[发明专利]一种彩色图像边缘检测方法

说明书

本发明提出一种彩色图像边缘检测方法，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、构造一个基于FitzHugh‑Nagumo(FHN)反应扩散方程的细胞神经网络结构；步骤4、利用提出的的细胞神经网络模型可以分别对灰度彩色图像或在HSV颜色空间对彩色彩色图像进行边缘检测；步骤5、输出彩色图像的边缘检测结果。本发明分析了FHN反应扩散方程的动力学性质，证明了其在图像边缘提取中的可行性；将基于FHN反应扩散方程的CNN应用于灰度和彩色彩色图像的边缘检测；采用反应扩散方程对扩散系数进行优化，使阈值更具适应性，由于自适应阈值可以根据彩色图像的亮度自适应选取，因此，提出的这种彩色图像边缘检测方法行之有效。

技术领域

本发明属于图像分割技术领域，特别是涉及一种基于反应扩散方程彩色图像边缘检测方法。

背景技术

边缘检测是图像处理领域的一个经典问题，尤其彩色图像边缘提取一直是图像处理领域的热点问题。与灰度图像相比，彩色图像的边缘检测结果会包含更多的边缘信息，特别是对于一些亮度相同但颜色不同的图像。近年来，许多科学家在这一领域做了大量的研究。一些是关于经典算法的优化，例如，Sobel算子，Canny算等，虽然这些技术在原有的基础上进行了一些优化，但并没有从根本上解决这些方法固有的缺点，如边缘提取精度不够，阈值不能自适应等。除了一些经典的方法外，还有模糊算法和梯度算子等方法来提取彩色图像的边缘。它们大多是为了解决图像边缘检测中的抗噪声问题，并没有在很大程度上提高提取的精度。因此，有必要提出更有效的彩色图像边缘检测算法，以提高边缘信息的质量。细胞神经网络(CNN)是图像边缘检测的有效工具之一。它由Berkeley等人在1988年提出，是一种具有实时信号处理能力的大型非线性电路，由大量的单元组成，只允许相邻单元之间直接通信。由于其易于在超大规模集成电路硬件中实现，因此，在图像处理、模式识别、视觉信号处理和仿真等领域得到了广泛的应用，但其致命的缺点是：抗干扰能力差，边缘检出的准确度低。Pham Hong Long方法利用反应扩散模型对CNN模型进行了优化。虽然边缘检测的准确度得到了提高，但阈值的自适应性不强，在彩色图像边缘检测中的应用也不理想。本方法对CNN进行了改进，提出一种基于FitzHugh-Nagumo(FHN)反应扩散方程的CNN彩色图像边缘检测方法以解决此问题。

发明内容

本发明为了解决现有的图像分割技术中边缘提取精度不够，阈值不能自适应的问题，提出一种基于反应扩散方程彩色图像边缘检测方法。

本发明的目的通过以下技术方案实现一种彩色图像边缘检测方法，包括以下步骤：

步骤1、输入彩色数字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)反应扩散方程的两层细胞神经网络CNN网络；

步骤4、利用提出的的细胞神经网络模型在HSV颜色空间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。

主要发明内容为，将输入的彩色数字图像数据值归一化处理到的[0，1]的值域范围内，进一步地，利用FHN进行图像边缘检测，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，从稳定点的邻域的任意初始值开始，解最终会收敛到稳定点，这个稳定点可以看作是一个阈值。