[发明专利]多尺度Gabor小波PCA融合图像边缘检测方法

说明书

本发明公开了一种多尺度Gabor小波PCA融合图像边缘检测方法，具体为：步骤1，对待检测彩色图像转换到LMN彩色空间中，得到L、M、N三个通道图像；步骤2，构建多尺度多方向的Gabor虚部滤波器组，将三个通道图像分别通过虚部滤波器组，得到滤波响应；步骤3，对于各个通道分量的滤波响应，采用PCA方法将同一尺度不同方向的滤波后图像进行融合，并计算各个通道的梯度；步骤4，对各成分梯度融合，计算得到梯度的幅值和方向，经非极大值抑制和双阈值法后，得到彩色图像的边缘。本发明解决了现有技术中存在的因降维得到的灰度图像结构信息不完整从而导致图像边缘信息的缺失的问题。

技术领域

本发明属于数字图像处理技术领域，涉及一种多尺度Gabor小波PCA融合图像边缘检测方法。

背景技术

在计算机视觉领域，图像特征检测作为很多视觉任务的基础，是重要问题和关键技术之一，目的是从图像中提取稳定、可靠的特征。边缘作为图像的固有特征，含有图像的大部分信息，彩色图像与灰度图像相比，拥有更多的颜色信息。因此，以彩色图像为研究对象的边缘检测算法获得了研究者们的大量关注。

图像最为常见的底层特征是图像的边缘特征，它可以很好地表征图像信息，携带的图像信息十分丰富，能够直接反应物体的轮廓和拓扑结构信息。图像的边缘检测技术应用广泛，如图像分割，运动检测，以及目标跟踪等。目前，根据待处理研究的图像不同，边缘检测技术分为两大部分：(1)灰度图像边缘检测；(2)彩色图像边缘检测。相较于灰度图像，像素值为矢量的彩色图像具有更丰富的色彩信息，可以更加精确完整的表达图像的特征。

虽然彩色图像的边缘检测是由灰度图像边缘检测技术发展而来，但是由于彩色图像的像素值是向量表示，对其进行边缘检测更为复杂，同时也需要更多的数据信息，但是颜色变化带来的效果将会使后续的处理过程更为精确。目前彩色图像的边缘检测通过降维得到的灰度图像，其结构信息不完整从而导致图像边缘信息的缺失。因此为获取边缘定位准确，连续度高，细节信息-丰富的精确图像边缘轮廓，有效的彩色图像边缘检测算法仍迫切需求。

发明内容

本发明的目的是提供一种多尺度Gabor小波PCA融合图像边缘检测方法，解决了现有技术中存在的因降维得到的灰度图像结构信息不完整从而导致图像边缘信息的缺失的问题。

本发明所采用的技术方案是，多尺度Gabor小波PCA融合图像边缘检测方法，具体按照如下步骤实施：

步骤1，对待检测彩色图像转换到LMN彩色空间中，得到L、M、N三个通道图像；

步骤2，构建多尺度多方向的Gabor虚部滤波器组，将三个通道图像分别通过虚部滤波器组，得到滤波响应；

步骤3，对于各个通道分量的滤波响应，采用PCA方法将同一尺度不同方向的滤波后图像进行融合，并计算各个通道的梯度；

步骤4，对各成分梯度融合，计算得到梯度的幅值和方向，经非极大值抑制和双阈值法后，得到彩色图像的边缘。

本发明的特点还在于，

步骤1具体为：按照公式(1)的映射关系进行转换：

步骤2具体为：

步骤2.1，构建一组离散多尺度多方向的Gabor虚部滤波器组，取不同的中心频率，对方向θ在[0,π]均匀采样，采样个数为K：

其中，θ_k表示第k个方向角度，f_s是与第s个尺度相对应的中心频率，K表示采样的方向个数，γ和η是常数，m代表图像像素横坐标，n代表图像像素纵坐标；