基于非局部均值的SUSAN边缘检测方法及系统技术方案

本发明专利技术公开了一种基于非局部均值的SUSAN边缘检测方法，包括：计算初始SUSAN边缘响应图像的步骤：对于图像中的每一像素(x,y)，取以其为中心的圆形模板Ψ，采用图像块刻画Ψ中的每个像素与(x,y)的像素比较差异，依据像素比较差异计算(x,y)的初始SUSAN边缘响应R0；计算最终SUSAN边缘响应图像的步骤：对于R0中的每一像素(x',y')，搜索与其具有结构相似性的邻域，通过计算初始SUSAN边缘响应的相似度加权平均得到(x',y')的最终SUSAN边缘响应R；边缘像素判定步骤：若像素(x',y')对应的R(x′,y′)大于阈值，则其为边缘像素，否则为非边缘像素。本发明专利技术还提供了实现上述方法的系统。本发明专利技术将非局部均值用于SUSAN边缘检测，大大提高抗噪性，获得更高的边缘检测精度。

【技术实现步骤摘要】

本专利技术属于图像边缘检测领域，具体涉及一种基于非局部均值的苏珊(SUSAN)边缘检测方法及系统。
技术介绍
边缘检测是是模式识别、图像分割及图像场景分析的基础，被广泛应用于生物医学工程和工业自动化等领域。然而，实际应用中的图像在获取和传输过程中不可避免会受到噪声的污染，噪声的引入对精确边缘检测产生了极大的挑战，研究具有优异抗噪性能的边缘检测方法，对促进其实际应用具有重要理论价值和实际意义。边缘检测作为图像处理和计算机视觉中的一个热点问题，已得到了深入研究。边缘检测的目的是标识数字图像中亮度变化明显的点。目前，研究者提出了多种边缘检测方法，如索贝尔(Sobel)检测方法、Prewitt检测方法、坎尼(Canny)检测方法、基于伽伯(Gabor)的检测方法及SUSAN边缘检测方法等。其中，SUSAN边缘检测方法较上述其它方法具有更好的边缘检测能力，因此受到广泛关注。然而，传统SUSAN边缘检测方法利用单个像素灰度差来刻画像素差异，易受到噪声干扰的影响，大大影响了其抗噪性能。为提高SUSAN边缘检测方法的抗噪能力，一些改进方法被提出，如双模板SUSAN方法和自适应SUSAN边缘检测方法(ASED)等，这些方法在图像中噪声污染程度较大时难以取得满意的检测结果。为克服上述不足，研究者提出了改进的SUSAN检测方法(ISED)，它利用优化约束条件方程来计算SUSAN响应，该方法能较好地抑制图像中椒盐噪声的不利影响，但对噪声尤其是高斯噪声的抑制能力不足。
技术实现思路
本专利技术的目的在于提供一种基于非局部均值的SUSAN边缘检测方法，该方法对噪声具有较优的抑制能力，在噪声污染图像中可获得精度较高的边缘检测结果。本专利技术的另一目的在于提供一种基于非局部均值的SUSAN边缘检测系统，该系统对噪声具有较优的抑制能力，在噪声污染图像中可获得精度较高的边缘检测结果。为实现上述专利技术目的，本专利技术提供的一种SUSAN边缘检测方法，具体包括下述步骤:第I步计算待检测图像I的初始SUSAN边缘响应图像，其过程为:(1.1)对于待检测图像I中的每一个像素(X，y)，提取以其为中心的圆形模板Ψ ；(1.2)利用式I分别计算各圆形模板Ψ中的每个像素(P，q)与所在圆形模板的中心像素(X，y)之间的像素比较差异C (X，y, P, q):c{x,y,p,q) = exp(-(°* 丨丨 Ipip^~ Ipix'y)丨丨2)3) 式 ι其中，P (P，q)为以圆形模板ψ中像素(p，q)为中心的图像块，P (X，y)为以圆形模板Ψ中像素(X，y)为 中心的图像块，图像块P(p，q)和P(x，y)大小相同，Np为图像块P(p，q)包含的像素个数，Ip(p,q)和Ip(x，y)分别表示图像块P (P，q)和P(x，y)中各像素的灰度值，*表示卷积，││.││2表示求欧氏距离，T为边缘检测阈值，20≤T≤35，Φ为与图像块P(p，q)大小相同的自适应核；(1.3)依据像素比较差异c (X，y, P, q)利用式II计算各圆形模板的中心像素的初始SUSAN边缘响应R° (X，y)，即得初始SUSAN边缘响应图像R°:本文档来自技高网...

