[发明专利]一种多尺度自动各向异性的形态学方向导数边缘检测方法

权利要求书

1.一种多尺度自动各向异性的形态学方向导数边缘检测方法的方法，其特征在于，具体按照以下步骤实施：

步骤1，计算融合的边缘映射EMs；

在得到边缘强度映射ESM和多尺度边缘方向映射EDM之后，采用拟合乘积的方法将ESM和EDM融合为新的边缘映射EM；

步骤2，对比度均衡化；

计算图像的平均像素变化量以及局部平均变化量根据步骤1，代入新的边缘映射EM中得到改进的边缘映射，以缓和第二类虚假边缘的产生；

步骤3，非极大值抑制细化；

对于图像中的每一个像素，利用步骤2中已经改进的边缘映射EM的模值及梯度方向θ_k，判定梯度幅值的峰值，构成极大值点的集合，即边缘像素集；

步骤4，高低阈值选取；

为了提取真实的边缘映射图，需要计算出高低阈值来处理步骤3中得到的边缘像素集。若没有噪声影响，高低阈值都可以根据公式求出；若图像被噪声污染了，那么低门限值取决于第一类虚假边缘的出现概率P_f以及噪声标准差ε_dB的大小；

步骤5，滞后判定；

选取好了高低门限值后，把极大值抑制后的集合通过与高门限T_h进行比较，筛选出大于门限值的集合，得到真正的边缘像素。

2.根据权利要求1所述的一种多尺度自动各向异性的形态学方向导数边缘检测方法的方法，其特征在于，所述步骤1具体按照以下步骤实施：

步骤1.1，利用空间匹配滤波器结合多尺度各向异性形态学方向导数表达式，得到自动化各向异性因子，进而计算出边缘强度映射ESM；

步骤1.2，在边缘强度映射ESM的基础上，通过选取的三个不同尺度得到不同的边缘响应，进而通过尺度乘积和拟合方法来找到最大的辐角响应，计算出边缘方向映射EDM；

步骤1.3，将得到的ESM和EDM利用尺度拟合乘积的方法融合，嵌入到Canny检测器中，得到边缘映射EM。

3.根据权利要求1所述的一种多尺度自动各向异性的形态学方向导数边缘检测方法的方法，其特征在于，所述步骤1.1具体按照以下步骤实施：

步骤1.1.1，将二维高斯核函数在x轴上以一定比例ρ压缩，同时在y轴上以同样比例ρ拉伸，进而同时旋转整个(x,y)坐标系θ_k角度得到一组各向异性高斯核函数；

步骤1.1.2，结合通用的旋转双窗口结构，变形一组各向异性高斯核函数，表示出各向异性方向导数ANDD的双窗口结构；

步骤1.1.3，根据集合为Set(n)，权值为w(n)的加权中值滤波器表达式，类比于ANDD的双窗口结构，得到图像I(n)中某一个像素n的各向异性形态学方向导数：

步骤1.1.4，在得到各向异性形态学方向导数的表达式之后，采用空间匹配滤波器在K个方向来对AMDD图像进行边缘定位，得到多方向AMDD的空间响应根据空间匹配滤波器在某个方向的多个像素点处的最大AMDD幅值响应来提取出ESM。

其中，

表示的是求和k个空间匹配滤波器与图像AMDD幅值响应之间的乘积，b是双窗口的宽，s是双窗口的间隔距离。

4.根据权利要求2所述的一种多尺度自动各向异性的形态学方向导数边缘检测方法的方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1，引入累计分布函数描述噪声变量的概率分布及发生概率；

步骤2.2，设定产生概率P_f，根据累计分布函数表示出第一类虚假边缘的门限；

步骤2.3，建立在第一类虚假边缘的门限的基础之上，根据图像的平均变化量和像素的局部区域平均变化量的表达式，消除第二类的虚假边缘。

5.根据权利要求2所述的一种多尺度自动各向异性的形态学方向导数边缘检测方法的方法，其特征在于，所述步骤4具体按照以下步骤实施：

步骤4.1，若没有噪声的影响，那么高门限T_h与最初的低门限的值可以通过公式求得：

步骤4.2，若图像被噪声污染，那么低门限值取决于第一类虚假边缘的出现概率P_f以及噪声标准差ε_dB的大小；根据公式，低门限T_l可以通过下式求出

低门限不仅与噪声稳定性相关，而且还依赖空域变化，这是因为对比度均衡化方法影响了噪声响应的稳定性。