[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

说明书

本发明公开了一种基于多尺度Gabor滤波器的图像连续边缘检测方法，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降维以及尺度融合；步骤4：双阈值检测连接边缘，得到图像的连续边缘。本发明的有益效果是具有噪声稳健性，并且在保证图像边缘准确性的前提下，提取了更多的边缘细节信息，并能够保证边缘连续性。

技术领域

本发明属于数字图像处理技术领域，涉及一种基于多尺度Gabor滤波器的图像连续边缘检测方法。

背景技术

数字图像处理最早出现于20世纪50年代，随后随着计算机科学、电子技术等众多学科的发展，数字图像处理也获得了长足的发展，在通讯技术、遥感技术、工业生产、生物医学、军事技术等领域得到了广泛应用，并发挥着极其重要的作用。一个简略的数字图像处理过程大致包括以下几个方面：图像预处理，由于采集到的图像受到光照、位置以及噪声的污染，需对其进行平滑，增强以及降噪等。特征提取，对处理后的图像提取特征，提取的特征包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。利用提取到的特征对图像进行配准，识别等处理。数据优化，为便于图像的存储和传输，往往需要对图像数据进行变换、编码和压缩处理。

图像边缘检测是根据产生图像灰度变化的物理过程来表述图像中灰度的变化，它是数字图像处理、模式识别、计算机视觉的重要基础之一。边缘检测作为图像处理的一个低层技术，是一个古老又年轻的课题，如何在边缘检测过程中，提高边缘检测定位的准确性、边缘的连续性、更好的保持边缘细节以及尽可能的抑制噪声，是人们一直追求的目标。图像的边缘一般是图像的灰度、颜色或者纹理发生剧烈变化的地方，而这些变化往往是由物体的结构和纹理、外界的光照和物体的表面对光的反射造成的。边缘检测就是要将图像中灰度不连续的地方检测出来。

在对图像进行边缘检测时，除了边缘定位的准确外，一个更为重要的目标是在保证边缘定位准确性的同时提取更多的图像细节信息。如何兼顾平滑性和定位精度是图像边缘检测中十分重要的研究课题。长期以来，人们从不同的角度、不同的应用背景提出了很多的边缘检测理论和边缘检测算法。主要是在空间域和变换域中对图像进行边缘检测。而在现有技术中，图像边缘检测技术中存在的细节信息丢失多，边缘不连续及噪音敏感的问题。

发明内容

本发明的目的是提供一种基于多尺度Gabor滤波器的图像连续边缘检测方法，解决了现有技术中存在的细节信息丢失多，边缘不连续及噪音敏感的问题。

本发明所采用的技术方案是，一种基于多尺度Gabor滤波器的图像连续边缘检测方法，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降维以及尺度融合；

步骤4：双阈值检测连接边缘，得到图像的连续边缘。

本发明的特点还在于：

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：