基于滑动窗口算法的图像目标边缘增强处理方法技术

本发明专利技术公开了一种基于滑动窗口算法的图像目标边缘增强处理方法，具体步骤为：对训练图像集合、训练图像标签集合采用滑动窗口算法进行特征提取、非边缘子块选择、矩阵求解等操作后得到非关键边缘抑制算子，进而获取非边缘区域弱化的初始特征图；结合初始特征图获取边缘典型特征子块集合并进行求解后，得到关键边缘增强算子HQ2；非关键边缘抑制算子HQ1和关键边缘增强算子，对测试图像集合中的测试图片依次调用非关键边缘抑制算子、关键边缘增强算子，得到测试图像的边缘增强特征图有益效果：降低噪声，对关键边缘进行增强，强化目标和背景的差异，得到凸显典型特征的边缘平滑图像。用于数据扩充后，提高图像分割识别等正确率。提高图像分割识别等正确率。提高图像分割识别等正确率。

【技术实现步骤摘要】
基于滑动窗口算法的图像目标边缘增强处理方法


[0001]本专利技术属于图像处理
，具体涉及一种基于滑动窗口算法的图像目标边缘增强处理方法。

技术介绍

[0002]图像处理过程中，对于一些图像纹理不明显或者色彩差异小的图像，在对图像进行特征提取或者图像目标获取时，往往不能快速、准确的扑捉到目标。在遇到上述技术问题时，技术人员采用以下方式解决，一种方式是，在图像预处理时，直接舍弃纹理不明显或者色彩差异小的图像，但是由于多数图像均存在上述缺陷时，则要舍弃的图像会很多，从而造成数据量大大减少，图像特征提取出现大量遗漏，图像处理结果出现巨大偏差，严重影响结果；另外是直接处理提取方式，但是由于图像内纹理不明显，目标对象边缘特征不容易确定，在处理过程中需要大量的计算步骤，且没有一种固定的计算方法，针对不同的图像数据库，需要采用不同的处理方法，处理过程耗费大量的人力物力，并且还可能导致在获取目标区域是会出现较大的偏差，出现多提取或者少圈的情况，在后期识别时，会出现目标提取不准确或者难以获取目标影响识别结果的问题。
[0003]基于上述缺陷，有必要提出一种技术方案来突出纹理对比度，提高图像处理过程中特征获取的准确性，规范并精简边缘突出处理的图像处理方案

