專利名稱：一種采用非下采樣輪廓波變換的圖像邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像邊緣檢測方法，具體而言是一種借鑒人 眼視覺微動(dòng)機(jī)理，采用非下采樣輪廓波變換的圖像邊緣檢測方法。
背景技術(shù)：
圖像邊緣是指其周圍像素灰度有階躍變化和屋頂變化的那些像素的集合，是圖像 最基本的特征之一。圖像邊緣往往攜帶一幅圖像的大部分信息。邊緣檢測在計(jì)算機(jī)視覺、 圖像處理等應(yīng)用中起著重要的作用，是圖像分析與識(shí)別的重要環(huán)節(jié)，因此圖像的邊緣檢測 一直是人們研究的熱門課題。傳統(tǒng)的邊緣檢測方法多數(shù)都是在空域中基于一階或二階微分算子，如羅伯茨 (Roberts)、索貝爾(Sobel )、拉普拉斯(Laplacian)等微分算子，它們對(duì)清晰圖像檢測效果 較好，但在實(shí)際應(yīng)用中存在著去除噪聲影響與邊緣準(zhǔn)確定位之間的矛盾，存在著誤檢和漏 檢的問題。這是由于微分算子對(duì)噪聲非常敏感，而噪聲和邊緣點(diǎn)都具有灰度突變的特性。因 此采用微分算子進(jìn)行邊緣檢測，很有可能將噪聲點(diǎn)作為邊緣點(diǎn)檢測出來，或由于受到噪聲 干擾而無法將真正的邊緣檢測出來。1991年，美國學(xué)者Carmy J.對(duì)傳統(tǒng)算法進(jìn)行了改進(jìn)， 在邊緣檢測之前采用高斯平滑去除噪聲，并對(duì)最終檢測得到的弱邊緣進(jìn)行連接以得到較為 完整的邊緣。然而，高斯平滑濾波器在去除噪聲的同時(shí)，會(huì)造成邊緣模糊和細(xì)節(jié)信息的丟 失，雖然弱邊緣連接考慮到了這一點(diǎn)，保證了邊緣的連續(xù)性，但最終檢測到的邊緣會(huì)出現(xiàn)抖 動(dòng)、定位不準(zhǔn)現(xiàn)象，且由于殘留噪聲的影響，會(huì)出現(xiàn)較多的邊緣毛刺現(xiàn)象。隨著小波變換的 興起，出現(xiàn)了一些基于小波變換的邊緣檢測方法，它們基本上都是基于小波系數(shù)的模極大 值和過零點(diǎn)的方法，但是小波變換只能最優(yōu)地表示具有點(diǎn)奇異的目標(biāo)函數(shù)，在具有線奇異 的目標(biāo)檢測中細(xì)節(jié)部分信息丟失得比較嚴(yán)重，難以克服偽檢、漏檢等檢測不準(zhǔn)的問題。張悅庭等結(jié)合輪廓波變換與小波模極大提出了一種輪廓波變換模極大的邊緣檢 測方法，得到的邊緣較為完整。然而，該方法所需的重構(gòu)操作和輪廓波的下采樣特性會(huì)導(dǎo)致 最終的邊緣粗大、定位不準(zhǔn)。與此同時(shí)，基于仿生機(jī)理的圖像處理方法得到了研究者的青 睞，閆金銘、李言俊等提出了一種仿生機(jī)理的空域方法用于紅外目標(biāo)的邊緣檢測，實(shí)驗(yàn)結(jié)果 表明了該方法的有效性。然而，該方法可能會(huì)同時(shí)強(qiáng)化噪聲的影響，導(dǎo)致檢測的邊緣殘留噪 聲較多。既要提取出圖像中的重要邊緣，又要抑制不必要的細(xì)節(jié)和噪聲，同時(shí)還要獲得高 精度的定位，對(duì)于單一尺度的邊緣檢測算子來說是很難做到的。NSCT是一種非下采樣的、具有平移不變性的多尺度變換，比較而言，各向異性的輪 廓波基使得NSCT具有刻畫圖像的線奇異優(yōu)勢(shì)，這一點(diǎn)要優(yōu)于采用小波基的非降采樣小波 變換；同時(shí)NSCT具有平移不變性，在這一點(diǎn)上又優(yōu)于輪廓波、Curvelet等多尺度幾何分析 方法。因此，NSCT可以提供更為豐富的時(shí)域信息和精確的頻率局部化信息，各個(gè)圖像子帶 系數(shù)中的元素與圖像空間域中的像素是一一對(duì)應(yīng)關(guān)系，很容易利用NSCT域系數(shù)的分布規(guī) 律直接檢測到圖像空間域中的邊緣信息，不需要重構(gòu)等操作。
