[发明专利]一种基于算法学习的边缘提取方法

说明书

本发明提出了一种基于算法学习的边缘提取方法，涉及图像处理领域。本发明为了克服现有技术在高噪声环境下边缘提取不完整，或无法提取出图像纹理边缘信息的缺点，采取先录入目标图像的相似图像进行像素纹理匹配，依照相似图像与目标图像相互对比来鉴别目标图像各个像素是否属于噪声的干扰，并根据上述鉴别结果对目标图像进行滤波处理；然后对目标图像进行细节强化，背景弱化处理；最后计算像素梯度幅值，做非极大值抑制处理，提取边缘信息，实现了在高噪声且无先验知识情况下，能够通过算法学习对图像进行预处理，克服高噪声的影响，完整的提取出图像边缘信息，克服传统算子边缘提取不完整、不连续和缺口等问题。

技术领域

本发明涉及图像处理技术领域，特别是一种基于算法学习的边缘提取方法。

背景技术

随着人工智能的兴起，数字图像处理的应用也越来越广泛。其中，图像边缘提取直接影响图像处理结果的好坏，如人脸定位，车牌定位，文字识别等等。图像边缘提取目的，是将图像中目标信息与背景信息进行分离处理，降低实际工程的复杂度，提高信息处理效率。因此，边缘提取的研究意义巨大。

目前，对于边缘提取算法，许多学者提出了不同的方法，在图像处理过程中常用到的边缘提取算法有利用一阶偏导的Sobel算子、Prewitt算子，利用二阶偏导的Log算子，Canny算子。张宁波等人提出基于图论的边缘提取方法，将图像看作无向图，再将所有权值的均值确定为阈值。任克强等人提出融合模糊增强的改进Canny算子，通过构造分段模糊隶属度函数对高低灰度进行不同处理的方法来提取图像边缘，能有效的实现边缘细化的目的。

但目前的现有技术对于噪声较高的图像的边缘提取效果不理想，容易出现抖动、不完整、干扰过大等缺点。

发明内容

本发明的目的在于克服现有技术在高噪声环境下边缘提取不完整，或无法提取出图像纹理边缘信息的缺点，提供一种基于算法学习的边缘提取方法，通过算法学习对图像进行预处理，克服高噪声的影响。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于算法学习的边缘提取方法，包括以下步骤：

S100、录入目标图像的相似图像进行像素纹理匹配，依照相似图像与目标图像相互对比来鉴别目标图像各个像素是否属于噪声的干扰，并根据上述鉴别结果对目标图像进行滤波处理；

S200、对目标图像进行细节强化，背景弱化处理；

S300、计算像素梯度幅值，做非极大值抑制处理，提取边缘信息。

其中，对计算出的值做非极大值抑制处理，目的是细化边缘上的像素点。边缘提取的原理是对图像中相邻两个像素点的值变化较大的点，将较大值的像素点作为轮廓的边缘点，以完成边缘提取过程。

优选的，所述S100步骤包括：

S101、录入目标图像的系列相似图像，筛选出与所述目标图像最相似的图像；

S102、将相似图像R分成若干碎片，计算出相似图像各碎片的特征向量U和特征值Λ；

S103、根据特征向量U和特征值Λ数据分别匹配出所述相似图像中与所述目标图像的各部分最相似的碎片对所述目标图像进行滤波。

优选的，所述S101步骤具体为：

给出待滤波图像，将若干幅相似图像记作A＝[A₁，A₂，···，A_k]∈R^m×n，其中，k为正整数，R表示由相似图像构成的向量矩阵，m、n分别表示矩阵的行和列，相似图像y的线性表示为：

y＝Ax₀+z