[发明专利]基于剪切波系数概率密度分布的图像边缘检测方法

摘要

本发明公开一种基于剪切波系数概率密度分布的图像边缘检测方法，首先抑制噪声、增强图像的边缘，然后统计图像剪切波变换后的概率密度分布规律，进而利用高斯混合模型对剪切波系数所对应的大、小状态建模，分离出图像的候选边缘像素，最后采用大津法和细化方法从候选像素中提取图像的边缘，实验结果表明本发明方法提取出的边缘连续性好，人眼主观质量较高。

主权项

1.一种基于剪切波系数概率密度分布的图像边缘检测方法，其特征在于按照如下步骤进行：步骤1. 利用蒙特卡罗方法估算输入图像的噪声方差，再采用方差为的高斯平滑滤波器对图像进行平滑处理；步骤2. 采用Kirsch算子对平滑处理后的输入图像进行锐化预处理，设处理后的图像为，并且，其中表示Kirsch算子的8个模板，“*”表示卷积运算；对进行剪切波变换；步骤3.采用坎尼算子提取低频子带的边缘系数，并保持这些边缘系数不变，将低频子带中的非边缘系数全部置为0；步骤4. 用高斯混合模型对变换后的剪切波高频子带系数集合进行建模，根据大、小状态获取图像的边缘系数，所述N表示高频子带系数总数：步骤4.1 采用高斯混合分布函数对剪切波高频子带系数进行建模：                                其中，为剪切波高频子带系数取大状态的状态变量，为剪切波高频子带系数取小状态的状态变量，分别表示高频子带系数取大、小两个状态的先验概率且满足，是待估计的高斯混合分布参数，为高频子带系数取大、小两个状态所对应的高斯分布的概率密度函数，为高斯分布的均值，为高斯分布的方差；步骤4.2 建立似然函数，并利用期望最大化极大似然估计算法训练参数，进而判定每个剪切波高频子带系数所处的状态：                                                步骤4.3 保持那些处于大状态的概率超过0.5的高频子带系数不变，而将其余高频子带系数全部置成0；步骤4.4 利用邻域分析法对大状态高频子带系数进行细化处理，将不在细化边缘上的大状态高频子带系数也置成0；步骤5. 对处理后的变换系数进行逆剪切波变换，得到一幅新的图像；步骤6. 利用大津法计算的自适应阈值，采用该阈值将图像进行二值化；步骤7. 利用邻域分析法对二值化后的图像进行细化处理，输出单像素宽的边缘检测结果。