[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

说明书

本发明公开了一种基于三维块匹配的改进自适应阈值Canny边缘检测方法，包括输入需要检测的图像、对图像进行三维块匹配滤波、将三维块匹配滤波的结果进行引导滤波、梯度幅值以及方向计算、对引导滤波梯度幅值图进行非极大值抑制、块匹配组内最大类间方差计算确定最佳双阈值、根据双阈值保留或剔除边缘、基于区域生长法进行边缘连接得到图像的边缘。本发明基于三维块匹配滤波和引导滤波代替高斯滤波，在去除噪声的同时保留了更多的边缘信息，提高了边缘检测效果，简化了人工选取全局双阈值的操作过程，减少了检测时的随机性并且提高了弱边缘的检测能力。

技术领域

本发明涉及一种在图像处理领域内使用的边缘检测方法，尤其涉及一种基于三维块匹配的改进Canny检测方法。

背景技术

图像的边缘特征是图像最基本的特征之一，包含图像丰富的固有信息。图像处理在各个领域中被广泛使用，在进行图像识别、图像分割、目标测量等处理前需要对图像的边缘进行准确的检测。

对于分辨率低、信噪比低、边缘模糊、图像不同区域之间的边界不明确等特点的图像，传统Canny算法在检测时存在一定的局限。传统Canny使用高斯滤波对图像进行平滑时容易在平滑噪声的同时也滤掉了有用的信息从而丢失大量边缘信息。而且传统Canny算子的双阈值需要人工事先选定，该步骤的不确定性会导致检测中准确度的降低。为此，国内相关研究提出了许多改进Canny边缘检测算法。比如使用统计滤波、非均值滤波、双边滤波、混合滤波器等算法替换高斯滤波，或改用具有保边特性的引导滤波对图像进行平滑，采用基于形态学算子的各向异性扩散滤波代替高斯滤波平滑，利用 DCT 系数进行线性收缩对图像进行去噪。并且改进双阈值处理，使用大律法自适应地根据图像灰度选取高、低阈值，采用梯度强度信息计算法实现阈值自适应，对非极大值抑制后的梯度图像进行分块根据各子块的类型自适应确定边缘连接的双阈值，对幅度梯度直方图进行微分运算得到自适应双阈值。

虽然目前的一些改进Canny算法中采用了一些边缘保持技术，但边缘的保持和增强方法仍然有改进的余地，在高低双阈值处理中，大部分是整幅图像采用统一的双阈值，没有考虑图像的局部梯度分布特征，缺乏局部自适应性，很容易造成边缘信息的丢失。因此，本发明在基于传统Canny算法的基础上，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测方法。

发明内容

本发明针对待解决的技术问题提供了一种基于三维块匹配的改进自适应阈值Canny边缘检测方法。

为达到上述目的，本发明采用如下技术方案：

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。

作为优选，输入需要检测的图像的方法是：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。

作为优选，对图像进行三维块匹配滤波的方法是：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。

作为优选，对三维块匹配滤波图像进行引导滤波的方法是：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。