基于关联成像的边缘图像提取方法及系统技术方案

本发明专利技术提供了一种基于关联成像的边缘图像提取方法及系统，涉及边缘图像提取技术领域。先基于成像系统采集观测信号值以及所对应的照明光场强度分布函数I

【技术实现步骤摘要】
基于关联成像的边缘图像提取方法及系统
本专利技术涉及边缘图像提取
，具体涉及一种基于关联成像的边缘图像提取方法及系统。
技术介绍
边缘图像是进行图像处理和机器视觉领域实现识别、判断、跟踪和恢复目标的基础，例如，基于边缘图像来获取目标的角点信息。如何利用关联成像系统提取出清晰的边缘图像是推动关联成像技术实用化的关键技术。现有的基于关联成像的边缘图像提取方法(以下简称现有技术)通常是利用关联成像系统获取测量值，再计算等效测量值和梯度幅值信息，最终基于梯度幅值信息直接重构得到目标的边缘图像。但现有技术存在基于梯度幅值信息直接重构得到目标的边缘图像的边缘较粗的问题，如图4(c)所示，会对后期图像的角点信息提取产生干扰。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种基于关联成像的边缘图像提取方法，解决了现有的基于梯度幅值信息直接重构得到目标的边缘图像的边缘较粗的技术问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于关联成像的边缘图像提取方法，该方法包括：S1、第k次采样中，获取M幅具有稀疏随机分布的散斑图Sk(x,y)，再将每个散斑图扩展成一组散斑调制图S2、将散斑调制图依次加载到数字微镜器件上调制目标反射的照明光场，并通过单像素探测器获得一组观测信号值S3、利用观测信号值计算垂直边缘的等效测量值和水平边缘的等效测量值完成一次采样；S4、完成M次采样后，基于垂直边缘的等效测量值和水平边缘的等效测量值以及照明光场空间分布函数重构目标的垂直边缘函数和水平边缘函数S5、利用重构的垂直边缘函数和水平边缘函数计算梯度幅值和梯度方向θ(x,y)；S6、利用梯度幅值梯度方向θ(x,y)以及垂直边缘函数和水平边缘函数进行非极大值抑制，得到非极大值抑制后的边缘图像S7、对非极大值抑制后的边缘图像进行双阈值检测，得到最终提取的边缘图像优选的，所述S1中的将每个散斑图扩展成一组散斑调制图包括：将散斑图按照中心像素点周围3*3邻域内8个像素点方向进行位移，用l＝1,2,...,8表示这8个平移散斑图的次序，即散斑图Sk(x,y)的扩展公式为：优选的，所述S3中利用观测信号值计算垂直边缘的等效测量值和水平边缘的等效测量值采用Sobel算子的模板系数，且计算公式如下：优选的，所述S4中重构目标的垂直边缘函数和水平边缘函数的重构公式为：优选的，所述S5中梯度幅值和梯度方向θ(x,y)的计算公式为：优选的，所述S6利用梯度幅值梯度方向θ(x,y)以及垂直边缘函数和水平边缘函数进行非极大值抑制，得到非极大值抑制后的边缘图像的计算公式如下：其中，ξ(x,y)是进行非极大值抑制的区域，是进行非极大值抑制后的图像，NMS[·]表示进行非极大值抑制的算子。优选的，所述S7对非极大值抑制后的边缘图像进行双阈值检测，得到最终提取的边缘图像包括：S7-1、通过预设的高阈值Th和低阈值Tl对非极大值抑制后的边缘图像进行检索，将灰度值大于高阈值Th的点均设置为1，并将图像保留为将灰度值大于低阈值Tl的点均设置为1，并将图像保留为S7-2、获取高阈值图像上线条端点位置，在低阈值图像上检索同一位置及其邻域位置，从中筛选出将高阈值图像上的线条连成轮廓的边缘点Ei；S7-3、进行迭代，将所有边缘点Ei填补至高阈值图像，获得最终提取的边缘图像一种基于关联成像的边缘图像提取系统包括：连续光可调谐定制激光器、数字微镜器件、单像素探测器以及与单像素探测器和数字微镜器件分别通信连接的计算机；所述计算机包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现步骤S1-S7；所述连续光可调谐定制激光器与单像素探测器之间的光路上依次设置有扩束镜、可调衰减器、可变光阑、目标、会聚透镜、数字微镜器件、滤光片。优选的，所述连续光可调谐定制激光器的输出波长为532.6nm,平均功率为2W；所述会聚透镜的焦距为300mm，口径为78.2mm；所述数字微镜器件的工作面物理尺寸为9.1mm×20.7mm，最大分辨率为912×1140，最高翻转速度为4000Hz；所述滤光片的中心波长为532.6nm；所述单像素探测器为硅光电倍增管，且光敏面积为3*3mm2。(三)有益效果本专利技术提供了一种基于关联成像的边缘图像提取方法及系统。与现有技术相比，具备以下有益效果：先基于成像系统采集观测信号值以及所对应的照明光场强度分布函数Ik(x,y)，求出等效测量值和重构出目标的垂直边缘函数和水平边缘函数并计算出目标的梯度幅值和梯度方向θ(x,y)，再采用非极大值抑制对边缘进行细化以及抑制边缘模糊，再通过双阈值检测消除因非极大值抑制产生的伪边缘和不连续的线条，最终直接提取出清晰的细边缘的边缘图像，有助于后期对目标的角点信息进行准确的提取。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例的基于关联成像的边缘图像提取方法的流程图；图2为本专利技术实施例的基于关联成像的边缘图像提取系统的结构示意图；图3为本实施例的梯度方向划分示意图；图4为现有技术与本专利技术实施例的提取的边缘图像对比图；图5为角点提取的结果示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请实施例通过提供一种基于关联成像的边缘图像提取方法，解决了现有的基于梯度幅值信息直接重构得到目标的边缘图像的边缘较粗的技术问题。本申请实施例中的技术方案为解决上述技术问题，总体思路如下：先基于成像系统采集观测信号值以及所对应的照明光场强度分布函数Ik(x,y)，求出等效测量值和重构出目标的垂直边缘函数和水平边缘函数并计算出目标的梯度幅值和梯度方向θ(x,y)，再采用非极大值抑制对边缘进行细化以及抑制边缘模糊，再通过双阈值检测消除因非极大值抑制产生的伪边缘和不连续的线条，最终直接提取出清晰的细边缘的边缘图像，有助于后期对目标的角点信息进行准确的提取。实施例1本专利技术实施例首先提出了一种基于关联成像的边缘图像提取方法，如图1所示，该方法包括：本文档来自技高网...

