各向异性高斯方向导数g'_σ,ρ,θ(x)：

2.2，平滑图像，具体步骤如下：