[发明专利]基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法

摘要

基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法，通过高像素摄影机对秦岭野生金丝猴基地追踪实地拍摄，建立图像样本库，对获取图像样本采用灰色B型关联改进Prewitt算子对秦岭金丝猴图像边缘进行检测，提取图像边缘，实现了计算颗粒轮廓线清晰，特征与背景对比度较好，增强了边缘检测抗干扰能力，使检测边界精确连续性有明显提高，从而为金丝猴实现分类识别奠定了基础。

主权项

1.基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法，其特征在于，包括如下步骤：(1)设一幅含噪秦岭金丝猴图像大小为M×N，图像中某个像素点x(i，j)的一个噪声检测3×3窗口为： x ( i - 1 , j - 1 ) x ( i - 1 , j ) x ( i - 1 , j + 1 ) x ( i , j - 1 ) x ( i , j ) x ( i , j + 1 ) x ( i + 1 , j - 1 ) x ( i + 1 , j ) x ( i + 1 , j + 1 ) ]]>建立图像一维数据序列，采用简单的四邻域一维化方法，分别取图像中像素x(i，j)及上、下、左、右四个相邻像素形成一维数据序列{xi-1，j，xi+1，j，xi，j，xi，j-1，xi，j+1}；(2)确定参考序列和比较序列，选择如下的参考序列：x0＝{1，1，1，1，1}，x1＝{0，0，0，0，0}，比较序列：xr＝{xi-1，j，xi+1，j，xi，j，xi，j-1，xi，j+1}，其中r∈[1，M×N]；(3)序列初始化：x'0＝x0，x'1＝x1 x r ′ = x r x r ( 1 ) = { x r ′ ( 1 ) , x r ′ ( 2 ) , ... x r ′ ( 5 ) } - - - ( 1 ) ]]>其中xr(1)表示比较序列xr的第一个分量，x'r(1)，x'r(2)，…x'r(5)分别表示向量x'r的各个分量；(4)计算x'0与x'r对应分量的差的绝对值序列Δ'0r(k)(k＝1，2…5)：Δ'0r(k)＝|x'0(k)-x'r(k)| (2)(5)确定差序列的最大差值Mmax与最小差值mmin，分别记为：其中k＝1，2…5；(6)计算关联系数γ0r(k)： γ 0 r ( k ) = m m i n + ζM m a x Δ 0 r ′ ( k ) + ζM m a x , ζ ∈ ( 0 , 1 ) , k = 1 , 2 ... 5 - - - ( 3 ) ]]>式中ζ为分辨系数，令ζ＝0.5，以保证γ0r(k)∈(0，1]；(7)由于各像素点在序列中包含的信息量不同，故确定信息熵H0r(k)及权重ω0r(k)(k＝1，2…5)： H 0 r ( k ) = - 1 l n 5 Σ k = 1 5 γ 0 r ( k ) l n ( γ 0 r ′ ) - - - ( 4 ) ]]>式中则有权重为： ω 0 r ( k ) = 1 - H o r ( k ) Σ k = 1 5 ( 1 - H o r ( k ) ) - - - ( 5 ) ]]>(8)建立两类序列间的灰色B型关联度R0r： R 0 r = Σ k = 1 5 ω 0 r ( k ) · γ 0 r ( k ) , k = 1 , 2 ... 5 - - - ( 6 ) ]]>同理可计算得另外两类序列x1和xr的灰色关联度R1r；(9)确定关联度阈值θ，关联度阈值θ∈(0，1]，关联度阈值θ取值越小，抑噪能力越强，但边缘丢失相对应也就越严重，反之，关联度阈值θ取值越大，抑噪能力变弱，保留的边缘也越多；(10)确定噪声点与信号点，令R＝max(R0r，R1r)，Noise为噪声点，Sig为信号点，若xij＝{R0r≥R1r}∩{R≥θ}则其属于噪声点Noise，反之为信号点Sig；(11)噪声点赋值，完成降噪算法，若xij为噪声像素，计算xij一阶像素邻域中像素中值Mid，若Mid∈Sig，则用中值Mid代替当前像素xij的值；若Mid∈Noise，继续搜索当前xij邻域内的非噪声像素，继续移动3×3窗口，直到所有像素遍历完毕；(12)对遍历完毕的图像采用3×3卷积模板如表1，其中表1a、b分别为水平模板和垂直模板，将模板内的系数与其对应的图像像素相乘，表1(a)模板相乘后结果为表2所示，令A＝f11+f12+f13，B＝f31+f32+f33，改进的Prewitt算子为： ▿ f s = | A - B | A + B × 255 - - - ( 7 ) ]]>同理根据表1(b)计算垂直边缘模板值取两个模板计算的最大值，赋给图像对应模板中心位置的像素值，作为该像素的新灰度值；111000-1-1-1(a)垂直梯度方向，检测水平边缘-101-101-101(b)水平梯度方向，检测垂直边缘表1 Prewitt算子模板11]]>12]]>13]]>00031]]>32]]>33]]>表2 Prewitt算子水平边缘模板计算后形式。