[发明专利]一种基于三维块匹配的改进自适应阈值Canny边缘检测方法

权利要求书

1.一种基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：包括以下步骤：步骤1、输入需要检测的图像；步骤2、对图像进行三维块匹配滤波；步骤3、对三维块匹配滤波图像进行引导滤波；步骤4、梯度幅值以及方向计算；步骤5、对引导滤波梯度图进行非极大值抑制；步骤6、块匹配组内最大类间方差计算确定最佳双阈值；步骤7、根据双阈值保留或剔除边缘；步骤8、基于区域生长法进行边缘连接得到图像的边缘。

2.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤1包括以下内容：输入需要检测的图像是事先采集并保存的图像数据或实时采集的图像数据。

3.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤2包括以下内容：根据搜索步长遍历原始图像中的所有图像块，在搜索范围内寻找与其相似度大于阈值的图像块归为同组，对同组图像块进行协同硬阈值滤波然后加权重组得到基础估计图像；然后根据搜索步长遍历基础估计图像中的所有图像块，在搜索范围内寻找与其相似度大于阈值的图像块归为同组，将同组图像块的基础图像块组和相同位置的原始图像块组进行协同维纳滤波后加权重组得到最终估计图像。

4.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤3包括以下内容：由硬阈值协同滤波后的基础估计图像作为引导图像，维纳协同滤波后的最终估计图像作为处理图像，使用局部线性模型建立引导图像G与待处理图像P之间的关系进行引导滤波，输出图像的梯度信息完全由引导图像的梯度信息决定。

5.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤4包括以下内容：采用四方向的Sobel算子计算最终估计图像和引导滤波图像的梯度幅值以及方向。

6.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤5包括以下内容：遍历引导滤波梯度图像，根据x和y方向的梯度分量大小确定非极大值抑制的方向，比较当前像素点在抑制方向上是否为极大值，非极大值置零，为极大值则保留，保证不出现双边缘的情况，当在抑制方向上不存在像素点时通过比例进行插值计算。

7.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤6包括以下内容：将最终估计图像的梯度图像依据原先三维块匹配中的图像块分组情况分组，使用最大类间方差计算图像块组内的一个阈值，根据这个阈值确定在双阈值处理时的最佳双阈值。

8.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤7包括以下内容：遍历非极大值抑制图像的图像块按照最大类间方差计算出的最佳双阈值进行处理，高于高阈值的像素视为强边缘像素值置为255，低于低阈值的像素视为不是边缘置为0，高于低阈值且低于高阈值的像素视为弱边缘，判断其周围像素的像素值是否高于高阈值，如果高于高阈值则置为255，视为边缘。

9.根据权利要求1所述的基于三维块匹配的改进自适应阈值Canny边缘检测方法，其特征在于：步骤8包括以下内容：计算双阈值连接边缘图与低阈值分割图的差异图，对差异图中的每个非零像素点，在其为中心的5 × 5邻域内根据区域生长法寻找与其相连的边缘点，最后判断当前点是否为连续性较好的弱边缘点。若与之相连的边缘点个数大于等于 4，则判断该中心点是弱边缘点并保留，否则判为噪声点将其去除。