一种高噪声图像边缘检测方法技术

本发明专利技术公开了一种高噪声图像边缘检测方法，首先对图像进行预处理；然后分别对R、G、B三个通道的图像进行处理，得到三张由方差引导的边缘图像；再分别对RG、GB、BR双通道图像进行处理，得到三张由协方差引导的边缘图像；最后将三张由方差引导的边缘图像以及三张由协方差引导的边缘图像进行融合，得到边缘图像。针对高噪声图像的边缘检测要求，考虑到噪声随机性造成的RGB三通道差异以及像素点方差和不同通道间协方差与边缘的关系，本方法采用计算三通道局部方差及协方差并综合计算的总体思路，可以有效排除噪声干扰，达到较为准确的边缘检测效果。效果。效果。

【技术实现步骤摘要】
一种高噪声图像边缘检测方法


[0001]本专利技术涉及数字图像处理方法，具体涉及一种边缘检测方法。

技术介绍

[0002]数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理以提高图像质量的方法和技术。边缘检测是图像处理和计算机视觉中的基本问题，目的是标识数字图像中亮度变化明显的点。边缘检测属于一种图像特征提取的方法，同时对图像的增强，特别是锐化具有重要作用，可以有效提高图像的清晰度。
[0003]图像噪声是指存在于图像数据中的多余的干扰信息，在数字图像采集的过程中，由于信号干扰、光照不足等各种客观因素，图像噪声的存在是一个普遍现象。图像噪声的存在不仅会对图像质量造成极大影响，同时因为噪声造成的亮度变化与边缘处的亮度变化在数学上不易区分，为边缘检测造成了极大干扰。
[0004]目前的边缘检测方法主要分为两类。一类是利用深度学习的特征提取方法，通过训练卷积神经网络提取图像的边缘特征，从而得到边缘图像。其优点是提取的边缘通常较为准确，但缺点在于会消耗大量运算资源，在一些资源有限的情况下不适用。一类是使用传统的图像处理方法，依据图像像素值所具有的的数学性质，使用相应的边缘检测算子计算边缘。其中主要分为基于一阶导数的边缘算子，例如有Roberts算子、Sobel算子和Prewitt算子；基于二阶导数的边缘算子，例如Laplacian算子；其它算子，例如Canny算子，其是在满足一定约束条件下推导出来的边缘检测最优化算子。此几类边缘检测算子的缺点在于对噪声较为敏感，虽然通常在对图像进行模糊处理后再进行边缘检测，但对于高噪声图像仍易受到干扰。
[0005]如今，图像处理在智能汽车、智能家居、智能监控、智能医疗等诸多领域发挥着越来越重要的作用，也对图像的质量提出了更高的要求。

