The invention discloses an internal ocean wave detection algorithm based on multi-scale mathematical morphology feature fusion, which includes the following steps: multi-scale edge detection based on modulus maxima of wavelet transform to obtain multi-scale edge information; multi-scale morphology to detect edges of low-frequency sub-images after wavelet decomposition; and then wiping out small interference areas by using the method of connected region; Maximum multi-scale wavelet edge detection results and multi-scale morphological edge detection results are fused to obtain multi-structure elements multi-scale edge detection images. Compared with the existing texture filtering methods, the filtering results of the present invention can not only preserve the structure information of the image, but also filter out some unnecessary texture details. Compared with the existing algorithms, the proposed structure detection and texture filtering algorithm has achieved better results in the recognition and maintenance of weak gradient structure, the suppression and smoothing of multi-scale and strong gradient texture, etc. \u3002
【技术实现步骤摘要】
基于多尺度数学形态学特征融合的海洋内波检测算法
本专利技术涉及计算机图形学领域,特别是一种基于多尺度数学形态学特征融合的海洋内波检测算法。
技术介绍
传统的边缘检测方法主要是基于图像的一些局部特征来检测图像中的结构信息。例如,sobel算子、Roberts算子和Prewitt算子等一系列梯度算子,主要是通过在灰度图上计算一阶导数来检测边缘。Marr和Hildreth提出了一种先使用高斯函数对图像进行平滑,再使用拉普拉斯算子进行求导,利用过零点来检测边缘,这种方法又被称为LOG(laplacianofgaussian)算子。另外一个比较经典的边缘检测算法是canny算子它将边缘看作是在亮度通道中不连续的像素点,通过非极大值抑制及滞后阈值处理步骤来获取图像的边缘。但是canny算子在检测边缘之前,先要用高斯平滑滤波对整幅图像平滑处理,抑制噪声的同时也模糊了部分结构边缘。而且检测结果对尺度的依赖比较大,对于不同的图像,最优尺度参数往往不尽相同。上述边缘检测方法都是为检测图像中局部边缘设计的,并没有考虑纹理边缘残留,检测结果不清晰。最近的一些边界检测算法结合机器学习的框架引入多个特征输入,如梯度、亮度、纹理、颜色和深度等特征,将图像的边界检测问题看作一个机器学习的分类问题。Martin等人将图像的颜色和纹理作为分类器输入特征,提出一种基于学习的边界响应预测算法Pb。由于边缘响应跟尺度有关,因此一些基于Pb的多尺度边缘检测器也相继被提出。随后,Dollar等人提出BEL算法,主要使用Boosting技术进行边缘和目标边界学习,该算法可以实现特定对象的边界检测,但是过 ...
【技术保护点】
1.一种基于多尺度数学形态学特征融合的海洋内波检测算法,其特征在于,包括以下步骤:步骤1,利用小波分解,对检测对象进行分解,得到源图像的高频子图像和低频子图像;步骤2,对小波分解后得到的低频子图像使用多尺度形态学检测边缘;步骤3,对步骤2得到的多尺度形态学边缘检测结果,利用连通域的方法抹去面积小于设定阈值的干扰区域,得到多结构元素多尺度融合后边缘检测图像;步骤4,将模极大值多尺度小波边缘检测结果与多尺度形态学边缘检测结果进行图像融合,最终得到多结构元素多尺度边缘检测图像。
【技术特征摘要】
1.一种基于多尺度数学形态学特征融合的海洋内波检测算法,其特征在于,包括以下步骤:步骤1,利用小波分解,对检测对象进行分解,得到源图像的高频子图像和低频子图像;步骤2,对小波分解后得到的低频子图像使用多尺度形态学检测边缘;步骤3,对步骤2得到的多尺度形态学边缘检测结果,利用连通域的方法抹去面积小于设定阈值的干扰区域,得到多结构元素多尺度融合后边缘检测图像;步骤4,将模极大值多尺度小波边缘检测结果与多尺度形态学边缘检测结果进行图像融合,最终得到多结构元素多尺度边缘检测图像。2.根据权利要求1所述的基于多尺度数学形态学特征融合的海洋内波检测算法,其特征在于,步骤1小波分解的具体步骤为:选用Db4作为小波函数,对内波图像f(x,y)进行二进小波变换;通过变换系数,得到图像水平和竖直方向的小波变换系数,求出二进小波变换的模值和幅角;由小波变换的模值和幅角,求出模值沿幅角方向的局部极大值点,即图像的边缘点;对边缘点进行连接和取舍,得到低频子图像与高频子图像。3.根据权利要求1所述的基于多尺度数学形态学特征融合的海洋内波检测算法,其特征在于,步骤2对低频子图像使用灰值数学形态学进行边缘检测得到低频图像边缘;具体为:应用不同的结构元素对图像进行边缘检测,通过实体加权融合与信息熵结合的方法对边缘图像进行图像融合,获得单尺度下的边缘检测结果G1;对5个结构元素分别进行...
【专利技术属性】
技术研发人员:张雪禹,刘梦诗,潘海朗,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。