[发明专利]一种图像边缘的检测方法

说明书

技术领域

本发明涉及目标检测技术领域，特别涉及一种图像边缘的检测方法。

背景技术

边缘检测对于空间目标自适应图像中目标与背景、目标部件间的区分十分重要。边缘是空间目标几何形态识别中重要的特征信息，也有利于空间目标结构的直观展示。目前，被广泛使用的边缘提取算法(例如，Sobel、Canny等算法)的本质是基于图像边缘处的一阶和二阶导数特征。例如，Canny算子同时考虑图像边缘的连接性，因此被广泛地用于普通图像的边缘提取，并取得了很好的效果。

然而，在针对空间目标成像时，由于成像受大气湍流和成像系统噪声的影响，目标成像较模糊，因此，采用现有技术中的边缘提取算法的效果并不明显，难以提取到图像的边缘信息。因此，亟待提出一种可以有效提取空间目标图像的边缘信息的方法。

发明内容

有鉴于此，本发明提供一种图像边缘的检测方法，从而可以有效地提取空间目标图像的边缘信息。

本发明的技术方案具体是这样实现的：

一种图像边缘的检测方法，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。

较佳的，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。

较佳的，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。

较佳的，使用如下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。

较佳的，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。

较佳的，所述预设阈值为：

边缘最大值的10％。

较佳的，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。