人眼視覺信息處理具有多層次性和復(fù)雜性，國內(nèi)外研究表明，人眼在觀察景物時(shí) 處于微動(dòng)狀態(tài)，微動(dòng)有三種模式高頻振顫、漂移運(yùn)動(dòng)和閃動(dòng)。在微動(dòng)情形下將出現(xiàn)微動(dòng)對(duì) 場景圖像的調(diào)制，將原來靜止的場景圖對(duì)應(yīng)的視網(wǎng)膜圖像調(diào)制為動(dòng)態(tài)序列圖。人眼微動(dòng)與 視覺適應(yīng)性和超分辨存在密切的聯(lián)系。國內(nèi)外的專家學(xué)者對(duì)人眼微動(dòng)及其機(jī)理進(jìn)行了深入 的研究，當(dāng)前有以下重要結(jié)論1、人眼微動(dòng)的方向是多變的，上下、左右、前后各個(gè)方向均存 在；2、視網(wǎng)膜節(jié)細(xì)胞的種類很多，并證實(shí)已經(jīng)具備對(duì)線條刺激的朝向選擇，具有方向性；3、 眼球的運(yùn)動(dòng)會(huì)產(chǎn)生焦距的變換，進(jìn)而觸發(fā)視覺系統(tǒng)的多尺度通道，具有多尺度性。西北工業(yè) 大學(xué)李言俊等人將人眼微動(dòng)引入到紅外成像制導(dǎo)技術(shù)中，取得了大量的研究成果，具有很 好的借鑒意義?；诜窍虏蓸虞喞ㄗ儞Q的多尺度、多方向邊緣表達(dá)優(yōu)勢(shì)、定位優(yōu)勢(shì)及噪聲去除 優(yōu)勢(shì)，同時(shí)借鑒人眼微動(dòng)對(duì)邊緣的強(qiáng)化和定位機(jī)理，提出了一種非下采樣輪廓波變換域的 圖像邊緣檢測方法。專利檢索及對(duì)國內(nèi)外各種科技文獻(xiàn)的最新檢索表明，尚未有基于人眼 微動(dòng)機(jī)理的非下采樣輪廓波域邊緣檢測方法見諸文獻(xiàn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種顧噪聲去除和邊緣定位準(zhǔn)確的采用非下采樣輪廓波 變換的圖像邊緣檢測方法。本發(fā)明實(shí)現(xiàn)上述目的的技術(shù)方案是，一種圖像邊緣檢測的方法，其創(chuàng)新點(diǎn)在于對(duì) 含噪圖像的邊緣進(jìn)行檢測的步驟依次為
(1)對(duì)含噪圖像進(jìn)行非下采樣輪廓波變換對(duì)含噪圖像進(jìn)行
/級(jí)非下采樣輪廓波變換，得到低頻子帶系數(shù)矩陣Q和各尺度上的高頻方向子帶系數(shù)矩 陣qk (1 < j彡J，ι < k )，其中表示尺度,k表示子帶方向，G表示尺度j上分解的 方向數(shù)；
(2)對(duì)步驟(1)得到的低頻子帶系數(shù)矩陣C0和各尺度上的高頻方向子帶系數(shù)矩陣Cj,k 進(jìn)行微動(dòng)與邊緣強(qiáng)化對(duì)低頻子帶系數(shù)矩陣C0及各尺度上的高頻方向子帶系數(shù)矩陣Clk在 0°、45°、90°、135°四個(gè)方向上進(jìn)行1個(gè)像素距離的微動(dòng)，得到低頻子帶系數(shù)矩陣Q3所 對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和各尺度上的高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng) 矩陣，將低頻子帶系數(shù)矩陣Q所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和低頻子帶系數(shù)矩陣C0相減，得
到低頻子帶系數(shù)矩陣CfD所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，將各尺度上的高頻方向子帶系數(shù)矩陣 Cj,k所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和高頻方向子帶系數(shù)矩陣相減，得到高頻方向子帶系數(shù) 矩陣qk所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，對(duì)低頻子帶系數(shù)矩陣Q5所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣 和高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣取模極大值，得到低頻子帶系數(shù) 矩陣Q1和高頻方向子帶系數(shù)矩陣qk所分別對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣；
