[发明专利]一种噪声污染图像的分数阶边缘检测方法

说明书

本发明公开了一种噪声污染图像的分数阶边缘检测方法，其特征在于：包括以下步骤：将噪声污染灰度图像去噪处理；去噪后的图像进入二维分数阶微分滤波器进行边缘提取；所述去噪处理的方法包括：将灰度图像，与分数阶积分滤波器或高斯滤波器进行卷积，得到滤波图像；所述边缘提取的方法包括：将去噪后的图像与水平方向和垂直方向二维分数阶微分滤波器掩模进行卷积，求取梯度图像。本发明采用改进的二维分数阶积分滤波器和二维分数阶微分滤波器，并将二者同时用于噪声图像边缘检测时，实现的对噪声的强鲁棒性、边缘定位精准性和边缘增强的特性。

技术领域

本发明涉及图像边缘检测领域，尤其是一种噪声污染图像的分数阶边缘检测方法。

背景技术

现有大多数边缘检测方法采用整数阶差分，主要有Robert算子、Prewitt算子、Sobel算子、Canny算子、Laplace算子等。整数阶差分具有定向性的优点，但是由于噪声和物体边缘都属于高频信号，在对噪声图像进行边缘检测时，目前存在的算法均不能有效的折中抗噪性和边缘检测精确性。

Canny在《A computational approach to edge detection》一文中公开了一种在抗噪声干扰和精确定位之间优化的边缘检测算子，该算子包括四个步骤：

A.对图像进行滤波平滑

B.对滤波后的图像进行水平方向和垂直方向梯度幅值计算

C.对梯度幅值进行非极大抑制

D.用双阈值处理和连接边缘

Canny算子检测边缘精细、定位精确但容易受到噪声干扰，产生伪边缘，且过渡依赖于阈值的选取，高阈值选择太小则会保留较多的纹理细节，低阈值选择过大则会丢失部分边缘。

Mathieu B等人，在《Fractional differentiation for edge detection》一文中，公开了一种分数阶微分掩模算子，通过使用相邻上下边缘像素之间的灰度差异的极值来检测边缘；首先搜索领域平均值以平滑噪声，然后计算梯度。

CRONE算法对噪声具有一定的免疫，但仍然局限于微分原理，无法很好的解决检测精度和抗噪性之间的冲突，在对噪声图像进行边缘检测时提取的边缘图像仍然含有大量噪声，尤其是对椒盐噪声污染的图像，处理效果很不理想。

Pan X等人，在文献《Complex Composite Derivative and Its Application toEdge Detection》中提出一种复合导数边缘检测算子，该算子是CRONE算子和Canny算子^[3]的结合与改进，包括四个步骤，a.分数阶积分滤波器与图像做卷积；b.分数阶微分滤波器与积分滤波后的图像做卷积；c.非极大值抑制；d.双阈值处理。

复合导数算子首先提出将一阶分数阶微分和积分同时用到图像边缘处理中，边缘检测后的图像，目标内部和背景区域对噪声能够抵御部分噪声的干扰，但经过非极大值抑制和阈值处理后的图像，目标边缘不连续，且边缘处对噪声敏感等。

分数阶微积分能够增强高频信号且保持低频信号的特点，CRONE算子和复合导数算子在边缘检测中取得了一定的突破，但仍然不能很好地解决检测精度和抗噪性之间的冲突。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种噪声污染图像的分数阶边缘检测方法，能够有效的折中抗噪性和边缘检测精确性，该检测方法不仅抗噪性强、检测精度高，还能够提取目标的纹理细节、增强边缘、且运行速度快。

本发明采用的技术方案如下：

本发明一种噪声污染图像的分数阶边缘检测方法，包括以下步骤：将噪声污染灰度图像去噪处理；去噪后的图像进入二维分数阶微分滤波器进行边缘提取。