技术实现思路

[0004]针对上述现有技术的不足，本专利技术提出一种基于滑动窗口算法的图像目标边缘增强处理方法，根据图像目标纹理特征，自适应的获取到边缘特征，并进行增强处理，同时对非边缘区域进行弱化处理，降低图像处理噪声影响，得到显著典型的特征边缘平滑的图像。
[0005]本专利技术采用了如下的技术方案：
[0006]一种基于滑动窗口算法的图像目标边缘增强处理方法，其关键技术在于具体步骤为：
[0007]步骤1：采集图像数据库中的图像数据，经预处理后得到训练图像集合、训练图像标签集合、测试图像集合，其中训练图像集合、训练图像标签集合均包含了N幅图；N为正整数；
[0008]步骤2：对步骤1得到的训练图像集合、训练图像标签集合中的m幅图像采用滑动窗口算法进行特征提取，得到输入子集：输入训练子集和输入训练标签子集；其中，m大于等于1，且m小于等于N；
[0009]步骤3：从步骤2中的输入子集中，选取图像中非边缘子块，构成非边缘典型特征子块集合；非边缘图像子块集合和非边缘图像标签子块集合；
[0010]步骤4：对非边缘典型特征子块集合中的图像分别进行矩阵求解，得到非关键边缘抑制算子HQ1，结合图像数据库中的图像数据，进行非相关边缘抑制，得到非边缘区域弱化的初始特征图F
init
；
[0011]步骤5：利用步骤4得到的非边缘区域弱化的初始特征图F
init
得到的边缘典型特征子块集合：边缘特征图像子块集合和边缘特征图像标签子块集合，对其者进行矩阵求解后，得到关键边缘增强算子HQ2；
[0012]步骤6，结合步骤4得到非关键边缘抑制算子和步骤5得到的关键边缘增强算子HQ2，对测试图像集合中的测试图片依次调用非关键边缘抑制算子HQ1、关键边缘增强算子HQ2，得到对应图像数据的边缘增强特征图F
out
。
[0013]通过上述设计，提出了两个图像处理的算子，即非关键边缘抑制算子HQ1和关键边缘增强算子HQ2，采用上述两个算子，可以实现对原始图像数据进行边缘增强处理，可以快速准确的提取到目标，实现分割或者图像特征识别。该算法可以运用到任何图像边缘划分的方案中，解决了图像处理的技术难题。
[0014]进一步的，在步骤1中，设从图像数据库中采集到原始图像训练集合为：I
origin
＝{A1,...,A
n
,...,A
N
}：所述原始图像训练集合对应的原始图像标签集合为I
label
＝{B1,...,B
n
,...,B
N
}；所述原始图像训练集合中所有目标图像轮廓和背景构成所述原始图像标签集合；
[0015]对原始图像训练集合I
origin
、原始图像标签集合为I
label
中图像进行降维预处理：
[0016]使用平均值法，将原始图像训练集合I
origin
、原始图像标签集合I
label
中的每一幅图像转化为单通道图像，分别构成的新集合为图像训练集合图像标签集合
[0017]其中，所述图像训练集合
[0018]所述图像标签集合
[0019]所述图像训练集合中第n幅图像(X
n
)
H
×
W
矩阵形式为：
[0020][0021]所述图像标签集合中第n个图像所对应的标签图像(L
n
)
H
×
W
矩阵形式为：
[0022][0023]其中，H为图像的高度，W为图像宽度；H＝W，且均为偶数。
[0024]再进一步的步骤为：步骤2具体内容为：
[0025]步骤21：确定滑动窗口的大小及滑动步长；滑动窗口的大小为c
×
c(c≤H,c≤W)，步长为s(s≤H
‑
c)；
[0026]利用滑动窗口算法得到包含图像局部特征的图像子块构成集合P；
[0027]步骤22：确定每幅图像所得到的图像子块总数；
[0028]每行数量Row：
[0029][0030]每列数量Col：
[0031][0032]则每幅图像所得到的图像子块总数为T＝Row
×
Col，因此，图像子块集合P＝{p1,...,p
t
,
…
,p
T
}；
[0033]步骤23：设定滑动窗口滑动方向(按照先左后右，先上后下的滑动方向)，依次对训练集合的图片X
n
及标签集合中的标签图像L
n
利用滑动窗口算法，得到输入子集：输入训练子集和输入训练标签子集
[0034]其中，t表示第t幅图像；
[0035]所述输入训练子集的第t幅图像的具体形式为：
[0036][0037]所述输入训练标签子集中的第t幅图像具体为：
[0038][0039]其中，为第t个图像子块中第c个位置的像素点，该像素点位置标记的取值范围是[1,c
·
c]。
[0040]采用上述步骤，将整个一张图片采用滑动窗口算法，逐一分成小块，并形成子块集合。
[0041]再进一步的技术方案，设定：非边缘特征子块为仅包含背景的子块或仅包含目标的子块；边缘特征子块为包含背景子块和目标的子块；
