基于各向异性高斯方向导数滤波器提取图像粗边缘的方法技术

本发明专利技术公开了基于各向异性高斯方向导数滤波器提取粗边缘的方法，其采用离散化各向异性高斯核方向导数滤波器对图像进行平滑，然后计算平滑后的图像像素的最大梯度方向对应的梯度幅值，最后利用梯度相关性提取粗边缘。本发明专利技术利用各向异性高斯方向导数滤波器处理图像对噪声有很好的抑制作用且可以很好的提取各个方向上的灰度变化信息，克服了由于高斯尺度因子带来的边缘轮廓移位及噪声敏感的问题，为基于边缘轮廓的角点检测算法提供了一种新的边缘提取方法。

【技术实现步骤摘要】

本专利技术属于图像特征提取
，具体涉及基于各向异性高斯方向导数滤波器提取图像粗边缘的方法。
技术介绍
图像的特征(如：边缘、角点等)包含了丰富的信息，可以对图像处理提供足够的约束。提取图像特征信息可以有以下的优势：(1)对图像特征进行处理大大减少了运算的数据量，(2)特征具有旋转、放大、缩小和平移不变的性质。提取边缘的技术常常被利用到角点检测应用中，现今的角点检测大致可以分为三类：基于灰度强度变化检测方法、基于边缘轮廓的检测方法，基于角点模型匹配的检测方法。基于边缘轮廓的检测方法，关键技术在于对边缘轮廓的提取。基于边缘轮廓的角点检测算法主要是通过分析图像边缘的形状特性来检测角点，这种方法首先提取图像的边缘轮廓，然后从边缘中提取封闭或者非封闭的边缘轮廓曲线，最后通过搜索轮廓线上的曲率局部极大值点或者斜率或梯度方向变化点搜索交点来提取角点。最具代表的检测方法为曲率尺度空间CSS技术，此检测算法由于平滑边缘轮廓的高斯尺度值难以确定，会产生边缘轮廓移位的现象本文档来自技高网...

【技术保护点】
基于各向异性高斯方向导数滤波器提取图像粗边缘的方法，其特征在于，包括以下步骤：步骤1：将图像读入计算机；步骤2：在[0,π]内平均方向角上采用各向异性高斯方向导数滤波器平滑图像；步骤3：计算平滑后图像像素的梯度幅值EMGxi(n)；步骤4：计算图像像素的全局标准化梯度幅值，具体步骤如下：4.1，首先计算图像像素的领域内梯度标准化幅值；以一像素点为中心像素点，选取领域，计算所述领域内中心像素点的领域内梯度标准化幅值计算公式如下：Nq=Σi=1,2,...NEMGxi(n)N]]>I^q(n)=|EMGx(q)|Nq,]]>其中，Nq表示围绕中心像素点的领域内像素点的平均梯度幅值，N表...

【技术特征摘要】
1.基于各向异性高斯方向导数滤波器提取图像粗边缘的方法，其
特征在于，包括以下步骤：
步骤1：将图像读入计算机；
步骤2：在[0,π]内平均方向角上采用各向异性高斯方向导数滤波
器平滑图像；
步骤3：计算平滑后图像像素的梯度幅值EMGxi(n)；
步骤4：计算图像像素的全局标准化梯度幅值，具体步骤如下：
4.1，首先计算图像像素的领域内梯度标准化幅值；
以一像素点为中心像素点，选取领域，计算所述领域内中心像素
点的领域内梯度标准化幅值计算公式如下：
Nq=Σi=1,2,...NEMGxi(n)N]]>I^q(n)=|EMGx(q)|Nq,]]>其中，Nq表示围绕中心像素点的领域内像素点的平均梯度幅值，
N表示所取领域内像素点的个数，EMGxi(n)表示领域内第i个像素点
的梯度幅值，EMGx(q)表示中心像素点的梯度幅值；
4.2，计算图像像素的全局标准化梯度幅值；
计算所述中心像素点的全局标准化梯度幅值，计算公式如下：
uI=1NIΣi=1NIEMGx(n)]]>σI=1NIΣi=1NI(EMGx(q)-uI)2,]]>||▿I^q||=(I^q(n)-uIσI)2]]>其中，代表全局标准化梯度幅值，NI表示整幅图像像素点的
个数，uI是整幅图像梯度均值，σI是整幅图像的梯度标准偏差；
重复步骤4.1及步骤4.2，直至计算出图像所有像素点的全局标
准化梯度幅值；
步骤5：双阈值法提取粗边缘，具体步骤如下：
设置双阈值Th,Tl，全局标准化梯度幅值大于Th的像素点标记
为边缘点，全局标准化梯度幅值小于Tl的像素点视为背景点删除，
全局标准化梯度幅值介于Th，Tl的像素点分为两种情况：若其8
邻域中存在已经标记的边缘点，则该像素点标记为边缘点，否则视为
非边缘点删除；
步骤6：输出图像的粗边缘。
2.根据权利要求1所述的基于各向异性高斯方向导数滤波器提
取图像粗边缘的方法，其特征在于，所述的步骤2的具体步骤如下：
2.1，计算各向异性高斯方向导数；
各向异性高斯核函数的表达式为：
gσ,ρ,θ(x)=12πσ2exp(-12σ2xTR-θρ200ρ-2Rθx),]]>Rθ=cosθsinθ-sinθcosθ]]>其中...

【专利技术属性】
技术研发人员：章为川，孔祥楠，杨婷婷，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61