[发明专利]一种融合梯度与神经网络的目标边缘检测方法

权利要求书

1.一种融合梯度与神经网络的目标边缘检测方法，其特征在于，包括步骤：

(1)通过非局部均值滤波算法去除再现图像中的相干噪声；

(2)计算再现图像的灰度阈值，进而对再现图像进行阈值分割，去除其中大部分背景，得到主要包含目标的再现图像；

(3)通过图像处理与机器视觉工具包计算步骤(2)所述的主要包含目标的再现图像中的目标的边缘，记作E₁(x,y),x＝1,2,…,m,y＝1,2,…,n,m和n分别为再现图像在高度与宽度方向上的像素数量；

(4)通过神经网络求出步骤(2)所述的主要包含目标的再现图像中的目标的边缘，记作E₂(x,y)；

(5)分别对E₁(x,y)和E₂(x,y)进行二值化和填充操作，得到各自包围的区域M₁(x,y)和M₂(x,y)，对两个区域进行逻辑与运算，得到共同包含的区域M(x,y)，

求出区域M(x,y)的边缘E(x,y)作为目标的最终边缘。

2.如权利要求1所述的一种融合梯度与神经网络的目标边缘检测方法，其特征在于，步骤(2)中，灰度阈值确定的具体步骤包括：

(2.1)通过迭代的方法计算再现图像的灰度阈值，设置迭代过程中的灰度阈值为T_k，它将再现图像f(x,y)分割为背景再现图像f_A(x,y)和目标再现图像f_B(x,y)，

于是新的灰度阈值T_k+1可以表示为：

判断T_k+1与T_k的差的绝对值是否小于给定的值δ，即：

|T_k+1-T_k|≤δ (4)

若|T_k+1-T_k|≤δT_k+1，则T_k+1作为最优的灰度阈值；

(2.2)根据再现图像的重建距离将步骤(2.1)计算得到的灰度阈值乘于一个权重系数，作为最终的灰度阈值。以目标的中线所处的重建距离作为原点,权重系数随再现图像的重建距离偏离原点的距离非线性增大，具体关系表示为:

T＝a(l′-l′₀)⁴+b(l′-l′₀)³+c(l′-l′₀)²+d(l′-l′₀)+e (5)

其中a、b、c、d和e为系数，依次设定为：1.642×10^-17、7.677×10^-14、2.417×10^-10、-7.099×10^-6和1.011。l'为再现图像的重建距离，l₀'为位于目标中线的再现图像的重建距离。

3.根据权利要求2所述的一种融合梯度与神经网络的目标边缘检测方法，其特征在于，步骤(2.1)中在判断T_k+1与T_k的差的绝对值是否小于给定的值δ之后还包括：

若|T_k+1-T_k|＞δT_k+1，则将T_k+1设为当前灰度阈值重复步骤(2.1)。