【技术保护点】
1.一种基于关联成像的边缘图像提取方法，其特征在于，该方法包括：/nS1、第k次采样中，获取M幅具有稀疏随机分布的散斑图S

【技术特征摘要】
1.一种基于关联成像的边缘图像提取方法，其特征在于，该方法包括：
S1、第k次采样中，获取M幅具有稀疏随机分布的散斑图Sk(x,y)，再将每个散斑图扩展成一组散斑调制图
S2、将散斑调制图依次加载到数字微镜器件上调制目标反射的照明光场，并通过单像素探测器获得一组观测信号值
S3、利用观测信号值计算垂直边缘的等效测量值和水平边缘的等效测量值完成一次采样；
S4、完成M次采样后，基于垂直边缘的等效测量值和水平边缘的等效测量值以及照明光场空间分布函数重构目标的垂直边缘函数和水平边缘函数
S5、利用重构的垂直边缘函数和水平边缘函数计算梯度幅值和梯度方向θ(x,y)；
S6、利用梯度幅值梯度方向θ(x,y)以及垂直边缘函数和水平边缘函数进行非极大值抑制，得到非极大值抑制后的边缘图像
S7、对非极大值抑制后的边缘图像进行双阈值检测，得到最终提取的边缘图像


2.如权利要求1所述的一种基于关联成像的边缘图像提取方法，其特征在于，所述S1中的将每个散斑图扩展成一组散斑调制图包括：
将散斑图按照中心像素点周围3*3邻域内8个像素点方向进行位移，用l＝1,2,...,8表示这8个平移散斑图的次序，即散斑图Sk(x,y)的扩展公式为：





3.如权利要求1所述的一种基于关联成像的边缘图像提取方法，其特征在于，所述S3中利用观测信号值计算垂直边缘的等效测量值和水平边缘的等效测量值采用Sobel算子的模板系数，且计算公式如下：








4.如权利要求1所述的一种基于关联成像的边缘图像提取方法，其特征在于，所述S4中重构目标的垂直边缘函数和水平边缘函数的重构公式为：








5.如权利要求1所述的一种基于关联成像的边缘图像提取方法，其特征在于，所述S5中梯度幅值和梯度方向θ(x,y)的计算公式为：








6.如权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：程正东，陈熠，朱斌，杨华，李晓霞，白秀军，解博，朱耀轩，吴梦醒，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：安徽;34