[发明专利]一种用于智能汽车的特征图像边缘检测方法

说明书

本发明公开一种用于智能汽车的特征图像边缘检测方法，所述边缘检测方法包括如下步骤：A、用车载工业相机获取待检测图像，转换为灰度图像，选取σ值为1.0进行高斯平滑滤波；B、对平滑处理后图像进行阈值为0.5的Canny边缘预提取；C、将Canny检测的边缘图像矩阵输入到二维数字滤波器中，通过二进小波变换检测二维小波变换的模极大点确定图像的边缘点；沿边界方向将该尺度下的模极大点连接起来形成边缘曲线，从而得到边缘检测图像；D、根据不同类型、不同环境的图片选取适当的E值，计算esubgt;k/subgt;，判断esubgt;k/subgt;≥E是否成立，若为是则输出边缘检测图像，若为否，则重复步骤C。该方法可以得到智能汽车易于识别判断的特征图像边缘轮廓线，检测边缘准确清晰。

技术领域

本发明涉及图像边缘检测领域，尤其涉及一种用于智能汽车的特征图像边缘检测方法。

背景技术

近年来，智能汽车成为汽车行业的研究热点，代表着未来汽车工业的发展方向。环境感知系统作为智能汽车的“眼睛”，主要依靠多种传感器进行环境信息感知从而做出进一步判断，其中基于机器视觉的图像识别技术由于其适应性强、价格低廉在智能汽车环境感知系统中被广泛采用。

基于机器视觉的图像识别技术主要分为以下几个阶段：图像预处理阶段(如去噪、图像增强、形态学处理)、图像分割或物体分离阶段、特征提取阶段、判决分类阶段。在智能汽车图像识别中，汽车、车道线、行人、交通标志等各种障碍物、标识等都需要被检测出从而做出相应判断，智能汽车所采集图像的预处理、特征提取是进行图像识别判决分类的基础。

图像的边缘检测是整个图像预处理与特征提取的基础和核心，只有精确、清晰地提取出智能汽车所采集的特征图像轮廓，才能对其进行进一步的特征识别等工作。图像的边缘是指一幅图像中灰度值发生剧烈变化的区域，主要存在于目标与目标之间、目标与背景之间、区域与区域之间，较为著名的边缘检测算子主要有Sobel算子、Laplacian算子、Robert算子、Canny算子等。Canny算子的功能显著优于其他几种算子，被视为边缘检测最为经典的算子，但Canny算子在对梯度幅值进行非极大值抑制过程中，对图像噪声尤为敏感，会产生虚假边缘，特别是智能汽车所采集的图像存在诸多不确定因素，产生虚假边缘的概率将会更高，对下一步的特征提取的要求较高。

鉴于此，现有技术的边缘检测方法并不完全适用于智能汽车的特征图像边缘检测，所以需要开发一种对噪声敏感度低、检测边缘准确清晰的用于智能汽车的特征图像边缘检测方法。

发明内容

本发明针对现有技术中存在的问题，提供一种用于智能汽车的特征图像边缘检测方法，解决了现有技术的边缘检测方法对噪声敏感度高，容易产生虚假边缘的问题。

为实现上述目的，本发明提供的技术方案如下：

提供一种用于智能汽车的特征图像边缘检测方法，所述边缘检测方法包括如下步骤：

A、用车载工业相机获取待检测图像，转换为灰度图像，选取σ值为1.0进行高斯平滑滤波；

B、对平滑处理后图像进行阈值为0.5的Canny边缘预提取；

C、将Canny检测的边缘图像矩阵输入到二维数字滤波器中，通过二进小波变换检测二维小波变换的模极大点确定图像的边缘点；沿边界方向将该尺度下的模极大点连接起来形成边缘曲线，从而得到边缘检测图像；

D、根据不同类型、不同环境的图片选取适当的E值，计算e_k，判断e_k≥E是否成立，若为是则输出边缘检测图像，若为否，则重复步骤C；

进一步地，步骤A具体包括：

A1、对工业相机获取的图像进行灰度化处理，得到待处理图像；