【技术保护点】
一种SUSAN边缘检测方法，包括下述步骤：第1步计算待检测图像I的初始SUSAN边缘响应图像，其过程为：（1.1）对于待检测图像I中的每一个像素(x,y)，提取以其为中心的圆形模板Ψ；（1.2）利用式I分别计算各圆形模板Ψ中的每个像素(p,q)与所在圆形模板的中心像素(x,y)之间的像素比较差异c(x,y,p,q)：c(x,y,p,q)=exp(-(Φ*||IP(p,q)-IP(x,y)||22T2)3)式I其中，P(p,q)为以圆形模板Ψ中像素(p,q)为中心的图像块，P(x,y)为以圆形模板Ψ中像素(x,y)为中心的图像块，图像块P(p,q)和P(x,y)大小相同，Np为图像块P(p,q)包含的像素个数，IP(p,q)和IP(x,y)分别表示图像块P(p,q)和P(x,y)中各像素的灰度值，*表示卷积，||·||2表示求欧氏距离，T为边缘检测阈值，20≤T≤35，Φ为与图像块P(p,q)大小相同的自适应核；（1.3）依据像素比较差异c(x,y,p,q)利用式II计算各圆形模板的中心像素的初始SUSAN边缘响应R0(x,y)，即得初始SUSAN边缘响应图像R0：式II其中，n(x,y)=Σ(p,q)∈Ψc(x,y,p,q),Rt=34nmax(x,y),nmax(x,y)为圆形模板中各像素对应的n(x,y)最大值；第2步计算待检测图像I的最终SUSAN边缘响应图像，其过程为：（2.1）对于初始SUSAN边缘响应图像R0中的每一非零初始SUSAN边缘响应值的像素(x“,y“)，提取以该点为中心的方形搜索窗口Ω；（2.2）利用式III分别计算各方形搜索窗口Ω中的每个像素(p“,q“)与所 在方形搜索窗口的中心像素(x“,y“)之间的相似度ω(x“,y“,p“,q“)：ω(x′,y′,p′,q′)=1Z(x′,y′)exp(-G*||RP(p′,q′)0-RP(x′,y′)0||22hNLM)式III其中，Z(x“,y“)为使得的归一化常量，hNLM为衰减系数，和分别为图像块P(p“,q“)和P(x“,y“)中各像素的灰度值，P(p“,q“)为SUSAN边缘响应图像R0中以(p“,q“)为中心的图像块，P(x“,y“)为SUSAN边缘响应图像R0中以(x“,y“)为中心的图像块，G为高斯核；（2.3）分别从各方形搜索窗口Ω内选取部分相似度较大的像素；（2.4）利用式IV分别计算各方形搜索窗口Ω的中心像素(x“,y“)的最终SUSAN边缘响应R(x′,y′)，K为步骤（2.3）选取的像素数，(in,jn)为步骤（2.3）选取的第n个像素；R(x′,y′)=Σn=1Kω(x′,y′,in,jn)R0(in,jn)Σn=1Kω(x′,y′,in,jn)式IV第3步若各方形搜索窗口Ω的中心像素(x“,y“)对应的最终SUSAN边缘响应R(x′,y′)大于预先设定的边缘判定阈值TR，则判定像素(x“,y“)为边缘像素，否则像素(x“,y“)为非边缘像素。FDA00002826326000012.jpg,FDA00002826326000022.jpg,FDA00002826326000023.jpg,FDA00002826326000024.jpg...

【技术特征摘要】
1.一种SUSAN边缘检测方法，包括下述步骤: 第I步计算待检测图像I的初始SUSAN边缘响应图像，其过程为: (1.1)对于待检测图像I中的每一个像素(x，y)，提取以其为中心的圆形模板Ψ ； (1.2)利用式I分别计算各圆形模板Ψ中的每个像素(P，q)与所在圆形模板的中心像素(X，y)之间的像素比较差异c (X，y, P, q):2.根据权利要求1所述的SUSAN边缘检测方法，其特征在于，在计算初始SUSAN边缘响应图像之前还对待检测图像I滤波。3.根据权利要求1或2所述的SUSAN边缘检测方法，其特征在于，所述步骤(2.3)选取相似度较大的20 30个像素。4.一种SUSAN边缘检...

【专利技术属性】
技术研发人员：张旭明，詹轶，吴意，金娇英，王瑞，丁明跃，熊有伦，尹周平，王瑜辉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：