[发明专利]基于离散小波变换的多尺度边缘检测方法

说明书

本发明公开了一种基于离散小波变换的多尺度边缘检测方法，方法具体如下：S1、针对非极大值抑制图像连续进行两次离散小波变换；S2将信息量最大的未标记的弱边缘点作为当前轮廓跟踪起点并将轮廓跟踪起点进行标记；S3、在第l层图像查找邻域存在强边缘点的弱边缘点若存在弱边缘点与轮廓跟踪起点在第l层图像中不相邻，但在第l+1层图像中相邻，且邻域内均存在强边缘点，则判定弱边缘点与轮廓跟踪起点之间存在一条边缘，并执行步骤S2。提供了精确度更高的轮廓跟踪方式，减少伪边缘的同时，能检测出传统的滞后边界跟踪算法漏检的真实边缘。

技术领域

本发明属于图像边缘检测技术领域，更具体地，本发明涉及一种基于离散小波变换的多尺度边缘检测方法。

背景技术

边缘检测是图象分析识别前必不可少的环节，是当代图像处理技术研究和应用的重要领域之一。边缘检测被广泛应用于产品外观检测，零件缺陷检测，人脸识别，指纹识别等技术领域。传统的边缘检测算子有很多，可分为一阶微分算子和二阶微分算子。其中Canny边缘检测算法是公认的最佳边缘检测算子。Sobel算子虽然边缘检测效率比Canny高，但对边缘的定位不够准确，对细纹理处理较差。因此在对边缘检测质量要求较高的情况下，Canny边缘检测算法应用最为广泛。Canny算法的优点在于不容易受噪声干扰，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。

传统的Canny算法总共分为四个步骤：1.图像高斯滤波进行降噪处理；2.用一阶偏导的有限差分计算梯度的幅值和方向；3.对梯度幅值进行非极大值抑制，形成非极大值抑制图像；4.用双阈值算法检测和轮廓跟踪。为了进一步提升Canny边缘检测算法的精度，国内外学者做出了大量的研究。边缘检测算法的优化核心是检测到更多的真实边缘和减少检测到的伪边缘。然而传统的轮廓跟踪算法在进行边界跟踪时会漏检掉一部分低梯度幅值的真实边缘并且受噪声影响轮廓跟踪的效果也不甚理想。

发明内容

本发明提供一种基于离散小波变换的多尺度边缘检测方法，旨在提高图像边缘检测的检测精度。

本发明是这样实现的，一种基于离散小波变换的多尺度边缘检测方法，所述方法具体包括如下步骤：

S1、针对非极大值抑制图像连续进行两次离散小波变换，假定非极大值抑制图像的原图像在第l层，连续两次离散小波变换变换后得到的两个更高层次的图像，分别为第l+1层图像和l+2层图像；

S2将信息量最大的未标记的弱边缘点作为当前轮廓跟踪起点并将轮廓跟踪起点进行标记；

S3、在第l层图像查找邻域存在强边缘点的弱边缘点若弱边缘点与轮廓跟踪起点在第l层图像中不相邻，在第l+1层图像中相邻，且在l+1层的邻域中均存在强边缘点，则判定弱边缘点与轮廓跟踪起点之间存在一条边缘，并执行步骤S2。

进一步的，基于弱边缘点邻域内的强边缘点数量及局部区域的图像局部熵来判断弱边缘点信息的信息量。

进一步的，最大信息量的弱边缘点获取方法具体包括如下步骤：

S21、计算图像中各弱边缘点邻域内的强边缘点数，标记强边缘点数量最多的弱边缘点数，若被标记的弱边缘点数量n大于1，则执行步骤S22，若被标记的弱边缘点数量n等于1，则所述弱边缘点判定为信息量最大的弱边缘点；

S22、以被标记的弱边缘点为中心，计算n*n所在局部区域的图像局部熵，将图像局部熵最大的弱边缘点判定为信息量最大的弱边缘点；

进一步的，图像局部熵采用公式(1)进行计算，其计算公式(1)具体如下：

其中，f(i,j)为特征二元组出现的频数，N为图像的尺度，n为局部图像的长与宽。