(3)低頻去噪對(duì)步驟(2)得到的低頻子帶系數(shù)矩陣Q所對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣直 接設(shè)置小閾值，得到低頻子帶粗邊緣4(4)高頻去噪對(duì)步驟(2)得到的各尺度上的高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的強(qiáng)化 子帶邊緣矩陣，計(jì)算其灰度值所對(duì)應(yīng)的累積概率，并選取累積概率與其所在尺度的噪聲水 平值相等時(shí)對(duì)應(yīng)的灰度值作為其閾值，得到各尺度方向子帶粗邊緣圖；然后，對(duì)同一尺度的 各方向子帶粗邊緣圖進(jìn)行疊加，得到各尺度粗邊緣(5)邊緣細(xì)化對(duì)步驟(3)得到的低頻子帶粗邊緣圖進(jìn)行細(xì)化，得到低頻子帶細(xì)邊緣 圖；同時(shí)對(duì)步驟(4)得到的各尺度粗邊緣圖進(jìn)行細(xì)化，得到各尺度細(xì)邊緣(6)邊緣融合取或運(yùn)算融合低頻子帶細(xì)邊緣圖與各尺度細(xì)邊緣圖，得到最終的邊緣圖。本發(fā)明綜合利用NSCT在邊緣表達(dá)、邊緣定位和噪聲去除上的優(yōu)點(diǎn)，同時(shí)借鑒了人 眼微動(dòng)對(duì)邊緣等奇異的強(qiáng)化和定位。圖像經(jīng)NSCT分解后，小系數(shù)對(duì)應(yīng)噪聲，大系數(shù)對(duì)應(yīng)邊 緣，基于競爭機(jī)制的人眼微動(dòng)進(jìn)一步突出了邊緣并弱化了噪聲的影響，通過設(shè)置合適的閾 值則可以抑制噪聲對(duì)邊緣提取的影響。NSCT不具有下采樣過程，分解得到的各系數(shù)矩陣與 原始圖像大小相同，各個(gè)圖像子帶系數(shù)中的元素與圖像空間域中的像素是一一對(duì)應(yīng)關(guān)系， 很容易利用NSCT域系數(shù)的分布規(guī)律直接檢測到圖像空間域中的邊緣定位信息，也有利于 融合各子帶的邊緣信息。因此，最終得到的多尺度融合邊緣圖將具有較少的噪聲干擾，且檢 測的邊緣完整，定位也較為準(zhǔn)確。


圖1為本發(fā)明的實(shí)施示意圖； 圖2為本發(fā)明的實(shí)現(xiàn)示意圖3為針對(duì)仿真圖像的實(shí)驗(yàn)結(jié)果圖； 圖4為實(shí)際SAR圖像的實(shí)驗(yàn)結(jié)果圖。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述。一種圖像邊緣檢測的方法，對(duì)含噪圖像的邊緣進(jìn)行檢測的步驟依次為
(1)對(duì)含噪圖像進(jìn)行非下采樣輪廓波變換對(duì)含噪圖像進(jìn)行J級(jí)非下采樣輪廓波變換， 得到低頻子帶系數(shù)矩陣C0和各尺度上的高頻方向子帶系數(shù)矩陣qk(i < j^ja^k^/,·
)，其中j表示尺度，k表示子帶方向，~表示尺度j上分解的方向數(shù)；
(2)對(duì)步驟(1)得到的低頻子帶系數(shù)矩陣cD和各尺度上的高頻方向子帶系數(shù)矩陣qk 進(jìn)行微動(dòng)與邊緣強(qiáng)化對(duì)低頻子帶系數(shù)矩陣Qj及各尺度上的高頻方向子帶系數(shù)矩陣Clk在 0°、45°、90°、135°四個(gè)方向上進(jìn)行1個(gè)像素距離的微動(dòng)，得到低頻子帶系數(shù)矩陣Cf0所 對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和各尺度上的高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng) 矩陣，將低頻子帶系數(shù)矩陣Q1所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和低頻子帶系數(shù)矩陣C0相減，得
