[发明专利]新型图像分割方法

说明书

本发明公开了新型图像分割方法，涉及图像分割边缘检测，包括提取图像基本特征形成系统框架，还包括以下步骤：将抽取的图像基本特征组合为多维向量集；对向量进行尺度变换为其他向量合成积与灰度值的二维向量；检测局部灰度值单调变换大于最小值100个单位的点；将检测点对应合成积重新组合形成边缘链表。本发明能够有效检测出最佳边缘点，并确定出边缘点的特征序列，具有良好的局部变化特性。

技术领域

本发明涉及一种图像分割边缘检测，具体涉及新型图像分割方法。

背景技术

在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大；阈值过大，会提取多余的部分；阈值过小，又会丢失所需的部分。实际上，这种阈值选取方法是很低效的，通常无法做到精细化。

发明内容

本发明所要解决的技术问题是现有阈值分割方法无法做到局部优化，目的在于提供新型图像分割方法，解决问题。

新型图像分割方法，包括提取图像基本特征形成系统框架，还包括以下步骤：

将抽取的图像基本特征组合为多维向量集；

对向量进行尺度变换为其他向量合成积与灰度值的二维向量；

检测局部灰度值单调变换大于最小值100个单位的点；

将检测点对应合成积重新组合形成边缘链表。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明新型图像分割方法，能够有效检测出最佳边缘点，并确定出边缘点的特征序列，具有良好的局部变化特性；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明新型图像分割方法，包括提取图像基本特征形成系统框架，还包括以下步骤：

将抽取的图像基本特征组合为多维向量集；

对向量进行尺度变换为其他向量合成积与灰度值的二维向量；

检测局部灰度值单调变换大于最小值100个单位的点；

将检测点对应合成积重新组合形成边缘链表。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。