[发明专利]一种融合梯度与神经网络的目标边缘检测方法

说明书

本发明公开一种融合梯度与神经网络的目标边缘检测方法，包括步骤：通过非局部均值滤波算法去除再现图像中的相干噪声；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；分别通过梯度计算法和神经网络检测目标的边缘，并进行二值化和填充操作，获得各自包围的区域；最后对两种方法获得的区域进行与运算操作，得到最终的目标边缘。本发明能够有效地检测再现图像中目标的边缘，为再现图像的后期处理提供了基础。

技术领域

本发明涉及数字全息显微成像领域，特别涉及一种适用于全息图再现图像的融合梯度与神经网络的目标边缘检测方法。

背景技术

由于数字全息图本质上是干涉图样，含有大量的相干噪声，且其经过数值重建得到的再现图像之间存在串扰，含有严重的离焦像噪声，加上目标的背景又会引入背景噪声。因此，数字全息图的再现图像面临着复杂的相干噪声、离焦像噪声和背景噪声，对目标的边缘检测带来很大的挑战。单纯地依靠灰度阈值分割法、梯度计算法和神经网络法均难以实现有效的目标边缘检测。因此，有必要研究一种结合多种方法的目标边缘检测方法，综合它们的优势，得到更为准确的目标边缘。

发明内容

本发明提供了一种融合梯度与神经网络的目标边缘检测方法，该方法能够从复杂的噪声中有效地检测出目标的边缘，从而为再现图像的后期处理准备了条件。

本发明采用的具体技术方案如下：

一种融合梯度与神经网络的目标边缘检测方法，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；

由于再现图像含有复杂的噪声，对梯度计算和神经网络识别造成很大的干扰，本发明方法在利用非局部均值滤波算法去噪相干噪声后，紧接着通过灰度阈值分割去除大部分背景噪声。

(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，具体过程包括：

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 (3)

若|T_k+1-T_k|≤δT_k+1，则T_k+1作为最优的灰度阈值，进入下一个迭代过程；

由于很难得到一个完美的灰度阈值能够将目标与背景完全分割开来，而且再现图像随着重建距离的变化，其目标与背景的灰度比将发生改变，因此本方法在灰度阈值前面引入了一个随重建距离变化的权重系数。

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，具体关系可以表示为:

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