[发明专利]基于多尺度Gabor一阶导数的图像边缘检测方法

说明书

本发明公开了一种基于多尺度Gabor一阶导数的图像边缘检测方法，具体为：步骤1，将待检测的彩色图像转换到CIE LAB彩色空间，分解为L、A、B三个通道图像；步骤2，构建多尺度多方向的Gabor一阶导数滤波器组，分别对L、A、B三个通道图像进行滤波，得到滤波响应；步骤3，根据滤波响应，计算边缘强度图、边缘方向图和边缘尺度图，根据边缘强度图和边缘方向图进行非极大值抑制，然后结合边缘尺度图补偿边缘强度，得到补偿后的边缘强度图；步骤4，根据步骤3得到的补偿后的边缘强度图，经双阈值法得到图像边缘。本发明的基于多尺度Gabor一阶导数的图像边缘检测方法，解决了现有技术中存在的边缘不连续的问题。

技术领域

本发明属于数字图像处理技术领域，涉及一种基于多尺度Gabor一阶导数的图像边缘检测方法。

背景技术

数字图像处理是采用计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理方法和技术的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展，特别是离散数学理论的创立和完善；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。另一方面，数字图像处理的主要目的是提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的质量；或是提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理过程。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。此外，还可进行图像数据的变换、编码和压缩，以便于图像的存储和传输。

边缘检测是数字图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的像素点。图像属性中的显著变化通常反映了属性的重要性。这些变化包括深度上的不连续、表面方向上的不连续、物质属性变化和场景照明变化等。常用的边缘检测模板有Laplacian算子、Roberts算子、Sobel算子、log(Laplacian-Gauss)算子、Kirsch算子和Prewitt算子等。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个重要研究领域。

现有的边缘检测方法普遍存在细节信息丢失较多、边缘不连续以及噪声敏感的问题。

发明内容

本发明的目的是提供一种基于多尺度Gabor一阶导数的图像边缘检测方法，解决了现有技术中存在的边缘不连续的问题。

本发明所采用的技术方案是，基于多尺度Gabor一阶导数的图像边缘检测方法，具体按照如下步骤实施：

步骤1，将待检测的彩色图像转换到CIE LAB彩色空间，分解为L、A、B三个通道图像；

步骤2，构建多尺度多方向的Gabor一阶导数滤波器组，分别对L、A、B三个通道图像进行滤波，得到滤波响应；

步骤3，根据步骤2得到的滤波响应，计算边缘强度图、边缘方向图和边缘尺度图，根据边缘强度图和边缘方向图进行非极大值抑制，然后结合边缘尺度图补偿边缘强度，得到补偿后的边缘强度图；

步骤4，根据步骤3得到的补偿后的边缘强度图，经双阈值法得到图像边缘。

本发明的特征还在于，

步骤1具体为：

步骤1.1，将待检测彩色图像I(m)的RGB彩色空间转换到CIE XYZ基本系统，按照公式(1)进行转换：

步骤1.2，将彩色图像进行由CIE XYZ到CIE LAB彩色空间的转换，具体按照公式(2)进行转换：

其中，

步骤2具体为：