[发明专利]基于块卡尔曼滤波的图像边缘提取方法

说明书

【技术领域】

本发明属于计算机图像处理领域，具体涉及一种基于块卡尔曼（Kalman）滤波的图像边缘提取技术。

【背景技术】

随着现代工业和国民经济的不断发展，人们需要处理越来越多的多变量系统以及多维信号，多维数字滤波器、多维数字图像综合处理等，而它们大多都表现为2‐D（二维）离散系统模型，所有这些应用都为2‐D系统理论提供了深刻的工程物理背景，使得2‐D系统理论成为控制理论的一个具有强大生命力和发展前景的学科分支。

由于2-D动态系统在图像处理、网络综合、电力系统、延时控制系统、通信、地震和地球物理数据处理等方面的广泛应用，2-D动态系统的研究已获得了广泛的关注。2-D数字系统在分析系统时有几大优势：如在图像处理和分析中有高效的特点，在程序设计中有更好的灵活性和适应性，在软件和硬件实现中有较低的成本和小的物理尺寸。因此，这些2‐D数字系统正被用来取代在某些重要领域的二维模拟系统，如传真电视、声纳雷达、生物医学、遥感、水下声学、移动物体识别和机器人技术。

而在2-D系统的滤波问题上，计算量的大幅增加要求有更有效的递推算法，并且由于建立一个合适的2-D系统递推格式的困难及所得到的状态向量的高维数，使得建立真正的递推的2-D系统Kalman滤波器的进展非常缓慢。随着学者们的不懈努力，将Kalman滤波理论应用到2-D系统这一工作也取得了很多的成就。其中，块卡尔曼滤波方法是一个非常有效的解决办法，它能够快速的对退化图像进行恢复，但在滤波迭代过程中滤波初值是与图像信息完全无关的固定值，这是一个需要克服的弊端。

【发明内容】

本发明所要解决的技术问题是：弥补上述现有技术的不足，提出了一种基于块卡尔曼滤波方法的图像边缘提取技术，以解决在噪声参数已知情况下，通过合理利用图像信息提高滤波初值设置的准确性及增强滤波对象的分辨率，达到改善滤波效果、降低图像边缘提取中图像边缘的误检率的目的。

本发明的技术问题通过以下的技术方案予以解决：

一种基于块卡尔曼滤波的图像边缘提取方法，其特征在于：包括以下步骤：

1）对待处理的原始图像按金字塔结构进行分层处理；2）对分层后的图像分别进行2D块卡尔曼滤波处理，将前一级滤波结果作为后一级滤波过程的初始值，此过程包含对全分辨率级图像插值后的图像进行卡尔曼滤波处理；3）对滤波后的图像进行边缘提取，得到最终边缘图像。

优选地，所述步骤1）中将图像分成两级金字塔结构，它是按照如下规则取得的，具体地，底级图像（L1）是全分辨率级图像，也即原图像；第二级图像（L2）是对底级图像（L1）对应像素点邻域内空间平均灰度值获得的。

优选地，所述步骤2）中2D块卡尔曼滤波方法其实质是将二维的图像矩阵转化为与具体像素点位置相对应的一维向量来表示。

优选地，所述步骤2）滤波对象是进行插值处理后的分层图像，具体地：对金字塔结构中的底级图像进行插值处理，是根据图像像素点的灰度值计算获得插值点的灰度值，从而提高图像分辨率，改善滤波效果。

优选地，所述步骤2）中选取上一级块卡尔曼滤波结果的状态量和协方差矩阵分别作为下一级滤波过程的状态初始状态值和协方差矩阵的初始值。

优选地，所述步骤3）中对滤波后图像进行图像边缘提取时，包括以下步骤：3‐1）对当前输入图像利用Sobel、Canny、Log、ZeroCross四个算子分别进行图像边缘检测；3‐2）对以上四个算子得到的四个图像边缘图像进行或运算，得到最终图像边缘图像。

本发明与现有技术对比的有益效果是：

本发明的图像块卡尔曼滤波图像边缘提取方法，先对图像进行分层处理，然后针对每个层次下的图像进行滤波，最后对完全滤波后的图像进行图像边缘提取。使用分层的多分辨率块卡尔曼滤波方法的优点是双重的。首先，最小化的问题在较粗分辨率下比在较细分辨率下状态要好；因此，在较粗级上得到的解更有可能接近该分辨率的真正的解。这个解作为下一个分辨率级的初值则提供一个更接近真正解的机会。重复这个相继的从最粗到最细分辨率的步骤，在最细分辨率上得到的解就很可能接近真正的解（全局最小）。第二，在每个分辨率级上的估计可以被限制在比最细分辨率上的真正搜索区域小很多的搜索范围内，使得要实施的搜索总数比在最细分辨率上直接搜索所需的搜索数要小。实际的搜索数依赖于设置在不同级的搜索范围。