[发明专利]一种彩色图像边缘检测方法

权利要求书

1.一种彩色图像边缘检测方法，其特征在于，包括以下步骤：

步骤1、输入彩色图像并对输入的原始图像进行归一化处理；

步骤2、分析FHN的单稳态特性，根据局部区域的灰度变化，构造了一个调整函数来优化反应扩散方程中的扩散系数，计算出具有灰度自适应的阈值；

步骤3、构成一个基于FitzHugh-Nagumo(FHN)反应扩散方程的细胞神经网络CNN网络；

步骤4、利用提出的的细胞神经网络模型在进行彩色图像边缘检测；

步骤5、输出彩色图像的边缘检测结果。

2.根据权利要求1所述，其特征在于，将输入的彩色图像数据值归一化处理到的[0，1]的值域范围内。

3.根据权利要求2所述，其特征在于，利用FHN进行图像边缘检测，一般分析FHN的单稳态特性，从单稳态图像中可以找到一个稳定点A，从稳定点A的邻域的任意初始值开始，解最终会收敛到稳定点，A可以看作是一个阈值，如果一个阈值大于另一个阈值，则确定为边点，否则将确定为非边，阈值影响边缘检测的程度，较小的阈值可以检测到更全面的边缘，但同时会获得更大的噪声量，较大的阈值又会有一些边缘丢失，通常要想获得最佳阈值，可以通过多次验证来平衡阈值，然而，图像中每个区域的灰度值变化方式不同，在某些区域，选择固定不变的阈值会导致边缘检测不理想，固定阈值边缘检测算法只适用于亮度规则的图像，Nomura提出了一种阈值计算方法，阈值a不是整个图像区域亮度的平均值，而是需要根据局部区域的灰度变化，a的扩散方程如方程(1)：

a(x)＝A(u₀(x)；D，T) (1)

其中，u(x，t＝0)＝u₀(x)是u的初始状态，T是演变时间，D是扩散系数，该方程可用于亮度图像的边缘检测，但存在一些缺陷，随着反应扩散系数的增大，边缘之间的距离增大，边缘会被覆盖，从而导致图像边缘模糊，此外，扩散系数D通常取为常数，为区域的平均值，但也需要手动预置，因此，需要对系数D进行了改进，以使阈值完全自适应，避免假边缘，本方法构造了一个调整函数来优化反应扩散方程中的扩散系数，系数D表示为h(r)，调整函数可以灵活地调整扩散系数，使阈值真正自适应，如方程(2)所示：

在方程(7)中，h(r)是一个单调递减的非负函数，其范围为(0，1]，它能灵活的调整扩散系数，进而调整真假边缘的距离，从而减少边缘检测中假边缘的产生，k为常数，主要用于控制D的下降率，一般通过多次迭代实验确定，r为图像中各点的归一化梯度值，与亮度变化程度成正比，如方程(3)所示：

其中，和这两个值表示水平和垂直亮度差的近似值，U₀表示初始图像，本方法增加的调节函数可以灵活地改变扩散系数，反应扩散方程可以自适应地调整阈值，通常，图像边缘处的图像梯度r较大，h(r)会在此处取极小值，从而使作用力变小，直至停止，h(r)可以在任何情况下将曲线引向边界，最终稳定在对象边缘，将改进后的阈值代入由FHN方程改进的CNN边缘检测模板中，可以得到自适应阈值，提高边缘检测的准确性，当对图像进行边缘检测时，如果采用的阈值不合适，会使得图像像素值在反应项的作用下瞬时间向两个方向变化，图像在离散模型作用下产生真假双边缘，且随着反应扩散系数的增加，双边缘之间的距离拉的越大，甚至会产生覆盖边缘的现象，使图像边缘模糊，而采用自适应阈值a(x)＝A(U₀；h(r)，1.0)能很好避免这个问题，精确地检测到图像边缘，自适应阈值算法如下：和a(x)＝A(u(x，t＝0)；