到低頻子帶系數(shù)矩陣C0所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，將各尺度上的高頻方向子帶系數(shù)矩陣 Cj,k所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和高頻方向子帶系數(shù)矩陣qk相減，得到高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，對(duì)低頻子帶系數(shù)矩陣G所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣 和高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣取模極大值，得到低頻子帶系數(shù) 矩陣q和高頻方向子帶系數(shù)矩陣qk所分別對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣；
(3)低頻去噪對(duì)步驟(2)得到的低頻子帶系數(shù)矩陣Q所對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣直
接設(shè)置小閾值，得到低頻子帶粗邊緣(4)高頻去噪對(duì)步驟(2)得到的各尺度上的高頻方向子帶系數(shù)矩陣qk所對(duì)應(yīng)的強(qiáng)化 子帶邊緣矩陣，計(jì)算其灰度值所對(duì)應(yīng)的累積概率，并選取累積概率與其所在尺度的噪聲水 平值相等時(shí)對(duì)應(yīng)的灰度值作為其閾值，得到各尺度方向子帶粗邊緣圖；然后，對(duì)同一尺度的 各方向子帶粗邊緣圖進(jìn)行疊加，得到各尺度粗邊緣(5)邊緣細(xì)化對(duì)步驟(3)得到的低頻子帶粗邊緣圖進(jìn)行細(xì)化，得到低頻子帶細(xì)邊緣 圖；同時(shí)對(duì)步驟(4)得到的各尺度粗邊緣圖進(jìn)行細(xì)化，得到各尺度細(xì)邊緣(6)邊緣融合取或運(yùn)算融合低頻子帶細(xì)邊緣圖與各尺度細(xì)邊緣圖，得到最終的邊緣圖。本發(fā)明在具體實(shí)施時(shí)，多尺度分解的層數(shù)及每層分解的方向數(shù)的選取有較大的靈 活性，但每層的方向數(shù)應(yīng)為2的冪數(shù)。不同的分解參數(shù)選取產(chǎn)生的邊緣提取效果可能不同， 多尺度分解層數(shù)通常可取為3，按照從低分辨率層到高分辨率層，方向分解數(shù)通?？扇?4、8和16，尺度分解的1D原型濾波器組一般采用‘9-7’濾波器，方向分解的1D原型濾波器 組一般采用‘dmaxflat’濾波器。低頻方向子帶閾值選取較小，略大于0，各尺度噪聲水平從 低分辨率層到高分辨率層依次增加。本發(fā)明效果可通過以下仿真結(jié)果進(jìn)一步說明。仿真條件
本發(fā)明采用含有混合噪聲的模擬圖像與實(shí)際包含混合噪聲的SAR圖像進(jìn)行仿真實(shí)驗(yàn)。 計(jì)算機(jī)硬件配置為Pentium (R) 4，主頻3GHz。本發(fā)明的軟件平臺(tái)為Matlab R2007。仿真內(nèi)容
采用Sobel算子、Canny算子、小波模極大、Ratio算子以及本發(fā)明提供的方法分別對(duì)仿 真的三角形圖像及實(shí)際的機(jī)場跑道SAR圖像進(jìn)行了實(shí)驗(yàn)，兩幅圖的分辨率分別為128X128 及 256X256。仿真結(jié)果
1、本發(fā)明的檢測結(jié)果如圖3、圖4所示，其中
