[发明专利]一种可抗噪声的改进Canny图像边缘检测方法

说明书

本发明公开了一种可抗噪声的改进Canny图像边缘检测方法，改进算法在Canny算法的基础上，首先结合自适应中值滤波替代高斯滤波对图像降噪，从而较好地滤除椒盐噪声干扰；然后结合最大类间方差法和最大熵法，改进了双阈值选取方法，得到高低阈值，实现对图像的边缘检测，使目标图像在尽可能地保留边缘信息的同时，又过滤掉不必要的干扰边缘。本发明实现了在椒盐噪声污染的情况下图像边缘的检测和一种适应性比较强的双阈值选取方法，应用参考价值高。

技术领域

本发明涉及图像处理领域，尤其涉及一种可抗噪声的改进Canny图像边缘检测方法。

背景技术

边缘是图像最基本的特征，它能在保留物体形状信息的前提下大大减少所要处理的信息，因此边缘检测是图像处理领域最基本的问题，它的解决对于特征提取、描述以及目标识别等后续研究都有重要影响。然而由于图像边缘一般位于像素灰度值变化剧烈的位置，其与噪声信号一样具有高频特性，检测中很容易产生伪边缘或漏检，不利于后续的提取和识别。所以，对图像边缘检测的研究依然具有非常重要的意义。

在众多的图像边缘检测方法中，Canny算法由于其优良的边缘检测特性——高准确度和高信噪比，得到了广泛应用。但是经典的Canny算法存在容易受噪声干扰、双阈值选取适应性不强、针对背景纹理复杂的图像难以有效提取目标边缘等的缺点，因而国内外的学者针对其缺点提出了很多改进方法。有的论文主要通过调整邻域大小降低噪声，但随着邻域增大，一些短边缘很容易漏检；有的论文通过结合更多的图像信息，如颜色、深度等，进行边缘检测，但在缺少特定信息的情况下依然难以取得令人满意的结果；有的论文结合机器学习等算法，通过大量样本的训练使检测器取得一个较好的效果，但其检测效果很依赖样本的数量。总体来说目前的检测算法还不够成熟，难以解决复杂情况下(含噪声、纹理复杂等)对于图像中目标轮廓的准确检测及提取的问题。

发明内容

本发明为了解决复杂情况下(含噪声、纹理复杂等)对于图像中目标轮廓的准确检测及提取的问题，提出了结合自适应中值滤波、改进双阈值选取方式和边缘分析的可抗噪声的改进Canny算法，实现了在含噪声情况下对包含复杂纹理图像的边缘检测及提取。

一种可抗噪声的改进Canny图像边缘检测方法，其特征在于包括以下步骤：

1)使用自适应中值滤波对图像进行平滑处理，I(x,y)为原图像(x,y为图像坐标系下的坐标)，平滑后的图像H(x,y)可以表示为H(x,y)＝f_AMF(I(x,y))，f_AMF()表示自适应中值滤波器；

2)基于平滑后的图像计算梯度幅值G(x,y)和方向θ(x,y)。首先利用边缘检测算子(如Roberts，Sobel等)计算水平和垂直方向的一阶导数，然后计算梯度幅值和方向，有

θ(x,y)＝arctan(G_y(x,y)/G_x(x,y))；

其中，G_x(x,y)代表水平一阶导数，G_y(x,y)代表垂直一阶导数，arctan()表示反正切函数，即利用正切值求角度。

3)根据梯度方向进行非极大值抑制。具体做法为遍历图像，检测每一个像素点的梯度G(x,y)是不是周围(8邻域内)具有相同梯度方向θ(x,y)的像素点中最大的，是则保留，不是则将其置0；

4)选取双阈值。以结合最大熵法和最大类间方差法的改进双阈值选取方式来选取高低双阈值。在进行非极大值抑制后的梯度图像上，运用最大熵法确定高阈值T_H，一幅大小为M×N、灰度级为L的图像，设图像中灰度级为i的像素个数为N_i，则灰度级i的概率为假设临界梯度幅值为T，则图像目标区域和背景区域的熵分别为