專利名稱：基于非下采樣輪廓波的邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于非下采樣輪廓波的邊緣檢測方法。
背景技術(shù)：
邊緣在圖像分析和計算機(jī)視覺中占有極其重要的地位，而傳統(tǒng)的邊緣檢測機(jī)制是 通過檢測圖像像素梯度的極大值和像素值的突變來實(shí)現(xiàn)的，如羅伯特算子，普魯伊特算子， 索貝爾算子和莰尼算子等檢測算法，也有些算法是通過過零檢測來實(shí)現(xiàn)，如拉普拉斯算子 等。近幾年多分辨率算法也被成功的應(yīng)用于邊緣檢測算法，如利用小波模極大值的算法，這 種方法通過對圖像進(jìn)行小波分解，然后利用小波系數(shù)的局部模值極大來確定邊緣點(diǎn)。盡管 這種方法取得了極大的成功，但是由于小波本身只能在水平和豎直兩個方向進(jìn)行分解，這 就限制了小波對圖像方向信息的獲取能力。針對小波的這種缺點(diǎn)，能夠進(jìn)行多方向分解的 輪廓波算法被提出來，可以捕獲圖像的方向信息。輪廓波變換通過一種雙濾波器結(jié)構(gòu)來實(shí)現(xiàn)。它將多尺度分析和多方向性分析分 成兩個相對獨(dú)立的過程，首先由拉普拉斯金字塔變換對圖像進(jìn)行多尺度分解以“捕獲”奇異 點(diǎn)，接著利用方向?yàn)V波器組進(jìn)行方向分解，將分布在同方向上的奇異點(diǎn)連接成周線結(jié)構(gòu)，二 維方向?yàn)V波器組應(yīng)用于拉普拉斯分解得到的每一級高頻分量上，在任意尺度上可以分解得 到的方向子帶。該變換的最終結(jié)果是用類似于線段的基結(jié)構(gòu)來逼近原圖像。與小波變換高 頻信息只有水平、垂直、對角線三個方向的分量相比，輪廓波利用方向?yàn)V波器組對高頻信號 進(jìn)行處理，可以把高頻信息分解成多個方向分量的組合，這樣使得輪廓波能夠近似最優(yōu)地 逼近任意含線性奇異的二維分段光滑函數(shù)。輪廓波構(gòu)造過程中，在拉普拉斯分解和方向?yàn)V 波器組中引入了采樣，造成輪廓波變換不具有平移不變性。在低頻環(huán)節(jié)，進(jìn)行下采樣時會導(dǎo) 致低頻頻譜泄漏，延續(xù)到高頻中，采樣會導(dǎo)致方向頻譜混疊，在各個方向子帶中會混雜不希 望的方向頻譜，應(yīng)用到圖像處理中則表現(xiàn)為偽吉布斯現(xiàn)象，導(dǎo)致圖像失真。而平移不變性在 圖像處理中非常重要，鑒于此非下采樣的輪廓波應(yīng)運(yùn)而生。非下采樣的輪廓波不僅具有捕 獲方向信息的能力，而且具有平移不變性的優(yōu)秀性質(zhì)。非下采樣輪廓波也包括兩個部分一 個是非下采樣拉普拉斯分解，采用雙通道非下采樣濾波器來完成；另一個非下采樣方向?yàn)V 波器組，它利用多孔算法的原理，通過在方向?yàn)V波器組中添加適當(dāng)?shù)纳喜蓸觼硗瓿?。我們采取非下采樣輪廓波進(jìn)行邊緣檢測。但是由于非下采樣輪廓波的冗余特性， 直接利用非下采樣輪廓波進(jìn)行邊緣檢測，會造成雙邊緣的檢測結(jié)果，為了克服這個缺點(diǎn)，我 們構(gòu)造了用于區(qū)別邊緣點(diǎn)和噪聲點(diǎn)的能量函數(shù)。

發(fā)明內(nèi)容
為彌補(bǔ)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于非下采樣輪廓波的邊緣檢測方法。為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案基于非下采樣輪廓波的邊緣檢測方法，該邊緣檢測方法的實(shí)現(xiàn)步驟如下Stepl 利用非下采樣輪廓波變換對圖像f(x，y)進(jìn)行分層，得到共J層的非下采樣輪廓波系數(shù)矩陣；Step2 利用第j層的非下采樣輪廓波系數(shù)矩陣計算多尺度積點(diǎn)集^，將所有不屬 于多尺度點(diǎn)集的點(diǎn)忽略掉，其中1彡j彡J；St印3 尋找第j層輪廓波中每個點(diǎn)的方向分解系數(shù)為正數(shù)的對應(yīng)方向的非下采 樣輪廓波系數(shù)，根據(jù)這些系數(shù)計算第j層的能量泛函ξ，并且設(shè)定能力泛函的閾值為Τ，將 所有多尺度積點(diǎn)集中能量泛函小于T的點(diǎn)舍去，得到的點(diǎn)集為預(yù)邊緣點(diǎn)集；Step4 在預(yù)邊緣點(diǎn)集中，確定每個預(yù)邊緣點(diǎn)的方向；St印5 檢測每個預(yù)邊緣點(diǎn)的能力泛函是否為邊緣垂直方向上的局部極大值；若 是，則這個點(diǎn)是邊緣點(diǎn)，否則忽略掉這個點(diǎn)；St印6 根據(jù)所有邊緣點(diǎn)，得到圖像的邊緣圖。所述st印2中，多尺度積點(diǎn)集冗的計算公式如下
