一种检测图象边缘的独立边界自增强方法技术

本发明专利技术涉及一种检测图象边缘的独立边界自增强方法，用于图象的边界检测和边界增强。主要采用随机启发式搜索，利用边界搜索轨迹进行独立边界的自增强，以达到强化图象边界，提高图象边缘的正确识别。与松弛标记法相比，我们的方法进行了两点主要改进：１）利用边界搜索轨迹进行独立边界的自增强，而不是用固定的象素点领域作混乱的增强；２）用积累而不是用迭代。我们的方法中，边界的增强是基于各自的搜索轨迹。同一搜索轨迹上的各象素互相增强，我们称之为边界的自增强。采用独立边界自增强方法得到的边界图像边缘清晰，准确。（*该技术在2021年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及，用于图象的边界检测和边界增强。主要采用随机启发式搜索，利用边界搜索轨迹进行独立边界的自增强，以达到强化图象边界，提高图象边缘的正确识别。目前，松弛标记法是一种广泛使用的边界增强和噪声抑制方法。它使用边界点的位置、梯度矢量、曲率等来初始化松弛网络象素的标记，然后在松弛过程中使用某些约束对象素标记重复修正，最后获得边界轮廓。然而许多学者发现不同的独立边界曲线可能由于相距很近而彼此干扰；另外迭代对利用边界的上下文信息有时并不有效，前面操作产生的错误标记将随着迭代过程而被放大和扩散，导致后续的迭代结果严重恶化；这种方法的一个致命弱点是会引起边界的粗化，尽管在S.W.Zucker，R.A.Hummel and A.Rosenfeld.An application of relaxation labeling to lineand curve enhancement.IEEE Trans.Computers，1977，26(4)394-403.和J.S.Duncanand T.Birkholzor.Reinforcement of Linear Structure Using Parameterized RelaxationLabeling.IEEE Trans.Pattern Analysis and Machine Intelligence，1992，14232-245.中作者提出了细化的方法，但是仍然无法准确的提取到正确的边界。为了避免现有技术的不足之处，本专利技术提出了一种独立边界自增强累积算法。与松弛标记法相比，我们的方法进行了两点主要改进1)利用边界搜索轨迹进行独立边界的自增强，而不是用固定的象素点领域作混乱的增强；2)用积累而不是用迭代。我们的方法中，边界的增强是基于各自的搜索轨迹。同一搜索轨迹上的各象素互相增强，我们称之为边界的自增强。本专利技术思想的特征在于算法的输入是原始提取的边界图象，输出是增强的边界图象。本方法主要由三个部分组成，第一部分是边界搜索(1)，提供边界曲线的轨迹；第二部分执行各搜索轨迹的自增强(2)；第三部分统计积累自增强的搜索轨迹(3)。边界搜索(1)的特征在于a、采用随机启发式搜索，搜索轨迹是随机而不是固定的；b、搜索是由输入边界引导的，这使得搜索的轨迹在概率意义上与边界吻合；c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进行积累，一次搜索的结果对最终结果只产生微小的贡献。执行各搜索轨迹的自增强(2)的特征在于利用自己本身的上下文信息来增强自己，使得同一搜索轨迹上的各象素相互增强，这样，独立边界曲线自动区分增强，并且它们间没有干扰。自增强的搜索轨迹统计(3)的特征在于积累器是按象素位置设置的，位置积累器积累包含此象素的不同搜索轨迹。反复进行随机启发式搜索一直到积累器能够区别噪声和边界结构。随机启发式搜索的特征在于随机启发式搜索的过程包括三步选择开始点(4)，选择扩展点(5)和决定终止点(6)。在选定开始点，作为搜索的开始点。终止点的选择与扩展点的选择一样。搜索扩展点是在一个一定的邻域内随机选择的，选择是根据邻域象素的边界幅值并满足曲线方向连续性约束。如果决定搜索轨迹上的一点为终止点，那么搜索就到此为止。 