[发明专利]一种图像边缘的检测方法

权利要求书

1.一种图像边缘的检测方法，其特征在于，该方法包括：

滤除空间目标图像中的噪声；

计算单一尺度下图像的形态学梯度；

根据所述单一尺度下图像的形态学梯度，计算得到多尺度形态学梯度图像；

确定多尺度形态学梯度图像中的极大值点的位置；

使用过零点位置模板选取对应的形态学梯度边缘，并根据预设阈值去除伪边缘；

保留目标边缘的主干并去除边缘中的碎片，得到所述空间目标图像的边缘。

2.根据权利要求1所述的方法，其特征在于，所述滤除空间目标图像中的噪声包括：

使用三维块匹配去噪算法滤除所述空间目标图像中的高斯噪声。

3.根据权利要求2所述的方法，其特征在于，使用如下公式计算单一尺度下图像的形态学梯度：

G(f)＝(f⊕B)-(fΘB)；

其中，G(f)为单一尺度下图像的形态学梯度，f为滤除噪声后的空间目标图像，B为结构元，⊕和Θ分别表示形态学处理中的膨胀运算和腐蚀运算。

4.根据权利要求3所述的方法，其特征在于，使用如下所述的公式计算得到多尺度形态学梯度图像：

MG(f)=1nΣi=1n[((f⊕Bi)-(fΘBi))ΘBi-1];]]>

其中，MG(f)为多尺度形态学梯度；B_i为第i个结构元，其尺寸为(2i+1)×(2i+1)；n为尺度数。

5.根据权利要求4所述的方法，其特征在于，所述确定多尺度形态学梯度图像中的极大值点的位置可以包括：

使用高斯滤波器对所述多尺度形态学梯度图像进行低通滤波；

使用Prewitt算子计算出所述多尺度形态学梯度图像在水平和竖直两个方向上的一阶导数；

使用过零点检测方法检测出梯度图像中极值点所对应的位置。

6.根据权利要求5所述的方法，其特征在于，所述预设阈值为：

边缘最大值的10％。

7.根据权利要求6所述的方法，其特征在于，所述保留目标边缘的主干并去除边缘中的碎片包括：

利用像素的连通性，将目标边缘分割成一个或多个连通部分；

计算每个连通部分的面积，将面积小于预设第二阈值的连通部分去除。