一种检测噪声图像中微弱边缘的方法技术

本发明专利技术中提出的一种检测噪声图像中微弱边缘的方法，其主要内容包括：问题设置、搜索曲线、边缘检测、检测阈值和最小检测对比度，其过程为，先采用点扩散函数进行采样，对图像像素进行建模，然后对于每个候选曲线进行搜索，获得足够强的匹配滤波器响应，接着检测原始图像中的所有实际边缘，最后导出一个阈值，检测最微弱的实际边缘，推断最小可检测对比度确定是否可以完全检测到非常微弱的边缘。本发明专利技术运行时间短，大大提高了效率，避免边缘平滑，大大改善了边缘定位，能有效地搜索大量候选的边缘，降低错误率；用高斯滤波器来降低噪声，但不会受到边缘之间的对比度变化的影响。

A method for detecting weak edges in noisy images

A weak edge detection in noise image the method of the invention, the main contents include: setting, search curve, edge detection, detection threshold and minimum contrast detection, the process is, first using point spread function sampling, modeling of the image pixels, and then curves for each candidate search get enough of the matched filter response, then detect all the actual edge of the original image, a threshold is derived finally, detecting the actual edge of the weak, to infer the minimum detectable contrast to determine whether can detect very weak edge. The invention is a short operation time, greatly improving the efficiency, avoid edge smoothing, greatly improves the edge localization, can effectively search a large number of candidate edges, reduce the error rate; using Gauss filter to reduce the noise, but the effect is not affected by the change of contrast between the edge.

【技术实现步骤摘要】
一种检测噪声图像中微弱边缘的方法
本专利技术涉及图像边缘检测领域，尤其是涉及了一种检测噪声图像中微弱边缘的方法。
技术介绍
边缘检测技术是图像分析的重要内容，也是图像处理领域中一种重要的预处理技术，因此其受到人们广泛的关注和重视。由于实际应用中图像质量的优劣性和目标的复杂性，进行边缘检测时往往要经过图像增强、去噪等过程，并随着信号处理、模糊数学、几何学等基础理论的发展，越来越多的新技术被引入到边缘检测方法中，如小波、灰色关联度、灰色预测模型、模糊、遗传算法神经网络、形态学、分形理论等技术。边缘检测可以应用在基于汽车牌照底色、牌照边缘颜色的车牌识别，以及包括人脸检测、人脸跟踪、人脸识别和表情分析的人脸识别研究。还可以用于医学图像领域，通过边缘检测提取医学图像中的感兴趣区域，以及通过边缘检测提取图像中心盘螺所在的感兴趣区域，然后通过特征点检测来定位货运列车故障的可能位置。传统方法的主要限制是它通常会降低弱边缘的对比度，运行时间长，效率低下。本专利技术提出了一种检测噪声图像中微弱边缘的方法，先采用点扩散函数进行采样，对图像像素进行建模，然后对于每个候选曲线进行搜索，获得足够强的匹配滤波器响本文档来自技高网...

【技术保护点】
一种检测噪声图像中微弱边缘的方法，其特征在于，主要包括问题设置(一)；搜索曲线(二)；边缘检测(三)；检测阈值和最小检测对比度(四)。

【技术特征摘要】
1.一种检测噪声图像中微弱边缘的方法，其特征在于，主要包括问题设置(一)；搜索曲线(二)；边缘检测(三)；检测阈值和最小检测对比度(四)。2.基于权利要求书1所述的问题设置(一)，其特征在于，令I0(x,y)表示矩形域上的连续无噪声函数；观察到的图像是I0的离散和噪声版本，大小为N＝n1×n2像素；为了简单起见，采用δ点扩散函数进行理想采样，观察到的图像像素可建模为Ii,j＝I0(xi,yi)+ξi,j，其中ξ是加性噪声；给定嘈杂的图像I，边缘检测是检测原始图像I0中的所有实际边缘，同时控制伪边缘的检测次数。3.基于权利要求书1所述的搜索曲线(二)，其特征在于，假设图像I0中的边缘属于一组曲线对于每个候选曲线将一个边缘响应R(Γ)定义为相应匹配滤波器的值；对于长度为L个网格点的曲线宽度ω的滤波器，其边缘响应R(Γ)是两边ωL/2内插像素测量的两个平均值曲线；给定边缘响应将边缘检测的问题视为在曲线中的搜索，获得足够强的匹配滤波器响应。4.基于权利要求书1所述的边缘检测(三)，其特征在于，令是曲线的集合，其中是长度L和Lmin,Lmax的候选曲线的子集，它取决于输入图像大小；鉴于噪声图像I，噪声电平σ，滤波器宽度ω和上述曲线集合，边缘检测进行如下：1)对于每一个L∈[Lmin,Lmax]，a)对于每一个计算相应的边缘相应；b)如果则抛弃Γ；c)如果|R(Γ)|>T应用一致的对比度测试，验证T描绘了具有统一对比度的边缘；2)对步骤1)中接受的曲线应用非最大抑制。5.基于权利要求书1所述的检测阈值和最小检测对比度(四)，其特征在于，导出一个阈值，检测最微弱的实际边缘，同时控制由于噪声而具有较大响应的假边缘；阈值应该随着曲线长度而减小，曲线数量随着它们的长度而增长，可能会出现错误检测的数量；因此需要控制这一增长的阈值；曲线长度与搜索空间大小之间的相互作用决定了阈值；此外，推导可以用于推断最小可检测对比度，即是否可以完全检测到非常微弱的边缘。6.基于权利要求书5所述的检测阈值，其特征在于，给定长度为L的候选曲线及其边缘响应的集合，提取与实际边缘相对应的曲线；如上所述，通过仅保留那些边缘响应|Ri|>T来实现，其中T＝T(L,KL)是检测阈值，然后应用附加测试和非最大抑制；该检测阈值的基本要求是针对不包含边缘(例如，I0＝const)的纯噪声图像I，数字的杂散错误检测将会很小；为了确定错误检测率，设置T，P(Rmax≤T)≥1-δ(1)其中，Rmax＝max1≤i≤KL|Ri|和δ是独立于L的一个小的正常数(0<δ≤0.5)；如果曲线Γi通过I0的恒定强度区域(I的纯噪声区域)，则其相应的边缘响应Ri是零均值高斯随机变量；如果该曲线与笛卡尔网格完全一致，则进入滤波器响应的ωL测量不涉及内插，而且在假设的图像模型下的所有在这种情况下，其中对于不完全与笛卡尔网格对齐的曲线，ωL测量值是原始像素的线性组合，并且通常不是统计学上独立的；相应的方差稍微偏离并取决于曲线的精确形状。7.基于权利要求书6所述的导出阈值，其特征在于，为了导出阈值并获得其对KL候选曲线集合，假设所有边缘响应Ri是独立的，并且进一步使得KL＞＞1，因此T＞＞σL；在这些假设下，有：

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东,44