基于视觉特性的仿生自适应模糊边缘检测方法

摘要

本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。本发明采用如下步骤实现：对操作图像进行全局亮度自适应增强，将原图像空间域转化为模糊域，对操作图像模糊域进行局部亮度自适应增强，对原图像模糊域进行逆变换，最后采用“Nakagowa”算子对处理后的图像边缘提取。本发明依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal算法模糊边缘检测进行优化保留了图像的低灰度值边界信息，简化了隶属度函数，具有更强的抗噪能力，能够有效地把边缘从复杂的背景中提取出来，针对不同种类的图像能够自适应地进行边缘检测。

主权项

一种基于视觉特性的仿生自适应模糊边缘检测方法，其步骤是：步骤1，对操作图像进行全局亮度自适应增强，采用基于人类视觉系统特性的全局自适应性对数模型，对原始图像的明暗程度整体亮度进行非线性调整，对图像过暗或过亮部分进行调节，使图像的明暗区域对比度增强；步骤2，将原图像空间域转化为模糊域，定义一个简单有效的隶属度函数取代原有的隶属度函数，提高模糊边缘提取算法的实时性；利用正弦函数的性质和定义，有效的实现模糊域的转化，避免了图像中大部分的低灰度值被硬性设置为0，保存了图像的低灰度边缘信息；步骤3，对操作图像模糊域进行局部亮度自适应增强，采用视网膜神经元感受野非经典侧抑制性的三高斯模型和高斯滤波相结合的双边滤波计算领域主观感觉亮度，依据当前点亮度和主观感觉亮度间的线性关系增强图像局部细节信息；步骤4，对原图像模糊域进行逆变换，逆变函数将模糊隶属度矩阵转化为空间域图像；步骤5，图像边缘提取，采用“Nakagowa”算子对处理后的图像边缘提取。