[发明专利]一种混合外区抑制与贝叶斯模型的轮廓检测方法

权利要求书

1.一种混合外区抑制与贝叶斯模型的轮廓检测方法，包括以下步骤：

根据灰度图像定义图像高斯梯度，以去除噪声；

建立方向滤波器，求得外区抑制量，并对高斯梯度处理的图像进行外区抑制，以生成轮廓响应；

采用非极大值抑制与迟滞阈值进行图像处理，得到图像的二值边缘图；

通过并集与交集联合运算获得任一二值边缘图整合到一幅边缘图；

采用基于贝叶斯概率模型的轮廓判决机制，求得边缘点的后验轮廓概率，以获得轮廓输出。

2.根据权利要求1所述的一种混合外区抑制与贝叶斯模型的轮廓检测方法，其特征在于，根据灰度图像定义图像高斯梯度，包括以下步骤：

定义任一幅灰度图像I(x,y)的高斯梯度，其表达式为：

其中，I表示灰度图像，表示高斯梯度，x表示图像中某一点的x坐标，y表示图像中某一点的y坐标，σ表示高斯函数的尺度，g_σ(x,y)表示二元高斯函数，表示二元高斯函数g_σ(x，y)的梯度向量与灰度图像I(x,y)作一次卷积后得到的图像高斯梯度。

3.根据权利要求1所述的一种混合外区抑制与贝叶斯模型的轮廓检测方法，其特征在于，所述建立方向滤波器，求得外区抑制量，并对高斯梯度处理的图像进行外区抑制，包括以下步骤：

建立滤波器生成函数K_θ(x,y)，其表达式为：

其中R_θ表示旋转矩阵，H(x,y)表示Hermite函数；

根据滤波器K_θ计算公式：K_θ＝θ_v(A)(x,y)，通过滤波器生成函数K_θ(x,y)与梯度幅值作卷积，得到外区抑制量t(x，y)，其表达式为：

其中，表示点(x,y)的梯度方向；

将滤波器K_θ＝θ_v(A)(x,y)与图像纹理性边缘上的点的邻域作局部加权平均，对高斯梯度处理的图像进行外区抑制。

4.根据权利要求3所述的一种混合外区抑制与贝叶斯模型的轮廓检测方法，其特征在于，还包括对所述外区抑制量进行修正，包括以下步骤：

将(x，y)转换成极坐标形式(ρ，φ)，令x＝ρcos(φ)，y＝ρsin(φ)，转换公式(2)中的H(x,y)得到：

分别定义基函数V_-2、V₀、V₂为：

则：

H(ρ+θ,φ)＝exp(-2iθ)V_-2+V₀+exp(2iθ)V₂ (5)

定义基函数V_-2、V₀、V₂一一对应的系数a_-2、a₀、a₂分别为：

a_-2＝exp(-2iθ)，a₀＝1，a₂＝exp(2iθ)，

有：

其中，n∈{-2,0,2}，K_θ(x,y)表示三个固定基函数、且不含角度变量的线性组合；

将式(3)修正得到：

将梯度幅值分别与基函数V_-2、V₀、V₂作卷积，再乘以与基函数V_-2、V₀、V₂一一对应的系数a_-2、a₀、a₂进行线性组合，得到修正后的外区抑制量。