附图说明图1独立边界自增强方法的框图。图2随机启发式搜索边界轨迹的流程3原始图像a图4加入强噪声后的边界图像图5独立边界增强方法得到的边界图6松弛法得到的边界7原始图像b图8独立边界自增强方法得到的边界图像1-边界搜索 2-执行各搜索轨迹的自增强3-自增强的搜索轨迹统计4-选择开始点5-选择扩展点 6-决定终止点本专利技术将结合实施例(附图)作进一步描述实施例1对图3所示的数码相机摄入的原始图像进行边界检测，图4是加入强高斯噪声边界检测后图像，图5是使用了独立边界自增强方法得到的边界图像。与图5相比较，图6是用原有的松弛法得到的图象边界，显然松弛法对噪声的抑制不够理想，对于强噪声图像处理无法令人满意，此外，出现了粗化边界的现象，无法提取真正的边界。而采用独立边界自增强方法得到的边界图像边缘清晰，准确。实施例2图7是一幅经常用于检测边界提取效果的图像，图8是使用了独立边界自增强方法提取的边界。本专利技术相比现有技术的优点在于随机启发式搜索与轨迹自增强的统计积累的结合是核心技术。自增强操作是基于搜索轨迹进行的，因而，相互独立的边界曲线将被区分增强，干扰不会发生。随机启发式搜索和轨迹自增强是在原始的边界图象上反复的进行，噪声产生的错误不会随着反复地搜索和增强操作而被放大或扩散，统计积累机制使每一次增强对全部结果只起微小的贡献。这样实现了对由偶尔噪声产生的错误和噪声具有鲁棒性。整个独立边界自增强算法计算简单并自动收敛。权利要求1.，其特征在于算法的输入是原始提取的边界图象，输出是增强的边界图象；本方法主要由三个部分组成，第一部分是边界搜索(1)，提供边界曲线的轨迹；第二部分执行各搜索轨迹的自增强(2)；第三部分统计积累自增强的搜索轨迹(3)。2.如权利要求1所述的，边界搜索(1)的特征在于a、采用随机启发式搜索，搜索轨迹是随机而不是固定的；b、搜索是由输入边界引导的，这使得搜索的轨迹在概率意义上与边界吻合；c、搜索反复进行，以获得不同的搜索轨迹；d、所有的搜索轨迹依据图象坐标进行积累，一次搜索的结果对最终结果只产生微小的贡献。3.如权利要求1或2所述的，执行各搜索轨迹的自增强(2)的特征在于利用自己本身的上下文信息来增强自己，使得同一搜索轨迹上的各象素相互增强，这样，独立边界曲线自动区分增强，并且它们间没有干扰。4.如权利要求1或2所述的，自增强的搜索轨迹统计(3)的特征在于积累器是按象素位置设置的，位置积累器积累包含此象素的不同搜索轨迹。反复进行随机启发式搜索一直到积累器能够区别噪声和边界结构。5.如权利要求1或2所述的，随机启发式搜索的特征在于随机启发式搜索的过程包括三步选择开始点(4)，选择扩展点(5)和决定终止点(6)。全文摘要本专利技术涉及,用于图象的边界检测和边界增强。主要采用随机启发式搜索,利用边界搜索轨迹进行独立边界的自增强,以达到强化图象边界,提高图象边缘的正确识别。与松弛标记法相比,我们的方法进行了两点主要改进:1)利用边界搜索轨迹进行独立边界的自增强,而不是用固定的象素点领域作混乱的增强;2)用积累而不是用迭代。我们的方法中,边界的增强是基于各自的搜索轨迹。同一搜索轨迹上的各象素互相增强,我们称之为边界的自增强。采用独立边界自增强方法得到的边界图像边缘清晰,准确。文档编号G06T5/20GK1372226SQ0110675公开日2002年10月2日 申请日期2001年2月21日 优先权日2001年2月21日专利技术者郭雷, 韩军伟, 刘天明 申请人:西北工业大学 本文档来自技高网...

【技术保护点】
一种检测图象边缘的独立边界自增强方法，其特征在于：算法的输入是原始提取的边界图象，输出是增强的边界图象；本方法主要由三个部分组成，第一部分是边界搜索（１），提供边界曲线的轨迹；第二部分执行各搜索轨迹的自增强（２）；第三部分统计积累自增强的搜索轨迹（３）。

【技术特征摘要】

【专利技术属性】
技术研发人员：郭雷，韩军伟，刘天明，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]