[发明专利]一种基于多尺度Gabor滤波器的图像连续边缘检测方法

权利要求书

1.一种基于多尺度Gabor滤波器的图像连续边缘检测方法，其特征在于，按照以下步骤实施：

步骤1：对输入图像通过双边滤波进行预处理得到预处理图像；

步骤2：对预处理图像通过多尺度Gabor虚部滤波器组进行图像边缘特征的检测和提取，得到不同尺度、不同方向的图像边缘特征；

步骤3：对图像边缘特征进行PCA降维和尺度融合，获得融合后的图像边缘；

步骤4：对融合后的图像边缘进行双阈值检测并连接边缘，得到最终图像的连续边缘；

所述步骤3中分别对同一尺度不同方向的特征进行PCA变换：首先将二维数据I_i转换成一维数据x_i，获取对于图像同一尺度、不同方向的特征X，获取该特征的协方差矩阵C，然后获取协方差矩阵C的全部特征值以及对应的特征向量；进行5次PCA变换后，取每次变换所得的第一个主分量，将其展成二维形式，得到5幅不同尺度的特征融合图像f_m(x，y)并对其进行尺度融合获得尺度融合后的图像边缘O；

具体公式如下：

其中：σ_ij²为X的方差，为第i个向量的平均值。

2.根据权利要求1所述的一种基于多尺度Gabor滤波器的图像连续边缘检测方法，其特征在于，所述步骤1中的双边滤波是一种非线性滤波器，它用加权平均的方法，用周围像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布；滤波器的核由两个函数生成，使用二维高斯函数生成距离模板，使用一维高斯函数生成值域模板，距离模板系数的生成公式为：

值域模板系数的生成公式为：

将上述两个模板相乘就得到了双边滤波器的模板：

其中f(x，y)表示图像在点(x，y)处的像素值，k、l为模板窗口的中心坐标，i、j为模板窗口的其他系数的坐标；σ_d为高斯函数的标准差，σ_r为高斯函数的标准差。

3.根据权利要求1所述的一种基于多尺度Gabor滤波器的图像连续边缘检测方法，其特征在于，所述步骤2中通过对调制平面波和高斯主轴沿逆时针旋转的角度在[0,π]均匀采样并取不同的中心频率构建多尺度Gabor虚部滤波器组，通过多尺度Gabor虚部滤波器组对输入图像进行双边滤波获得图像边缘特征，公式如下：

f＝[0.2,0.3,0.35,0.4,0.45]

γ＝0.75,η＝1.5

m′＝mcosθ_k+nsinθ_k

n′＝-msinθ_k+ncosθ_k

其中，f为滤波器的中心频率，γ和η为常数，K表示方向采样个数，θ_k是第k个采样的方向角度，I(x,y)为输入图像双边滤波后所得图像。

4.根据权利要求1所述的一种基于多尺度Gabor滤波器的图像连续边缘检测方法，其特征在于，所述步骤4中双阈值算法检测和连接边缘具体为：对于图像边缘O，选取高低阈值，舍弃小于低阈值0.05的点，赋为0；标记大于高阈值0.17的点，赋为1；将大于低阈值0.05小于高阈值0.17的点使用8连通区域确定即可得到最终的图像。