技术实现思路

[0006]专利技术目的：针对上述现有技术，提出一种高噪声图像边缘检测方法，可以有效排除噪声干扰，达到较为准确的边缘检测效果。
[0007]技术方案：一种高噪声图像边缘检测方法，包括如下步骤：步骤1：用双边滤波对原始图像进行预处理；步骤2：分别获取R、G、B三个通道的第一图像，对每个通道的第一图像分别进行如下操作：步骤2A：对第一图像中每一个像素点，计算以该像素点为中心的一个像素块中像素值的方差，即得到以该像素点为中心的局部方差，从而得到三张由局部方差构成的第二图像；其中，第二图像中各像素点的像素值即为对应的所述局部方差的值；步骤2B：对步骤2A得到的每张第二图像中的每一个像素点，用该像素点的像素值与以该像素点为中心的一个像素块中像素值的均值作差或作商，从而得到三张由方差引导
的边缘图像；其中，由方差引导的边缘图像中各像素点的像素值即为所述作差或作商得到的值；步骤3：分别获取RG、GB、BR双通道的第三图像，对于每组双通道的第三图像分别进行如下操作：步骤3A：对第三图像中每一个像素点，计算通道对的两个通道中以该像素点为中心的一个像素块中像素值的协方差，即得到以该像素点为中心的局部协方差，从而得到三张由局部协方差构成的第四图像；其中，第四图像中各像素点的像素值即为对应的所述局部协方差的值；步骤3B：对步骤3A得到的每张第四图像进行像素值归一化处理，得到三张由协方差引导的边缘图像；其中，由协方差引导的边缘图像中各像素点的像素值即为所述归一化处理得到的值；步骤4：将三张由方差引导的边缘图像以及三张由协方差引导的边缘图像进行融合，得到边缘图像。
[0008]进一步的，还包括对步骤2和步骤3得到的边缘图像分别进行γ变换和硬阈值滤波的步骤。
[0009]进一步的，在步骤4进行图像融合前，还包括对步骤2和步骤3得到的边缘图像分别做非极大值抑制，或用高斯计数滤波器及硬阈值滤波的方法做孤立点抑制。
[0010]进一步的，还包括对步骤4融合得到的边缘图像做非极大值抑制，或用高斯计数滤波器及硬阈值滤波的方法做孤立点抑制。
[0011]进一步的，所述硬阈值滤波选取非对称的阈值，对于图像中大于0的数据选取的阈值的取值范围为0.5~0.9，小于0的数据选取的阈值的取值范围为
‑
0.4~
‑
0.1。
[0012]进一步的，所述步骤2和步骤3中的像素块大小为5*5或7*7或9*9。
[0013]进一步的，所述步骤4中，采用如下公式对边缘图像进行融合：e=α*(e
r
*e
g
+e
g
*e
b
+e
b
*e
r
)+(1
‑
α)*(e
rg
+e
gb
+e
br
)2式中，e为融合后的边缘图像；e
i
为i通道由方差引导的边缘图像，i=r,g,b；e
ij
为ij通道由协方差引导的边缘图像，ij=rg,gb,br；α为权重参数，0<α<1。
[0014]有益效果：针对高噪声图像的边缘检测要求，考虑到噪声随机性造成的RGB三通道差异和以及像素点方差与不同通道间协方差与边缘的关系，本方法采用计算三通道局部方差及协方差并融合处理的总体思路，实现有效的边缘检测，具体具有如下优点：1.传统的边缘检测方法一般在Y通道上进行，对于噪点较多的图像，单通道的边缘检测通常易受噪点干扰，且没有充分利用三通道的信息。本方法考虑到噪点的随机性，在边缘区域三通道通常协同变化，而噪点却没有此性质，用RGB域上三通道协同边缘检测代替传统技术在YUV域上的Y通道单通道边缘检测，可以有效降低噪点对边缘检测的影响。
[0015]2.传统的边缘检测方法一般依据像素值变化率，这一方法不易综合利用三通道的信息，且易受噪声干扰。对于高噪声图片，平滑处的图像块方差主要由噪声造成，而对于较大的图像块，方差在局部区域较为稳定；而处于边缘区域的图像块由于亮度的急剧变化产生了更大的方差，本方法利用此方差的差异检测出边缘，即利用方差这一统计性质，通过更多数据降低干扰的影响。
[0016]3.对于高噪声图像，在平滑区域同一位置的图像块由于噪声的干扰和图像像素值
本身较为接近，相关性相对较小，因而有较小的协方差；而在边缘区域，由于不同通道的协同变化和更大的像素值差异，数据展现出更强的相关性；因此协方差的绝对值更大的位置更可能是边缘区域，本专利技术利用协方差进行通道协同边缘检测能够达到较为准确的边缘检测效果。
附图说明
[0017]图1为本专利技术方法的流程图；图2为原高噪声图片及canny算法得到的边缘图像和由方差引导的边缘图像对比；图3为由协方差引导的边缘图像示例；图4为用本方法得到的边缘图像示例；图5为由方差引导的边缘图像像素均值δ与融合时权重参数α的关系示例。
具体实施方式
[0018]下面结合附图对本专利技术做更进一步的解释。
[0019]如图1所示，一种高噪声图像边缘检测方法，包括如下步骤：步骤1：用双边滤波对原始图像进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高噪声图像边缘检测方法，其特征在于，包括如下步骤：步骤1：用双边滤波对原始图像进行预处理；步骤2：分别获取R、G、B三个通道的第一图像，对每个通道的第一图像分别进行如下操作：步骤2A：对第一图像中每一个像素点，计算以该像素点为中心的一个像素块中像素值的方差，即得到以该像素点为中心的局部方差，从而得到三张由局部方差构成的第二图像；其中，第二图像中各像素点的像素值即为对应的所述局部方差的值；步骤2B：对步骤2A得到的每张第二图像中的每一个像素点，用该像素点的像素值与以该像素点为中心的一个像素块中像素值的均值作差或作商，从而得到三张由方差引导的边缘图像；其中，由方差引导的边缘图像中各像素点的像素值即为所述作差或作商得到的值；步骤3：分别获取RG、GB、BR双通道的第三图像，对于每组双通道的第三图像分别进行如下操作：步骤3A：对第三图像中每一个像素点，计算通道对的两个通道中以该像素点为中心的一个像素块中像素值的协方差，即得到以该像素点为中心的局部协方差，从而得到三张由局部协方差构成的第四图像；其中，第四图像中各像素点的像素值即为对应的所述局部协方差的值；步骤3B：对步骤3A得到的每张第四图像进行像素值归一化处理，得到三张由协方差引导的边缘图像；其中，由协方差引导的边缘图像中各像素点的像素值即为所述归一化处理得到的值；步骤4：将三张由方差引导的边缘图像以及三张由协方差引导的边缘图像进行融合，得到边缘图像。2.根据权利要求1所述的高噪声图像边缘检测方法，其特征在于，还包括对步骤2和步骤3得到的边缘图像分别进行γ变换和硬阈值滤波的步骤。3.根据权利要求2所述的高噪声图像边缘检测方法，其特征在于，在步骤4进行图像融合前，还包括对步...

【专利技术属性】
技术研发人员：季北辰，王彬，徐凯，赵佳佳，袁明亮，周康，
申请(专利权)人：江苏游隼微电子有限公司，
类型：发明
国别省市：