圖3(al)為仿真的多邊形圖像進(jìn)行邊緣檢測，該多邊形包含了水平、45度及22. 5度等 典型方向上的細(xì)微邊緣，圖像大小為128X128像素。圖3(a2)為圖3(al)的仿真多邊形 圖像添加斑點(diǎn)噪聲及高斯噪聲后得到的含噪圖像，其中，斑點(diǎn)噪聲的方差為0. 02，高斯噪聲 的方差為0.01。圖3(b)為采用Sobel算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為 0.15。圖3(c)為采用Canny算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0.76。圖 3(d)為采用小波模極大方法得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0.44。圖3(e) 為采用Ratio算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0.65。圖3(f)為采用本發(fā) 明提供的方法得到的最佳邊緣圖，其低頻方向子帶閾值選取約為0. 025，各尺度噪聲水平從 低分辨率層到高分辨率層分別為0. 4,0. 52，0. 58。
圖4(a)為實(shí)際的機(jī)場跑道SAR圖像，該圖像包含了多方向的跑道邊緣，圖像大小 為256X256像素。圖4(b)為采用Sobel算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取 為0.15。圖4(c)為采用Canny算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0.6。圖 4(d)為采用小波模極大方法得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0.4。圖4(e)為 采用Ratio算子得到的最佳邊緣圖，其最佳閾值經(jīng)實(shí)驗(yàn)選取為0. 5。圖4(f)為采用本發(fā)明 提供的方法得到的最佳邊緣圖，其低頻方向子帶閾值選取約為0. 035，各尺度噪聲水平從低 分辨率到高分辨率分別約為0. 8,0. 8,0. 9。2、同時(shí)給出了與圖3相關(guān)的定量的邊緣檢測指標(biāo)，如表1所示 表1圖3邊緣檢測結(jié)果的定量分析表
權(quán)利要求
一種圖像邊緣檢測的方法，其特征在于對(duì)含噪圖像的邊緣進(jìn)行檢測的步驟依次為(1)對(duì)含噪圖像進(jìn)行非下采樣輪廓波變換對(duì)含噪圖像進(jìn)行級(jí)非下采樣輪廓波變換，得到低頻子帶系數(shù)矩陣和各尺度上的高頻方向子帶系數(shù)矩陣Cj,k(1≤j≤J，1≤k≤)，其中表示尺度，表示子帶方向，表示尺度上分解的方向數(shù)；(2)對(duì)步驟(1)得到的低頻子帶系數(shù)矩陣和各尺度上的高頻方向子帶系數(shù)矩陣Cj,k進(jìn)行微動(dòng)與邊緣強(qiáng)化對(duì)低頻子帶系數(shù)矩陣及各尺度上的高頻方向子帶系數(shù)矩陣Cj,k在0°、45°、90°、135°四個(gè)方向上進(jìn)行1個(gè)像素距離的微動(dòng)，得到低頻子帶系數(shù)矩陣所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和各尺度上的高頻方向子帶系數(shù)矩陣Cj,k所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣，將低頻子帶系數(shù)矩陣所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和低頻子帶系數(shù)矩陣相減，得到低頻子帶系數(shù)矩陣所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，將各尺度上的高頻方向子帶系數(shù)矩陣Cj,k所對(duì)應(yīng)的4個(gè)系數(shù)微動(dòng)矩陣和高頻方向子帶系數(shù)矩陣Cj,k相減，得到高頻方向子帶系數(shù)矩陣Cj,k所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣，對(duì)低頻子帶系數(shù)矩陣所