基于网络节点分形维数的图像边缘检测方法

文档序号:6543636阅读:206来源:国知局
基于网络节点分形维数的图像边缘检测方法
【专利摘要】本发明公开了一种基于网络节点分形维数的图像边缘检测方法,属于计算机视觉和图像处理【技术领域】。该方法包括以下步骤:步骤一:将RGB图像转换为无向加权网络;步骤二:计算网络中每个节点的分形维数;步骤三:根据网络中各节点的局部维数识别图像边缘。该方法具有以下优点:1、抗噪波能力强,对含强噪波图像仍能有效的进行边缘检测,具有较高的信噪比。2、对渐变背景的辨别能力强,对含渐变背景的图像能有效的进行边缘检测,具有较高的信噪比。3、无论是在模拟图像还是真实图像中均有较好的效果。
【专利说明】基于网络节点分形维数的图像边缘检测方法
【技术领域】
[0001]本发明属于计算机视觉和图像处理【技术领域】,涉及一种基于网络节点分形维数的图像边缘检测方法。
【背景技术】
[0002]边缘是图像最重要的特征之一,对应图像灰度剧烈变化的地方。随着信息技术的发展,边缘检测成为了图像处理和计算机视觉中的一项基础内容。边缘检测的目的是识别数字图像中亮点变化明显的点,在图像处理的众多领域均有应用,其常用于图形分割、物体识别、特征提取等领域。图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。
[0003]有许多用于边缘检测的方法,它们的绝大部分可以划分为两类:基于搜索的一类和基于零点的一类。基于搜索的方法是通过寻找图像一阶导数中的最大和最小值来检测边界,通常是将边界定位在梯度最大的方向。基于灰度的搜索是该类方法的广泛应用之一,然而因为边缘和噪波均与灰度剧烈变化处对应,所以基于搜索式的边缘检测方法对噪波敏感,从而对含有噪波的图像边缘检测效果不佳。
[0004]基于零点的方法是通过寻找图像二阶导数零点来寻找边界。该方法中常用的算法为Canny算子,给出了评价边缘检测性能优劣的指标:1、好的信噪比,即将非边缘点判定为边缘点的概率要低,将边缘点判为非边缘点的概率要低;2、高的定位性能,即检测出的边缘点要尽可能在实际边缘的中心;3、单一边缘仅有唯一响应,即单个边缘产生多个响应的概率要低,并且虚假响应边缘应该得到最大抑制。即便如此,Canny依旧存在一些问题:在图像含有渐变背景或者模拟图像含强噪波时,Canny不能找到正确的图像边缘。此外,小波变换作为图像的边缘检测方法被提出并广泛应用,其最重要的特征在于能对空间(时间)和频率进行局部变换。

【发明内容】

[0005]有鉴于此,本发明的目的在于针对现有图像边缘检测方法中存在的抗噪波能力弱、对含有渐变背景图像的边缘检测不到位等问题,提出了一种基于网络节点分形维数的图像边缘检测方法,该方法根据边缘检测性能优劣的三个指标,采用将图像转换为网络的节点分形维数边缘检测方法,使图像的边缘检测无论是在模拟还是真实图像中均有较好的检测效果。
[0006]为达到上述目的,本发明提供如下技术方案:
[0007]一种基于网络节点分形维数的图像边缘检测方法,包括以下步骤:步骤一:将RGB图像转换为无向加权网络;步骤二:计算网络中每个节点的分形维数;步骤三:根据网络中各节点的局部维数识别图像边缘。
[0008]进一步,在步骤一中,将图像像素视为网络节点,用边连接图像相邻像素,边的权重通过成对节点的RGB值的计算获得。[0009]进一步,在步骤一中具体包括:用节点代替图像像素,构造网络G = (V,E,W),V表示节点,E表示边(连接成对相邻像素),W表示边的权重wk,利用以下公式计算Wk:
【权利要求】
1.一种基于网络节点分形维数的图像边缘检测方法,其特征在于:包括以下步骤: 步骤一:将RGB图像转换为无向加权网络; 步骤二:计算网络中每个节点的分形维数; 步骤三:根据网络中各节点的局部维数识别图像边缘。
2.根据权利要求1所述的一种基于网络节点分形维数的图像边缘检测方法,其特征在于:在步骤一中,将图像像素视为网络节点,边连接图像相邻像素,边的权重通过对成对节点的RGB值的计算获得。
3.根据权利要求2所述的一种基于网络节点分形维数的图像边缘检测方法,其特征在于:在步骤一中具体包括:用节点代替图像像素,构造网络G = (V,E,W),V表示节点,E表示边,W表示边的权重wk,利用以下公式计算Wk:
4.根据权利要求3所述的一种基于网络节点分形维数的图像边缘检测方法,其特征在于:在步骤二中,基于hausdorff的盒覆盖局部维数理论及盒覆盖算法,利用以下公式分别计算每个节点V的分形维数:
5.根据权利要求4所述的一种基于网络节点分形维数的图像边缘检测方法,其特征在于:在步骤三中,根据得到的各节点分形维数,利用以下公式计算网络G的分形维数:
D {d” 0-2 y dg,...,dn} ο
6.根据权利要求4所述的一种基于网络节点分形维数的图像边缘检测方法,其特征在于:在步骤三中,根据网络G的分形维数,通过判断边缘的节点分形维数明显小于其他的节点维数,且边缘的节点维数在所有环境中,即使颜色不同,亮度不同,均可以被识别,从而实现对图像的边缘进行检测。
【文档编号】G06K9/46GK103886614SQ201410147750
【公开日】2014年6月25日 申请日期:2014年4月14日 优先权日:2014年4月14日
【发明者】邓勇, 李云鹏, 周欣怡, 孙敏捷, 刘诗源, 朱凌宇, 李国龙, 阎宏伟, 许枭飞, 张彪, 黄河, 金添怡, 陈晟, 杨根彪, 何明亮, 赵以云, 魏小龙, 肖玮荣, 刘国良, 王韬 申请人:重庆威堪科技有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1