[发明专利]基于Canny算法的边缘增强方法、装置、设备及存储介质

权利要求书

1.一种基于Canny算法的边缘增强方法，其特征在于，所述边缘增强方法包括：

获取原图像；

使用Canny算法对所述原图像进行边缘检测；

在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；

为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；

以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；

使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。

2.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述使用Canny算法对所述原图像进行边缘检测包括：

对所述原图像进行高斯滤波处理；

对高斯处理后的所述原图像进行求导和梯度计算；

以及对获得梯度幅值进行非极大值抑制处理。

3.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值包括：

使用Enet网络对所述原图像进行分割，提取出图像中的边缘特征；

获取所述边缘特征中各像素点的梯度幅值，并以所述梯度幅值作为所述阈值参考值。

4.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值之前包括：

预先构造用于提取图像边缘特征的Enet网络；

向所述Enet网络中输入具有不同目标类型的训练图片对Enet网络进行训练，以使所述Enet网络满足不同类型目标轮廓的识别。

5.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述阈值修正值R_xy＝α*R₁+(1-α)*R^P_xy，其中，R₁为阈值经验值，R^P_xy为阈值参考值，α大于零且小于等于1，x、y为像素点在图像矩阵中的坐标。

6.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述低阈值T_L＝K*T_H，其中，T_H为高阈值，K大于零小于1。

7.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强包括：

如果像素点的梯度值高于所述高阈值，则标记所述像素点为强边缘像素点；

如果像素点的梯度值低于所述高阈值且高于所述低阈值，则标记所述像素点为弱边缘像素点；

如果像素点的梯度值低于所述低阈值，则舍去；

连接图像边缘时，先连接所述强边缘像素点，再连接所述弱边缘像素点。

8.一种图像边缘增强装置，其特征在于，所述图像边缘增强装置包括：

获取模块，用于获取原图像；

边缘检测模块，用于使用Canny算法对所述原图像进行边缘检测；

阈值获取模块，用于在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；

阈值修正模块，用于为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；

双阈值确定模块，用于以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；

边缘增强模块，用于使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。