专利名称：基于局部自适应色差阈值的彩色图像边缘检测的方法
技术领域：
本发明涉及图像处理与计算机视觉领域，具体涉及一种模拟人眼对图像信息的感知情况且对噪声有很好鲁棒性的彩色图像边缘检测的方法。
背景技术：
图像的边缘定义为图像函数中不连续的点，包含了图像的大部分特征，是区分物体与背景、感兴趣域与周围信息的关键所在。现有的边缘检测主要将待处理图像转化为灰度图像，将图像边缘看作邻域内灰度值发生突变的点的集合，经典的算子有Sobel算子、SUSAN算子、Laplace算子、Canny算子等。这些算法由于缺乏色彩信息，不能区分出亮度相同但颜色不同的物体，易出现漏检。
近年来，彩色图像的边缘检测逐渐得到了关注，一类广泛使用的彩色图像边缘提取算法是在原有的灰度梯度边缘检测算子上进行改进的，这类方法用色差代替亮度差，计算算子模版区内的核值差距，再与固定阈值相比较，判断模版中心的像素点是否为边缘点，例如 Chen H C (Contrast-based color image segmentation, IEEE Signal ProcessingLetters, 2004，11(7) :641 - 644)提出将Laplace算子中的灰度差改为Lab空间中的欧式距离进行计算；曾俊等人在文献(Color image edge detection method using VTVdenoising and color difference[J], Optik-International Journal for Light andElectron Optics, 2011，doi : 10. 1016/j. ijleo. 2011. 10. 0093 和彩色图像 SUSAN 边缘检测方法[J]，计算机工程与应用，2011,47 (15) =194-196)中分别改进的是基于色差的Sobel算子与SUSAN算子。对于这类算法，阈值的选取是非常重要的，现有算法是将单一的色差阈值定为全局阈值，这种阈值选择方法忽略了图像的局部信息对人眼色差感知的影响，使得很多不可见的边缘被过检测，对噪声的鲁棒性较差。
发明内容
本发明提出一种基于人眼视觉的局部自适应色差阈值的估计方法并与基于CIELab色差的梯度算子结合应用于彩色图像的边缘检测中，能避免传统方法中因判决阈值而导致的边缘过检测问题。本发明采用的技术方案如下基于局部自适应色差阈值的彩色图像边缘检测的方法，具体过程如下步骤一考虑图像局部背景亮度对Lab空间中两种颜色刚好能区分的色差值的影响，构建背景亮度掩模权重函数；根据空间频率与对比度可察觉阈值的关系，结合图像的纹理信息对所述色差值的影响，构建对比灵敏度权重函数；将以上两种权重函数结合起来构造局部色差值影响因子，该影响因子与人眼色差值的乘积为自适应色差可察觉阈值；步骤二 以基于梯度的边缘检测算子为基础，从图像左上角的像素开始逐点处理图像，先计算以当前像素点为中心的色差梯度模版的核值距离，其中原梯度算子中的灰度差用Lab色差代替，然后使用步骤一计算的自适应色差可察觉阈值来作为色差是否可见的阈值；若当前像素点的色差梯度算子的计算结果大于所述自适应色差可察觉阈值，则可判断当前像素点为边缘点并显示，否则像素亮度置为零。其中，步骤一中计算自适应色差可察觉阈值的具体过程如下步骤11 :逐点处理图像时，以nXn像素为模版，计算模板区域内的平均亮度作为中心点的亮度值，根据局部亮度与背景亮度掩模权重函数的关系确定背景亮度掩模权重系数；步骤12 :逐点处理图像时，以nXn像素为模板，分别计算中心像素点L通道、中心像素点a通道和中心像素点b通道的空间频率，根据空间频率与对比度能见阈值的关系分别确定这三个通道的对比灵敏度掩模系数，再根据人眼对这三个通道的感知情况将三个通道的系数加权平均，即得到局部对比灵敏度掩模系数；步骤13 :将背景亮度掩模权重系数与局部对比灵敏度掩模系数的平均数作为局部色差值的影响因子，该影响因子与人眼色差值的乘积即为该nXn像素模版中心点的自适应色差可察觉阈值。本发明首先构造了一个包含背景亮度掩膜、对比度敏感函数(CSF)的色差阈值的权重函数，根据邻域信息确定每个像素点的色差阈值，若该像素点的色差梯度算子的计算结果大于该阈值，则可判断当前像素为边缘点并显示，否则像素亮度置为零。通过实验测试表明该方法考虑了人眼的亮度掩膜效应与对比度敏感特性，能近似人眼视觉感知特性，有效检测出人眼可感知的图像边缘，同时避免传统算法中因判决阈值而导致的边缘过检测问题，有较好的抗噪性能。