[0042]步骤3的具体内容：
[0043]步骤31：所述图像标签集合中的标签图像L
n
中的各像素点e的取值为V＝{0,1}，则结合目标图像轮廓和图像背景，设定当V＝1表示目标，V＝0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于滑动窗口算法的图像目标边缘增强处理方法，其特征在于具体步骤为：步骤1：采集图像数据库中的图像数据，经预处理后得到训练图像集合、训练图像标签集合、测试图像集合，其中训练图像集合、训练图像标签集合均包含了N幅图；N为正整数；步骤2：对步骤1得到的训练图像集合、训练图像标签集合中的m幅图像采用滑动窗口算法进行特征提取，得到输入子集：输入训练子集和输入训练标签子集；其中，m大于等于1，且m小于等于N；步骤3：从步骤2中的输入子集中，选取图像中非边缘子块，构成非边缘典型特征子块集合；非边缘图像子块集合和非边缘图像标签子块集合；步骤4：对非边缘典型特征子块集合中的图像分别进行矩阵求解，得到非关键边缘抑制算子HQ1，结合图像数据库中的图像数据，进行非相关边缘抑制，得到非边缘区域弱化的初始特征图F
init
；步骤5：利用步骤4得到的非边缘区域弱化的初始特征图F
init
得到的边缘典型特征子块集合：边缘特征图像子块集合和边缘特征图像标签子块集合，对其者进行矩阵求解后，得到关键边缘增强算子HQ2；步骤6，结合步骤4得到非关键边缘抑制算子和步骤5得到的关键边缘增强算子HQ2，对测试图像集合中的测试图片依次调用非关键边缘抑制算子HQ1、关键边缘增强算子HQ2，得到对应图像数据的边缘增强特征图F
out
。2.根据权利要求1所述的基于滑动窗口算法的图像目标边缘增强处理方法，其特征在于：在步骤1中，设从图像数据库中采集到原始训练图像集合为：I
origin
＝{A1,...,A
n
,...,A
N
}：所述原始训练图像集合对应的原始图像标签集合为I
label
＝{B1,...,B
n
,...,B
N
}；所述原始训练图像集合中所有目标图像轮廓和背景构成所述原始图像标签集合；对原始训练图像集合I
origin
、原始训练图像标签集合为I
label
中图像进行降维预处理：使用平均值法，将原始训练图像集合I
origin
、原始训练图像标签集合I
label
中的每一幅图像转化为单通道图像，分别构成的新集合为训练图像集合训练图像标签集合其中，所述训练图像集合所述训练图像标签集合所述训练图像集合中第n幅图像(X
n
)
H
×
W
矩阵形式为：所述训练图像标签集合中第n个图像所对应的标签图像(L
n
)
H
×
W
矩阵形式为：其中，H为图像的高度，W为图像宽度。3.根据权利要求1所述的基于滑动窗口算法的图像目标边缘增强处理方法，其特征在
于：步骤2具体内容为：步骤21：确定滑动窗口的大小及滑动步长；滑动窗口的大小为c
×
c(c≤H,c≤W)，步长为s(s≤H
‑
c)；利用滑动窗口算法得到包含图像局部特征的图像子块构成集合P；步骤22：确定每幅图像所得到的图像子块总数；每行数量Row：每列数量Col：则每幅图像所得到的图像子块总数为T＝Row
×
Col，因此，图像子块集合P＝{p1,...,p
t
,...,p
T
}；步骤23：设定滑动窗口滑动方向(按照先左后右，先上后下的滑动方向)，依次对训练图像集合的图片X
n
及训练图像标签集合中的标签图像L
n
利用滑动窗口算法，得到输入子集：输入训练子集和输入训练标签子集其中，t表示第t幅图像；所述输入训练子集的第t幅图像的具体形式为：所述输入训练标签子集中的第t幅图像具体为：其中，为第t个图像子块中第c个位置的像素点，该像素点位置标记的取值范围是[1,c
·
c]。4.根据权利要求3所述的基于滑动窗口算法的图像目标边缘增强处理方法，其特征在于：设定：非边缘特征子块为仅包含背景的子块或仅包含目标的子块；边缘特征子块为包含背景子块和目标的子块；步骤3的具体内容：步骤31：所述图像标签集合中的标签图像L
n
中的各像素点e的取值为V＝{0,1}，则结合目标图像轮廓和图像背景，设定当V＝1表示目标，V＝0表示背景，V＝0和V＝1的相邻两像素点表示边缘；
步骤32：在输入训练标签子集中，随机地提取q个且像素值全为0的标签图像子块构成集合其中表示大小为c
×
c的第q个像素值全为0的标签图像子块，同时，在输入图像子集中，选取q个与所有选取的标签图像子块位置相同的图像子块构成集合其中表示表示大小...

【专利技术属性】
技术研发人员：韩琦，侯明阳，王洪艺，翁腾飞，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：