基于相对变分的边缘检测方法技术

本发明专利技术提出了一种基于相对变分正则化的细胞神经网络边缘检测方法。本方法包括图像预处理以及预处理后的边缘检测两部分。图像预处理主要是采用相对变分对噪声及纹理进行平滑；预处理后的边缘检测主要是采用细胞神经网络方法对图像进行检测。该发明专利技术方法能够对富含噪声及纹理复杂的照片提取出有效可靠、精准的有效边缘信息，与传统Canny方法相比，抑制了噪声及纹理的影响，与标准的细胞神经网络方法相比，避免预先设计复杂的CNN模板参数。

【技术实现步骤摘要】
【专利摘要】本专利技术提出了一种基于相对变分正则化的细胞神经网络边缘检测方法。本方法包括图像预处理以及预处理后的边缘检测两部分。图像预处理主要是采用相对变分对噪声及纹理进行平滑；预处理后的边缘检测主要是采用细胞神经网络方法对图像进行检测。该专利技术方法能够对富含噪声及纹理复杂的照片提取出有效可靠、精准的有效边缘信息，与传统Canny方法相比，抑制了噪声及纹理的影响，与标准的细胞神经网络方法相比，避免预先设计复杂的CNN模板参数。【专利说明】
本专利技术涉及一种，属于计算机视觉和视频检索领域。技术背景图像的边缘是图像的最基本特征之一，它的检测与提取一直是图像处理与计算机视觉领域的研究热点，是图像分割、纹理特征提取、形状特征提取等图像分析与理解方面的重要基础。国内外许多学者在这方面做过深入的研究，目前经典的图像边缘检测方法有微分算子法，譬如Roberts算子，Sobel算子，Prewitt算子，Laplacian算子,最有算子法,譬如LOG算子，Canny算子。另外近几年，图像边缘检测领域也涌现出了些新的方法，例如小波多尺度方法、细胞神经网络(Cellular Neural Network, CNN)方法等。微分算子是最原始、最基本的边缘检测算法，主要是根据灰度边缘处的一阶导数有极值，二阶导数过零点的原理来检测边缘。在求边缘的导数时，需要对每个像素位置计算，在实际中常用模板卷积来近似计算。经典的微分算子有: Roberts算子采用对角线方向相邻的两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，但对噪声敏感； Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声有平滑作用，提供较为精确的边缘方向信息，边缘定位的精度不够高。Prewitt算子利用像素点上下、左右邻点灰度差，在边缘处达到极值来检测边缘。对噪声有平滑作用，定位精度不高。Laplacian算子是二阶微分算子，利用边缘点处二阶导数出现零交叉来检测边缘，各向同性，对灰度突变敏感，定位精度高，对噪声也敏感，不能活得边缘方向信息。最优算子法是在微分算子的基础上发展起来的边缘检测算子，根据信噪比求得检测边缘的最优滤波器。常见的最优算子法包括LOG算子和Canny算子。LOG算子首先应用Gaussian函数先对图像进行平滑，然后采用拉氏算子根据二阶导数过零点来检测边缘，该方法能较好地反映人的视觉特征。它的抗干扰能力强，边界定位精度高，连续性好，且能提取出对比度弱的边界。其不足之处就是当边界距离宽度小于算子宽度时，零交叉处的斜坡会发生融合，区域边界细节会丢失。Canny算子的实质是利用高斯函数的一阶微分，并用非极大抑制和“磁滞”阈值法来定位导数最大值。但是对噪声和纹理图像的边缘还是不能够达到满意效果。小波变换由于其良好的视频局部特性，成为多分辨率分析另一种非常有效的工具。它具有天然的多尺度特征，能够把信号或图像分解成交织在一起的多种尺度成分，并对大小不同的尺度成分采用相应粗细的时域或空域取样步长。但是小波变换过于复杂。细胞神经网络方法是一种非线性、局部连通的神经网络，具有并行性、运算速度快等特点。但是，在细胞神经网络中，要想使细胞神经网络具有特定的图像处理功能，关键一步是设计合适的细胞神经网络模板参数，因为不同的模板参数形式具有不同的图像处理功能。将细胞神经网络应用到边缘检测中，也需要找到好的模板，而这恰恰是最困难的部分。
技术实现思路
鉴于以上所述现有技术存在的问题和不足，本专利技术的目的在于提供一种，实现从富含噪声和纹理的图像中来有效可靠、精准的获取图像的有效边缘信息。为达到上述目的，本专利技术采用以下技术方案: 一种，包括图像预处理以及预处理后的边缘检测两部分。其特征在于: (O图像预处理:采用相对变分的方法来平滑图像的噪声以及纹理结构； (2)图像边缘检测:采用细胞神经网络来提取预处理后的图像的边缘结构。在提供一张含有噪声的图片或者含有丰富纹理的图片之后，具体操作步骤如下: (I)相对变分图像预处理 在基于偏微分方程的模型中，带噪声图像的总变分远大于无噪图像的总变分，可以用一种变分极小化模型(简称I模型)来表示，其算法是在图像的能量泛函中找到平衡态，即求最小化能量。总变分最小化方法作为一种非线性规整化方法具有良好的棱边保持性，是一种对噪声抑制、图像重建和复原等有前景的方法，譬如JF-11模型。虽然IF-;模型对无规则的纹理图片平滑效果比较好，但是对于一些具有比较明显的边缘信息和纹理的图片来说，效果差强人意。为了能得到更好的总体空间变化，采用相对变分的IF模型比JF模型具有更好的效果，表示为【权利要求】1.一种基于相对变分边缘提取的方法，其特征在于，具体操作步骤如下: (1)提供需要边缘提取的照片:主要是针对纹理复杂或者噪声影响的照片； (2)图像预处理:针对提供的照片，采用相对变分进行平滑处理，抑制噪声以及去除纹理； (3)图像边缘检测:针对平滑过后的照片，采用传统细胞神经网络边缘检测算法检测出边缘。2.根据权利要求1所述的基于相对变分边缘提取的方法，其特征在于所述步骤(2)图像预处理中，首先将图片的纹理能够更好的平滑，抑制住噪声对边缘检测的影响；采用的相对变分模型表示为 3.根据权利要求1所述的基于相对变分边缘提取的方法，其特征在于所述步骤(3)图像边缘检测中对图像S采用神经网络进行边缘检测的方法如下: 根据细胞的等效电路模型可知，每个细胞均有一个状态，一个恒定的外界输入与输出，因此，每个细胞都可以用下列公式6的动态方程来描述: 【文档编号】G06N3/06GK103955911SQ201410011571【公开日】2014年7月30日 申请日期:2014年1月10日 优先权日:2014年1月10日 【专利技术者】徐林, 黄东晋, 谢志峰, 丁友东 申请人:上海大学本文档来自技高网...

【技术保护点】
一种基于相对变分边缘提取的方法，其特征在于，具体操作步骤如下：(1)   提供需要边缘提取的照片：主要是针对纹理复杂或者噪声影响的照片；(2)   图像预处理：针对提供的照片，采用相对变分进行平滑处理，抑制噪声以及去除纹理；(3)   图像边缘检测：针对平滑过后的照片，采用传统细胞神经网络边缘检测算法检测出边缘。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐林，黄东晋，谢志峰，丁友东，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31