[发明专利]基于视觉特性的仿生自适应模糊边缘检测方法

说明书

本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。本发明采用如下步骤实现：对操作图像进行全局亮度自适应增强，将原图像空间域转化为模糊域，对操作图像模糊域进行局部亮度自适应增强，对原图像模糊域进行逆变换，最后采用“Nakagowa”算子对处理后的图像边缘提取。本发明依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal算法模糊边缘检测进行优化保留了图像的低灰度值边界信息，简化了隶属度函数，具有更强的抗噪能力，能够有效地把边缘从复杂的背景中提取出来，针对不同种类的图像能够自适应地进行边缘检测。

技术领域：

本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。

技术背景：

仿生学是人类模仿生物功能来发明创造的科学，是利用生物的结构和功能原理来研制机械或各种新技术的一门学科。人类视觉系统具有亮度自适应特性和视网膜神经元感受野非经典侧抑制特性，越来越多的研究人员将仿人类视觉系统思想运用到图像处理、系统辨识和机器视觉方面。

边缘检测是图像处理中最重要的研究内容之一，是进行图像描述、分析和理解的关键技术。1959年Julez首次提出边缘检测概念，之后国内外大量专家学者对边缘检测这一课题进行了广泛深入的研究并提出了很多方法，常见的边缘检测方法有差分法、Robert、Sobel、Prewitt、Log、Canny等方法，但这些方法主要增强了图像的边缘等高频信息，有效提取了图像边缘，但对噪声较为敏感，在处理实际图像中效果并不理想。Pal和King把模糊的概念引入到图像处理的领域中，提出基于模糊集合理论的图像分割方法，该算法能够起到较好的抑躁效果，能够取得较好的图像分割效果，但是经过理论和实验分析：Pal和King算法前期没有进行去噪处理，对于含噪图像效果并不理想，容易造成误判；幂级数形式的隶属度函数仅仅达到了图像映射到模糊集的作用，几乎没有一点模糊增强的效果；图像经过非线性变换后图像中低灰度值会变成0，造成边缘信息的丢失，影响最终效果；迭代次数、分割阀值的选择对图像的模糊增强处理有很大影响，对模糊域图像逆变换存在影响。

基于以上背景，本发明以传统Pal和King模糊边缘检测算法为框架，以人类视觉系统的全局增强特性和局部自适应调节特性为理论依据，提出了一种基于视觉特性的仿生自适应模糊边缘检测方法，并将该方法应用在实际图像边缘提取中，对图像进行亮度全局自适应和局部增强处理，既能很好地增强图像的边缘对比度，又能提高被传统感受野所滤除的区域亮度对比和亮度梯度信息，保留了低灰度边缘信息，增强后的图像质量符合人眼的主观视觉效果，相关的专利如申请公布号CN 103310461 A的发明专利公开了一种基于块Kalman滤波的图像边缘提取方法，分别采用分层处理和插值运算有效提高了滤波效果和操作对象的信噪比，提高了图像边缘检测的质量。申请公布号CN 104809733 A的发明专利公开了一种古建墙壁受污题记文字图像边缘提取方法，采用gabor滤波器对空间平均，识别和消除污染造成的伪边缘和不连续边缘。申请公布号CN 101286233 A的发明专利公开了一种基于对象云的模糊边缘检测方法，利用最大熵原理自适应进行边缘过渡区处理，弥补基于模糊集理论算法的缺陷。申请公布号CN 104268872 A的发明专利公开了一种基于一致性的边缘检测方法，引入灰度梯度方向，区分真实边缘、噪声引起的灰度梯度变化。但是，以上专利并没有涉及基于人类视觉特性的图像边缘提取。

发明内容：

针对图像对比度较小，边缘检测效果不佳问题，本发明以传统Pal和King模糊边缘检测算法为框架，以人类视觉系统的全局增强特性和局部自适应调节特性为理论依据，提出了一种基于视觉特性的仿生自适应模糊边缘检测方法，依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal和King算法模糊边缘检测进行优化。

本优化算法在图像边缘检测时保留了重要的边缘信息，检测出与人的主观视觉更为一致的图像边缘，提高了模糊边缘检测的自适应性和实用性。

本发明采用如下技术方案：