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣和高頻方向子帶系數(shù)矩陣Cj,k所對(duì)應(yīng)的4個(gè)微動(dòng)變化矩陣取模極大值，得到低頻子帶系數(shù)矩陣和高頻方向子帶系數(shù)矩陣Cj,k所分別對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣；(3)低頻去噪對(duì)步驟(2)得到的低頻子帶系數(shù)矩陣所對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣直接設(shè)置小閾值，得到低頻子帶粗邊緣圖；(4)高頻去噪對(duì)步驟(2)得到的各尺度上的高頻方向子帶系數(shù)矩陣Cj,k所對(duì)應(yīng)的強(qiáng)化子帶邊緣矩陣，計(jì)算其灰度值所對(duì)應(yīng)的累積概率，并選取累積概率與其所在尺度的噪聲水平值相等時(shí)對(duì)應(yīng)的灰度值作為其閾值，得到各尺度方向子帶粗邊緣圖；然后，對(duì)同一尺度的各方向子帶粗邊緣圖進(jìn)行疊加，得到各尺度粗邊緣圖； (5)邊緣細(xì)化對(duì)步驟(3)得到的低頻子帶粗邊緣圖進(jìn)行細(xì)化，得到低頻子帶細(xì)邊緣圖；同時(shí)對(duì)步驟(4)得到的各尺度粗邊緣圖進(jìn)行細(xì)化，得到各尺度細(xì)邊緣圖； (6)邊緣融合取或運(yùn)算融合低頻子帶細(xì)邊緣圖與各尺度細(xì)邊緣圖，得到最終的邊緣圖。2010105614923100001dest_path_image001.jpg,2010105614923100001dest_path_image002.jpg,2010105614923100001dest_path_image003.jpg,2010105614923100001dest_path_image004.jpg,2010105614923100001dest_path_image005.jpg,53799dest_path_image003.jpg,33256dest_path_image004.jpg,127508dest_path_image002.jpg,585034dest_path_image002.jpg,212455dest_path_image002.jpg,97235dest_path_image002.jpg,675852dest_path_image002.jpg,937069dest_path_image002.jpg,418997dest_path_image002.jpg,474678dest_path_image002.jpg,561100dest_path_image002.jpg
全文摘要
本發(fā)明公開了一種采用非下采樣輪廓波變換的圖像邊緣檢測方法，對(duì)輸入的含噪圖像進(jìn)行NSCT分解為低頻系數(shù)和高頻系數(shù)、對(duì)低頻系數(shù)矩陣和各方向子帶系數(shù)矩陣進(jìn)行多方向微動(dòng)得到多幅微動(dòng)調(diào)制圖像、將各微動(dòng)調(diào)制圖像與原子帶圖像相減以得到多幅微動(dòng)變化圖像、引入視覺競爭機(jī)制取模極大值進(jìn)行競爭以得到強(qiáng)化的各子帶邊緣圖、設(shè)置合適的閾值去除各子帶邊緣圖中的噪聲、對(duì)低頻子帶粗邊緣圖及同一尺度內(nèi)各方向子帶邊緣疊加得到的各尺度粗邊緣圖進(jìn)行中心細(xì)化以得到低頻子帶細(xì)邊緣圖及各尺度細(xì)邊緣圖，取或運(yùn)算融合低頻子帶細(xì)邊緣圖與各尺度細(xì)邊緣圖，得到最終的融合邊緣圖。本發(fā)明提供的方法噪聲適應(yīng)性好，邊緣檢測完整且定位準(zhǔn)確。
文檔編號(hào)G06T5/00GK101980287SQ20101056149
公開日2011年2月23日 申請(qǐng)日期2010年11月28日 優(yōu)先權(quán)日2010年11月28日
發(fā)明者李慶武, 王敏, 石丹, 程曉軒, 霍冠英 申請(qǐng)人:河海大學(xué)常州校區(qū)