【摘要】 本发明公开了一种采用非下采样轮廓波变换的图像边缘检测方法，对输入的含噪图像进行NSCT分解为低频系数和高频系数、对低频系数矩阵和各方向子带系数矩阵进行多方向微动得到多幅微动调制图像、将各微动调制图像与原子带图像相减以得到多幅微动变化图像、引入视觉竞争机制取模极大值进行竞争以得到强化的各子带边缘图、设置合适的阈值去除各子带边缘图中的噪声、对低频子带粗边缘图及同一尺度内各方向子带边缘叠加得到的各尺度粗边缘图进行中心细化以得到低频子带细边缘图及各尺度细边缘图，取或运算融合低频子带细边缘图与各尺度细边缘图，得到最终的融合边缘图。本发明提供的方法噪声适应性好，边缘检测完整且定位准确。 【专利类型】发明申请 【申请人】河海大学常州校区 【申请人类型】学校 【申请人地址】213022 江苏省常州市新北区晋陵北路200号 【申请人地区】中国 【申请人城市】常州市 【申请人区县】新北区 【申请号】CN201010561492.3 【申请日】2010-11-28 【申请年份】2010 【公开公告号】CN101980287A 【公开公告日】2011-02-23 【公开公告年份】2011 【授权公告号】CN101980287B 【授权公告日】2012-05-09 【授权公告年份】2012.0 【IPC分类号】G06T5/00; G06T7/00 【发明人】李庆武; 霍冠英; 石丹; 程晓轩; 王敏 【主权项内容】一种图像边缘检测的方法，其特征在于：对含噪图像的边缘进行检测的步骤依次为：(1)对含噪图像进行非下采样轮廓波变换：对含噪图像进行                                                级非下采样轮廓波变换，得到低频子带系数矩阵和各尺度上的高频方向子带系数矩阵Cj, k(1≤j≤J，1≤k≤)，其中表示尺度，表示子带方向，表示尺度上分解的方向数；(2)对步骤(1)得到的低频子带系数矩阵和各尺度上的高频方向子带系数矩阵Cj, k进行微动与边缘强化：对低频子带系数矩阵及各尺度上的高频方向子带系数矩阵Cj, k在0°、45°、90°、135°四个方向上进行1个像素距离的微动，得到低频子带系数矩阵所对应的4个系数微动矩阵和各尺度上的高频方向子带系数矩阵Cj, k所对应的4个系数微动矩阵，将低频子带系数矩阵所对应的4个系数微动矩阵和低频子带系数矩阵相减，得到低频子带系数矩阵所对应的4个微动变化矩阵，将各尺度上的高频方向子带系数矩阵Cj, k所对应的4个系数微动矩阵和高频方向子带系数矩阵Cj, k相减，得到高频方向子带系数矩阵Cj, k所对应的4个微动变化矩阵，对低频子带系数矩阵所对应的4个微动变化矩阵和高频方向子带系数矩阵Cj, k所对应的4个微动变化矩阵取模极大值，得到低频子带系数矩阵和高频方向子带系数矩阵Cj, k所分别对应的强化子带边缘矩阵；(3)低频去噪：对步骤(2)得到的低频子带系数矩阵所对应的强化子带边缘矩阵直接设置小阈值，得到低频子带粗边缘图；(4)高频去噪：对步骤(2)得到的各尺度上的高频方向子带系数矩阵Cj, k所对应的强化子带边缘矩阵，计算其灰度值所对应的累积概率，并选取累积概率与其所在尺度的噪声水平值相等时对应的灰度值作为其阈值，得到各尺度方向子带粗边缘图；然后，对同一尺度的各方向子带粗边缘图进行叠加，得到各尺度粗边缘图； (5)边缘细化：对步骤(3)得到的低频子带粗边缘图进行细化，得到低频子带细边缘图；同时对步骤(4)得到的各尺度粗边缘图进行细化，得到各尺度细边缘图； (6)边缘融合：取或运算融合低频子带细边缘图与各尺度细边缘图，得到最终的边缘图。2010105614923100001dest_path_image001.jpg, 2010105614923100001dest_path_image002.jpg, 2010105614923100001dest_path_image003.jpg, 2010105614923100001dest_path_image004.jpg, 2010105614923100001dest_path_image005.jpg, 53799dest_path_image003.jpg, 33256dest_path_image004.jpg, 127508dest_path_image002.jpg, 585034dest_path_image002.jpg, 212455dest_path_image002.jpg, 97235dest_path_image002.jpg, 675852dest_path_image002.jpg, 937069dest_path_image002.jpg, 418997dest_path_image002.jpg, 474678dest_path_image002.jpg, 561100dest_path_image002.jpg 【当前权利人】江苏巨来信息科技有限公司 【当前专利权人地址】江苏省常州市新北区河海街道通江中路391号星北发展大厦C座701 【统一社会信用代码】12320400467289477N 【引证次数】3.0 【被引证次数】15 【他引次数】3.0 【被自引次数】2.0 【被他引次数】13.0 【家族引证次数】3.0 【家族被引证次数】15

未经允许不得转载：http://www.zhongzhencnc.com/1780579552.html