图I为本发明中背景亮度与亮度掩模权重系数的关系图。图2为不同颜色通道的空间频率与CSF权重函数的关系图。图3为不同色差梯度算子对peppers、lena、色卡图像的边缘检测结果,其中(a)为peppers图像的实验原图，(b)为图(a)利用固定色差阈值的算法检测结果，(C)为图(a)利用自适应色差阈值算法的检测结果，(d)为Iena图像的实验原图，(e)为图(b)利用固定色差阈值的算法检测结果，(f)为图(b)利用自适应色差阈值算法的检测结果，(g)为色卡图像的实验原图，(h)为图(g)利用固定色差阈值的算法检测结果，⑴为图(g)利用自适应色差阈值算法的检测结果。图4为不同色差梯度算子的抗噪声检测结果实验图，其中(a)为测试图像的灰度图像，(b)为Sobel算法检测结果，(C)为固定色差阈值Sobel算法检测结果，Cd)为自适应色差阈值Sobel算法检测结果，Ce)为固定色差阈值SUSAN算法检测结果，Cf)为自适应差阈值SUSAN算法检测结果。
具体实施例方式下面将结合附图对本发明加以详细说明。步骤一考虑图像局部背景亮度对Lab空间中两种颜色刚好能区分的色差值(JNCD)的影响，构建背景亮度掩模权重函数。根据空间频率与对比度可察觉阈值的关系，结合图像的纹理信息对JNCD的影响，构建对比灵敏度权重函数。将两种权重函数结合起来构造局部JNCD影响因子，该影响因子与人眼JNCD的乘积称为自适应色差可察觉阈值(AJNCD)0步骤二 以基于梯度的边缘检测算子为基础，如Sobel，SUSAN，Laplace算子等。从图像左上角的像素开始逐点处理图像，先计算以当前像素点(i，j)为中心的色差梯度模版的核值距离，其中原梯度算子中的灰度差用Lab色差代替，然后使用步骤一计算的AJNCD来作为色差是否可见的阈值。若该像素点邻域的色差梯度的计算结果大于该阈值，则可判断当前像素为边缘点并显示，否则像素亮度置为零。 其中，步骤一计算AJNCD的具体过程如下所述，选取5 X 5像素为模版步骤11 :对于图像中的像素点，若邻域的平均亮度不同，则该点与其它像素点的JNCD也不相同，背景亮度与背景亮度掩模的权重系数的关系如图I所示，数学表达式为
权利要求
1.基于局部自适应色差阈值的彩色图像边缘检测的方法，具体过程如下 步骤一考虑图像局部背景亮度对Lab空间中两种颜色刚好能区分的色差值的影响，构建背景亮度掩模权重函数；根据空间频率与对比度可察觉阈值的关系，结合图像的纹理信息对所述色差值的影响，构建对比灵敏度权重函数；将以上两种权重函数结合起来构造局部色差值影响因子，该影响因子与人眼色差值的乘积为自适应色差可察觉阈值； 步骤二 以基于梯度的边缘检测算子为基础，从图像左上角的像素开始逐点处理图像，先计算以当前像素点为中心的色差梯度模版的核值距离，其中原梯度算子中的灰度差用Lab色差代替，然后使用步骤一计算的自适应色差可察觉阈值来作为色差是否可见的阈值；若当前像素点的色差梯度算子的计算结果大于所述自适应色差可察觉阈值，则可判断当前像素点为边缘点并显示，否则像素亮度置为零。
2.根据权利要求I所述的基于局部自适应色差阈值的彩色图像边缘检测的方法，其特征在于，所述步骤一中计算自适应色差可察觉阈值的具体过程如下 步骤11 :逐点处理图像时，以nXn像素为模版，计算模板区域内的平均亮度作为中心点的亮度值，根据局部亮度与背景亮度掩模权重函数的关系确定背景亮度掩模权重系数；步骤12 :逐点处理图像时，以nXn像素为模板，分别计算中心像素点L通道、中心像素点a通道和中心像素点b通道的空间频率，根据空间频率与对比度能见阈值的关系分别确定这三个通道的对比灵敏度掩模系数，再根据人眼对这三个通道的感知情况将三个通道的系数加权平均，即得到局部对比灵敏度掩模系数； 步骤13 :将背景亮度掩模权重系数与局部对比灵敏度掩模系数的平均数作为局部色差值的影响因子，该影响因子与人眼色差值的乘积即为该nXn像素模版中心点的自适应色差可察觉阈值。
全文摘要
本发明公开了一种基于局部自适应色差阈值的彩色图像边缘检测的方法，属于图像处理与计算机视觉领域。本发明首先构造了一个包含背景亮度掩膜、对比度敏感函数的色差阈值的权重函数，根据邻域信息确定每个像素点的色差阈值，若该像素点的色差梯度算子的计算结果大于该阈值，则可判断当前像素为边缘点并显示，否则像素亮度置为零。通过实验测试表明本发明的方法考虑了人眼的亮度掩膜效应与对比度敏感特性，能近似人眼视觉感知特性，有效检测出人眼可感知的图像边缘，同时避免传统算法中因判决阈值而导致的边缘过检测问题，有较好的抗噪性能。
文档编号G06T7/40GK102819850SQ201210291478
公开日2012年12月12日 申请日期2012年8月16日 优先权日2012年8月16日
发明者李勃, 杨娴, 丁文, 董蓉, 江登表, 廖娟, 陈启美 申请人:李勃