[发明专利]一种雾霾天气交通图像边缘检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种雾霾天气交通图像边缘检测方法

背景技术

随着数字图像采集技术和处理技术的飞速发展，图像已成为人们获取信息的重要信息，而图像的边缘信息包含了图像中的大量信息，例如相机的人脸捕捉等都是基于对图像边缘的检测的研究。图像边缘的检测是机器视觉和图像处理的重要部分。

雾霾天气导致能见度降低,给人们的日常生活和出行带来很大影响，也给交通事故的发生留下了隐患。而且雾霾天气所导致的图像降质，图像离焦模糊对原有的图像边缘检测算法提出了更高的要求。而利用图像边缘检测算法对雾霾天气下获得的降质的交通图像进行处理，能够获得大量的有用信息。因此，对雾霾天气下交通图像边缘检测是十分有意义的。

传统的图像边缘检测都是根据已有的边缘检测算子如Robert边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Laplace边缘检测算子等。这些边缘检测算子图像纹理简单，干扰噪声比较小的理想情况下能够实现对大多数图像的边缘提取，但是在实际中对于雾霾天气下获得降质图像，传统的边缘检测算子由于检测方向有限、受噪声影响较大等严重缺陷，出现边缘检测不准确难以满足对雾霾天气下交通图像边缘检测的要求。

发明内容

本发明的目的在于提供一种雾霾天气交通图像边缘检测方法，以克服上述现有技术存在的缺陷，本发明采用八方向图像边缘检测算子，能够检测多个方向的图像边缘，改善了传统边缘检测算子只对水平和垂直方向敏感，其他方向不敏感的不足，提高了新边缘检测算子的性能，使其获得的图像边缘定位比较准确，具有良好的检测精度。

为达到上述目的，本发明采用如下技术方案：

一种雾霾天气交通图像边缘检测方法，包括以下步骤：

步骤1：获取雾霾天气下交通图像；

步骤2：对步骤1中获得的交通图像进行高斯滤波处理；

步骤3：采用八方向边缘检测算子对步骤2中经过高斯滤波处理的交通图像进行边缘检测，获得图像的粗边缘；

步骤4：采用边缘细化算子对经过步骤3处理后的交通图像进行边缘检测，得到图像的细边缘。

进一步地，步骤2中采用零均值离散高斯函数进行高斯滤波处理，公式如下：

式中，c是规范化系数，(i,j)为步骤1中获得的交通图像的坐标，σ为函数的宽度参数，g(i,j)表示步骤1获得的交通图像中要处理的像素点。

进一步地，步骤3中所述的八方向边缘检测算子的八个方向定义如下：建立一个极坐标系，定义极轴方向为0方向，逆时针旋转45度定义为1方向，逆时针旋转90度定义为2方向，逆时针旋转135度定义为3方向，逆时针旋转180度定义为4方向，逆时针旋转225度定义为5方向，逆时针旋转270度定义为6方向，逆时针旋转315度定义为7方向；每个方向的边缘算子如下表所示：

进一步地，步骤3中获得图像的粗边缘的方法为：分别用八个方向的边缘检测算子的3*3卷积模版与以图像中要处理的像素点为中心的3*3图像区域做卷积，得到该像素点在八个方向的偏导数，取其中的最大值作为该点的新的灰度值，以模版的方向作为该点的边缘方向，从而获得图像的粗边缘。

进一步地，步骤4中所述的边缘细化算子为5*5的边缘细化算子，形式如下：

进一步地，步骤4中获得图像的细边缘的方法为：在步骤3处理后的图像中选取5*5的区域与5*5的边缘细化算子进行卷积运算，求取图像粗边缘的二阶导数，以卷积得到的值作为细化后的图像上该点的灰度值，从而获得图像的细边缘。

进一步地，所述方法还包括步骤5：将步骤4中得到细化的图像边缘进行二值化，得到最终图像边缘。

进一步地，步骤5中进行二值化的方法为：

步骤5.1：设置一个阈值T，定义T的值为：T＝｜T_max-(T_max-T_min)/3｜，其中T_max,T_min分别为步骤4处理后的图像中灰度最大值和最小值；

步骤5.2：对步骤4处理后的图像中灰度值>T的像素点求出灰度平均值T₁，图像中灰度值<T的像素点求出灰度平均值T₂，定义参数T_new，T_new＝｜T₁-(T₁-T₂)/3｜；