[发明专利]一种基于单目数字图像的轮廓提取方法

说明书

本发明公开了一种基于单目数字图像的轮廓提取方法。它在图像的尺度空间中，利用高斯差分金字塔结合数字图像的亮度色度信息，将图像的色度信息梯度图像和亮度信息梯度图像融合在一起，计算的每个点边缘方向形成边缘切线流，采用基于流的高斯差分算法对数字图像进行轮廓边缘线的检测提取，克服传统高斯差分内核的各向同性所带来的连贯性较差的问题，生成了保留显著边缘特征，去除噪声和干扰信息的数字图像轮廓图。本发明的有益效果是：将亮度信息和颜色信息进行有机的结合，并充分考虑图像的边缘切线流信息，降低噪声的干扰，提取出图像较为清晰准确的边缘轮廓。

技术领域

本发明涉及图像处理相关技术领域，尤其是指一种基于单目数字图像的轮廓提取方法。

背景技术

图像轮廓是指数字图像中感兴趣区域的线条和边界，包括物体边界和由亮度、颜色或纹理突然变化定义的区域边界。人类视觉通常是通过目标物体的边缘和轮廓来区分目标物体，在数字图像中，边缘轮廓是区分不同区域的重要特征。边缘检测是数字图像处理中的一项基本任务，对于分析图像内容至关重要，因此在许多计算机视觉，目标识别和自动检测中应用广泛。

一般来说，边缘检测技术主要有两种类型，第一种基于区域的技术通过识别分析数字图像中的颜色、亮度以及纹理属性，将其中有着较高相似度的像素点归为一个区域，以区域之间的边界检测提取图像的边缘信息。第二种基于线条的提取技术使用亮度、颜色或纹理的高对比度来寻找线条或边界。基于区域的轮廓提取技术有区域增长、区域分割和区域合并三种。基于线的技术包括主动轮廓技术、基于边缘检测的技术和基于边缘分组的技术。

在数字图像处理中，有几种边缘检测方法可用，可分为一阶和二阶差分检测。在一阶差分检测中，输入的数字图像被一个合适的掩码卷积，生成一个梯度图像，图像中的边缘是通过阈值检测的，将边缘信息转化为白色，非边缘信息转化为黑色，以此获取边缘信息。常见的一阶微分算子包括Roberts 算子(交叉微分算法)、Prewitt算子、Sobel算子(索贝尔算子)和Canny 算子(坎尼算子)等。二阶差分检测中，数字图像首先被一个自适应滤波器平滑，由于二阶导数对噪声非常敏感，因此过滤功能非常重要。二阶微分算子包括Laplace算子(拉普拉斯算子)、Zuniga-Haralick定位算子、LOG算子(拉普拉斯高斯算子)和DOG算子(高斯差分算子)等。

在数字图像轮廓提取中存在着线条和区域边界的不连续性，复杂的形状、纹理及大量噪声等问题。

发明内容

本发明是为了克服现有技术中存在上述的不足，提供了一种降低噪声干扰且提高边缘轮廓清晰度的基于单目数字图像的轮廓提取方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于单目数字图像的轮廓提取方法，具体包括如下步骤：

(1)图像尺度空间：在图像大小不变的前提保证下，通过平滑和滤波器迭代，得到数字图像在各个尺度下的结构信息，并在此基础上，用预设的实验窗口对各个尺度下的图像进行研究处理，达到图像预处理的效果；

(2)高斯差分算子边缘检测：把观察图像的窗口设置为固定值，在这个窗口下观察图像的像素尺寸发生变化，这就产生了图像金字塔；在图像金字塔的基础上以高斯平滑和下采样对图像进行操作，将获得的一组处理完成的图像进行集合排列，就得到了高斯金字塔；将高斯金字塔每一组上层图像与下层图像做预测残差计算，形成高斯差分金字塔，获得高斯差分算子DOG；

(3)基于流的高斯差分边缘检测：以高斯平滑和图像灰度化对图像进行预处理获取梯度图像，再使用双边滤波操作对提取的轮廓线进行处理，构造边缘切线流的同时调和图像，之后基于边缘切线流的高斯差分算法对数字图像进行轮廓边缘线的提取。