[发明专利]基于Node2Vec算法的超像素图像边缘检测方法

说明书

一种基于Node2Vec算法的超像素图像边缘检测法，包括以下步骤：1)通过超像素简单线性迭代分割算法(SC++)，运用k‑means++聚类算法自动找出初始化聚类中心，将像素点归类到距离自身欧式距离最近的聚类中心，并打上相应类标，提取超像素，2)计算中心点梯度值、梯度方向、欧氏距离、外切圆半径、内切圆半径，基于超像素中心节点及中心节点间的相似度关系，建立全连接稠密网络，3)运用双阈值和软阈值法稀疏全连接稠密网络，4)将网络节点转化为向量，找出边缘点。本发明检测效率较高，采用SC++算法提取超像素，运用双阈值和软阈值稀疏全连接网络及Node2Vec算法，实现图像边缘检测的方法。

技术领域

本发明属于图像处理技术领域，具体涉及一种图像边缘的检测方法。

背景技术

图像中含有丰富的信息量。它所蕴含的形状、颜色、结构、边缘等信息，表达直观，易于信息传播以及利用，在现今多媒体图像处理技术中起到十分重要的作用。随着计算机技术的不断发展，通过计算机获取和处理图像信息愈发快捷便利。其中边缘是图像的基本特征之一，是图像信息最为集中的部分。

如今图像边缘检测技术在图像切割、图像识别等领域被广泛应用，有效提高了相关图像处理算法的精确度及鲁棒性，具有极大的应用价值。在现实生活中，图像边缘检测技术可以运用于桥梁等建筑物裂缝的查找，也可应用于日常修图工具和图像层次分析，与人们的生活息息相关。

目前图像的边缘提取算法中，常见的微分边缘检测算子有 Roberts算子、Prewitt算子、Sobel算子、Canny算子等，但是这些边缘提取算法都基于像素层面，具有较高的时间复杂度。

发明内容

为了克服已有图像边缘检测方法的检测速度较慢的不足，本发明提供一种能够实现聚类中心自动确定、检测速度更为快捷的基于 Node2Vec算法的超像素图像边缘检测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于Node2Vec算法的超像素图像边缘检测方法，所述方法包括以下步骤：

1)对图片进行超像素分割，过程如下：

1.1)初始化超像素中心：

首先设计了超像素简单线性迭代分割算法(Superpixel Simple LinearIterative Clustering,SC++)，进行图像的超像素分割，该算法基于简单线性迭代聚类算法(Simple Linear Iterative Clustering, SLIC)，进行了进一步的优化；SC++算法采用了k-means++的聚类算法，降低初始化对算法的影响，找出k个聚类中心；

基于k-means++的聚类算法，根据样本随机选择k个初始聚类中心；

1.2)计算所有像素点到达初始超像素中心的欧式距离：

计算颜色空间的距离：

计算坐标空间的距离：

将式(1)和式(2)进行正则化，得到式(3)：

图片读入的色彩空间为RGB颜色空间，RGB颜色空间以R(红色)、G(绿色)、B(蓝色)三种基本色为基础，每一种颜色通道按其亮度等级，进行不同程度的叠加，产生丰富而广泛的颜色；