權(quán)利要求
1.基于非下采樣輪廓波的邊緣檢測方法，其特征是，該邊緣檢測方法的實(shí)現(xiàn)步驟如下Stepl 利用非下采樣輪廓波變換對圖像f(x，y)進(jìn)行分層，得到共J層的非下采樣輪廓 波系數(shù)矩陣；Step2 利用第j層的非下采樣輪廓波系數(shù)矩陣計算多尺度積點(diǎn)集^；，將所有不屬于多 尺度點(diǎn)集的點(diǎn)忽略掉，其中1≤j≤J；Step3 尋找第j層輪廓波中每個點(diǎn)的方向分解系數(shù)為正數(shù)的對應(yīng)方向的非下采樣輪 廓波系數(shù)，根據(jù)這些系數(shù)計算第j層的能量泛函ξ，并且設(shè)定能力泛函的閾值為Τ，將所有 多尺度積點(diǎn)集中能量泛函小于T的點(diǎn)舍去，得到的點(diǎn)集為預(yù)邊緣點(diǎn)集； St印4 在預(yù)邊緣點(diǎn)集中，確定每個預(yù)邊緣點(diǎn)的方向；Step5 檢測每個預(yù)邊緣點(diǎn)的能力泛函是否為邊緣垂直方向上的局部極大值；若是，則 這個點(diǎn)是邊緣點(diǎn)，否則忽略掉這個點(diǎn)；Step6 根據(jù)所有邊緣點(diǎn)，得到圖像的邊緣圖。
2.如權(quán)利要求1所述的基于非下采樣輪廓波的邊緣檢測方法，其特征是，所述step2 中，多尺度積點(diǎn)集冗的計算公式如下
3.如權(quán)利要求1所述的基于非下采樣輪廓波的邊緣檢測方法，其特征是，所述step3中，第 jQ 層的能量泛函
4.如權(quán)利要求1所述的基于非下采樣輪廓波的邊緣檢測方法，其特征是，所述step4 中，所述確定每個預(yù)邊緣點(diǎn)的方向的步驟如下4)尋找預(yù)邊緣點(diǎn)集中每一個點(diǎn)的所有方向上的非下采樣輪廓波系數(shù)的絕對值的最大值；5)比較與最大值方向相鄰的兩個方向的非下采樣輪廓波系數(shù)的絕對值；6)計算二者中較大的值與最大值方向共同確定的方向，該方向?yàn)轭A(yù)邊緣點(diǎn)的方向。
5.如權(quán)利要求1所述的基于非下采樣輪廓波的邊緣檢測方法，其特征是，所述step5 中，所述局部極大值判斷方法為如果邊緣點(diǎn)集中的點(diǎn)(χ，y)的能量泛函‘大于邊緣 垂直方向上與該點(diǎn)相鄰的兩個點(diǎn)(xl，yl)和(x2，y2)的能量泛函，即
全文摘要
本發(fā)明公開了基于非下采樣輪廓波的邊緣檢測方法，該方法首先可以初步過濾一部分噪聲點(diǎn)，利用能力泛函可以解決直接利用非下采樣輪廓波進(jìn)行邊緣檢測造成的雙邊緣檢測結(jié)果的問題。本發(fā)明的步驟如下對圖像進(jìn)行J層非下采樣輪廓波分解，得到每一層的非下采樣輪廓波系數(shù)矩陣；利用非下采樣輪廓波系數(shù)矩陣計算多尺度積點(diǎn)集；利用非下采樣輪廓波系數(shù)矩陣計算能量泛函，并且設(shè)定能力泛函的閾值T，將所有能量泛函小于T的點(diǎn)舍去，得到預(yù)邊緣點(diǎn)集；在預(yù)邊緣點(diǎn)集中，計算預(yù)邊緣點(diǎn)集中的點(diǎn)的能量泛函是否是極大值；若是，則這個點(diǎn)是邊緣點(diǎn)，否則忽略掉這個點(diǎn)，最終得到的點(diǎn)集，就是圖像的邊緣圖。
文檔編號G06T7/00GK102073998SQ20111002213
公開日2011年5月25日 申請日期2011年1月20日 優(yōu)先權(quán)日2011年1月20日
發(fā)明者楊明強(qiáng), 陳達(dá) 申請人:山東大學(xué)