[发明专利]基于Canny算子的配准图边缘提取方法

权利要求书

1.一种基于Canny算子的配准图边缘提取方法，其特征在于，包括：

步骤A：对现场中配准完成的配准图进行平滑处理，以防止放大噪声，配准图中噪点增加，引起错误检测，产生虚假边缘并对边缘提取造成影响；

步骤B：使用微分算子对配准图的边缘进行检测，使用配准图的一阶导数或二阶导数判定边缘点的明暗，并利用有限差分对配准图的梯度强度和梯度方向进行确定；

步骤C：对所述步骤B中全局梯度图里各局部梯度区域进行非极大值抑制，通过保留局部梯度中最大点的像素值，同时将非极大值点对应点的灰度值置0，以确定配准图中的边缘；

步骤D：通过利用阈值法进一步提取出配准图中的真实边缘点，并减少伪边缘点；

步骤E：对阈值处理后的边缘点进行连接性分析，在配准图中找到未访问的边缘像素点，利用八连通性将配准图中所有弱像素与所述边缘像素点相连接，以形成最终边缘图像。

2.根据权利要求1所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤A中选用高斯平滑滤波器以平衡噪声去除效率和边缘检测定位精度。

3.根据权利要求2所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤A中使用高斯滤波器对配准图进行平滑处理的过程包括：

使用高斯滤波器与配准图进行卷积，对配准图进行平滑处理，以减少边缘检测器上明显的噪声影响，其中大小为(2k+1)x(2k+1)的高斯滤波器核的生成方程式如式(1)所示：

图像中一个3x3的窗口为A，要滤波的像素点为e，则经过高斯滤波之后，像素点e的亮度值如式(2)所示：

其中*为卷积符号，sum表示矩阵中所有元素相加求和。

4.根据权利要求3所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述高斯滤波核选用5×5的尺寸以平衡检测器的运行性能和其对噪声的敏感度。

5.根据权利要求1所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤B中对配准图梯度强度和梯度方向进行确定的方法包括：

使用四个算子来检测配准图中的水平、垂直和对角边缘，通过计算边缘检测的算子返回水平G_x和垂直G_y方向的一阶导数值，以确定像素点的梯度强度G和梯度方向θ：

θ＝arctan(G_y/G_x) (4)

其中G为梯度强度，θ表示梯度方向，arctan为反正切函数。

6.根据权利要求1所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤C中非极大值抑制的方法包括：

步骤C1：将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较；

步骤C2：比较后，若当前像素的梯度强度大于另外两个对比像素，将该像素点作为边缘点保留，若当前像素的梯度强度小于另外两个对比像素，将该像素点抑制。

7.根据权利要求1所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤D中使用高低两个阈值以防止阈值过低出现伪边缘并误删过高实际的边缘点。

8.根据权利要求7所述的基于Canny算子的配准图边缘提取方法，其特征在于，所述步骤D中使用高低两个阈值提取配准图中真实边缘点的方法包括：选择高阈值和低阈值，当边缘像素的梯度值高于高阈值，则将其标记为强边缘像素，当边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素，当边缘像素的梯度值小于低阈值，则会抑制所述边缘像素。