一种基于模糊增强和曲面拟合的图像边缘特征提取方法

摘要

本发明公开了一种基于模糊增强和曲面拟合的图像边缘特征提取方法，主要为了克服现有方法泛化性能差及参数难以确定等不足。其步骤为：首先，对原始待处理图像进行模糊增强处理；然后，采用最小二乘支持向量回归函数对模糊增强后的图像进行曲面拟合；最后，通过求拟合图像的一阶和二阶导数提取图像边缘，得到最终的边缘特征图像。采用本发明方法能够检测清晰、细致的图像边缘信息，并且方法适应性强，适用于对不同类型的图像进行边缘特征提取。

主权项

1.一种基于模糊增强和曲面拟合的图像边缘特征提取方法，其特征在于步骤如下：步骤一：利用模糊隶属函数将待处理图像转换到模糊特征平面，得到模糊隶属度图像；其中，x_mn是待处理图像m行n列像素点的灰度值，u_mn为模糊隶属度图像中m行n列像素点的值，L为待处理图像的最大灰度级，x_T为灰度级阈值；所述的灰度级阈值x_T利用最大类间方差法计算得到；所述的m的取值范围为[1，M]，所述的n的取值范围为[1，N]，M为待处理图像的总行数，N为待处理图像的总列数；步骤二：利用增强函数对模糊隶属度图像进行增强处理，得到增强后的模糊隶属度图像；其中，u′_mn为增强后的模糊隶属度图像中m行n列像素点的值；步骤三：利用计算得到模糊增强后的灰度图像；其中，x′_mn是模糊增强后灰度图像中m行n列像素点的灰度值；步骤四：利用最小二乘支持向量回归函数对模糊增强后的灰度图像进行曲面拟合，得到拟合图像；其中，m表示图像的第m行，n表示图像的第n列；(m_i，n_i)为观测像素坐标，f(m，n)为拟合图像m行n列像素点的灰度值；a为按a＝Ω^-1(Y-bI)计算的高维空间加权矢量；b为按计算的偏移量；σ²是高斯核函数的参数，取值范围为[1，10]；Y＝[x′₁₁，x′₁₂，…，x′_MN]^T为由模糊增强后图像中各行像素首尾相接组成的向量；Ω＝exp{-(|m-m_i|²+|n-n_i|²)/σ²}+γ^-1I，γ为惩罚因子，取值范围为[0，1]；I＝[1，1，…，1]^T为单位向量；exp{·}表示指数运算；步骤五：分别按和计算拟合图像水平方向和垂直方向的梯度，如果拟合图像中某像素点的水平方向梯度值或垂直方向梯度值大于阈值一T₁，则令边缘图像一中对应位置像素点的值为255，否则为0，得到边缘图像一；所述的阈值一T₁的取值范围为[0.6，0.9]；按计算拟合图像的二阶导数，如果拟合图像中某像素点的二阶导数值为负且与其直接相邻的8个像素点的二阶导数值中最大值为正且该最大值与该像素点的二阶导数值之差大于阈值二T₂，则令边缘图像二中对应位置像素点的值为255，否则为0，得到边缘图像二；所述的阈值二T₂的取值范围为[0.2，0.6]；其中，$\frac{{\partial }^{2}f}{\partial m^2}=-\underset{i=1}{\overset{L}{\Sigma }}\frac{{2a}_i}{{\sigma }^2}[1-\frac{2}{{\sigma }^2}{(m-m_i)}^2]\exp \{-({|m-m_i|}^2+{|n-n_i|}^2)/{\sigma }^2\},$$\frac{{\partial }^{2}f}{{\partial n}^2}=-\underset{i=1}{\overset{L}{\Sigma }}\frac{{2a}_i}{{\sigma }^2}[1-\frac{2}{{\sigma }^2}{(n-n_i)}^2]\exp \{-({|m-m_i|}^2+{|n-n_i|}^2)/{\sigma }^2\};$步骤六：对边缘图像一和边缘图像二进行与运算，得到最终的边缘特征图像。