[发明专利]一种非极大值抑制、动态阈值计算及图像边缘检测方法

说明书

本发明公开了一种非极大值抑制、动态阈值计算及图像边缘检测方法，所述检测方法包括高斯滤波消除原始图像中的高斯噪声，获取所述高斯滤波后所得图像每个像素点的梯度，利用所述各像素点的梯度幅值和梯度方向进行非极大值抑制处理，获得候选边缘图像，所述候选边缘图像中标记了作为候选边缘点的像素点，计算图像中目标体轮廓边缘点的动态阈值，并用所述动态阈值筛选所述候选边缘点，获得边缘图像。本发明通过比较水平方向和垂直方向的梯度幅值大小确定梯度方向，避免了梯度方向角的计算，简化了边缘检测的计算复杂度，动态阈值计算方法可有效区分图像中目标体表面纹理造成的伪边缘和目标体的轮廓边缘，为目标体识别提供了更加准确的边缘信息。

技术领域

本发明涉及图像处理领域，具体涉及一种图像边缘检测方法。

背景技术

随着航天科技的持续发展，深空探测成为重要的研究方向。光学自主导航因为其独立、低成本、高可靠性、高准确度和实时性能的特点，成为深空探索的关键技术。光学自主导航利用深空探测器自带的光学传感器捕获目标星体的图像，通过星载设备的实时图像处理，提取图像中目标星体的边缘点，并利用该边缘点信息计算目标星体的质心位置，用于其轨道导航控制。因此，深空图像中星体目标的边缘检测是深空探测光学自主导航的关键技术之一。

Canny算法是一种常用的、效果较好的边缘检测算法。但在深空图像的边缘检测中，该算法无法有效区分星体轮廓边缘点和星体表面纹理边缘点，从而极大的增加了星体目标质心计算的难度和复杂度。此外，Canny算法采用双阈值去除噪声边缘点，需要计算整幅图的高、低两个阈值，使得Canny边缘检测算法计算复杂度高，在实际深空探测中，图像分辨率很高，存储整幅图所需的硬件资源较大，不利于硬件实现。

发明内容

本发明所要解决的技术问题是：针对Canny算法在图像处理应用中的不足，提出一种既能有效检测图像中目标体轮廓边缘点，又可抑制其表面纹理边缘点，同时易于硬件实现的图像边缘检测方法。

为解决上述技术问题，本发明首先提供一种应用于图像边缘检测的非极大值抑制方法，其特征在于包括如下步骤：

步骤一、根据图像的梯度图像中像素点的梯度幅值和梯度符号，将梯度方向分为对称的六个区域，六个区域划分如下：

其中，G_x和G_y分别是像素点(x，y)在水平方向和垂直方向的梯度，S_Gx、S_Gy分别表示G_x和G_y的符号位，XOR()表示异或运算；

步骤二、根据输入像素点的水平梯度和垂直梯度的幅值大小和符号，将输入像素点定位至所述六个区域中；

步骤三、将输入像素点的梯度幅值与所属区域中参考点的梯度幅值比较，当输入像素点的梯度幅值大于参考点的梯度幅值，则保留所述输入像素点，将其标记为候选边缘点，反之则抑制所述输入像素点。所采用的技术方案是：

本发明还提供一种应用于图像边缘检测的动态阈值的计算方法，其特征在于包括如下步骤：

步骤一、根据图像各像素点的梯度幅值计算整幅图像的梯度平均值；

步骤二、将各像素点的梯度幅值与所述梯度平均值比较，筛选出梯度幅值大于梯度平均值的像素点；

步骤三、计算筛选出的像素点的梯度幅值的平均值和标准差并按如下公式计算作为筛选图像边缘像素点的动态阈值T：其中，T_offset为常数偏移量。

本发明进一步提供了一种图像边缘检测方法，一种图像边缘检测方法，其特征在于包括如下步骤：

步骤一、根据高斯滤波消除原始图像中的高斯噪声；

步骤二、获取所述高斯滤波后所得图像各像素点的梯度，得到梯度图像；