專利名稱：基于Fast Slant Stack變換的圖像邊緣檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像邊緣檢測(cè)方法。該方法可用于多種 包含線狀邊緣信息的圖像的邊緣檢測(cè)中。
背景技術(shù)：
圖像的邊緣是計(jì)算機(jī)視覺中的重要特征，直線和曲線的有效檢測(cè)可以為后繼 的模式匹配和識(shí)別打下基礎(chǔ)。經(jīng)典的邊緣檢測(cè)算法針對(duì)光學(xué)圖像，如Sobel算子、 Prewitt算子等。這類經(jīng)典算子本質(zhì)上都是高通濾波器，它們對(duì)清晰圖像的邊緣檢 測(cè)效果很好，但是對(duì)圖像中的噪聲非常敏感，這些算子在獲取邊緣的同時(shí)也檢測(cè) 出了大量高頻噪聲，產(chǎn)生過多與真實(shí)邊緣混雜在一起的難以分離的虛假邊緣。為 了克服這一問題，常采用將平滑、銳化、多尺度分析等預(yù)處理方法與算子相結(jié)合 的方法來去除噪聲。1991年，美國(guó)學(xué)者Canny J.對(duì)經(jīng)典算法做出改進(jìn)，在檢測(cè)邊 緣之前引入高斯濾波器對(duì)圖像進(jìn)行預(yù)處理器。這一平滑處理雖然可以減少噪聲， 卻也使得圖像邊緣的不連續(xù)性減弱。
近年來隨著小波的興起，涌現(xiàn)出了很多基于小波分析的圖像邊緣檢測(cè)算法。 1991年，法國(guó)學(xué)者M(jìn)allatS將二進(jìn)小波成功的應(yīng)用于圖像的邊緣檢測(cè)，取得了良 好的效果。在其算法中，小波分析體現(xiàn)出了前所未有的優(yōu)勢(shì)，它在表示具有點(diǎn)奇 異性的目標(biāo)函數(shù)時(shí)是最優(yōu)的基。然而在表示線狀奇異性時(shí)，比如圖像的直線和曲 線，小波基卻均不是最優(yōu)基。因此在針對(duì)具有線特征的目標(biāo)的檢測(cè)中，基于小波 分析的方法將會(huì)不可避免的產(chǎn)生誤檢和漏檢。
在針對(duì)直線模型的檢測(cè)中，曲線通常會(huì)被無(wú)限剖分，每一小段近似認(rèn)為直線， Radon變換和Hough變換是常用的檢測(cè)方法，但這兩種方法僅適用于形狀比較規(guī) 則且直線特征比較明顯的圖像。另一方面，這兩種方法不能計(jì)算直線的長(zhǎng)度，僅 能確定直線的位置。1995年，學(xué)者CopelandAC將局部Radon應(yīng)用于直線狀特征 的檢測(cè)。該方法采用分段的思想，較好地解決了直線的長(zhǎng)度和寬度的問題，但是 該方法在曲線狀特征的檢測(cè)方面仍有較大的局限性。2003年，中國(guó)學(xué)者侯彪提出 了基于脊波變換的直線特征檢測(cè)方法。在該方法中，圖像中的線狀特征通過Radon 變換被轉(zhuǎn)換為點(diǎn)狀特征。在此基礎(chǔ)上，使用基于小波的檢測(cè)方法對(duì)點(diǎn)狀特征進(jìn)行檢測(cè)，并根據(jù)檢測(cè)到的點(diǎn)狀特征重構(gòu)出元圖像中的線狀特征。該方法為邊緣檢測(cè) 引入了新的思路，但仍存在著高計(jì)算復(fù)雜度的缺陷。由于這類方法在檢測(cè)過程中 要獲取直線段的角度和偏移量，并根據(jù)這些再計(jì)算并重繪出結(jié)果中的直線段，而 數(shù)字圖像中離散量的計(jì)算無(wú)法保證檢測(cè)結(jié)果在定位上的準(zhǔn)確性。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種基于Fast Slant Stack變換的圖像邊緣檢測(cè)方法，以發(fā)揮Fast Slant Stack變換對(duì)線狀特征敏感度高 的特點(diǎn)，降低計(jì)算復(fù)雜度，提高定位準(zhǔn)確性。
實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是利用可快速實(shí)現(xiàn)并精確重構(gòu)的Fast Slant Stack 變換將圖像中的線狀特征轉(zhuǎn)變?yōu)樽儞Q域內(nèi)的點(diǎn)狀特征，使用二進(jìn)小波對(duì)點(diǎn)奇異性 進(jìn)行檢測(cè)，并根據(jù)檢測(cè)到點(diǎn)奇異性使用Fast Slant Stack逆變換精確重構(gòu)出原圖像 中的線狀特征。其具體實(shí)現(xiàn)過程如下-
(1) 輸入待檢測(cè)圖像X，根據(jù)滑動(dòng)塊大小和多塊重疊度對(duì)待檢測(cè)圖像進(jìn)行分 塊，設(shè)置一個(gè)與X同樣大小的矩陣Y;
(2) 從待檢測(cè)圖像塊中按照順序取出最前面的一塊圖像，作為當(dāng)前操作塊CM;
(3) 判斷當(dāng)前操作塊CM中是否存在邊緣，若不存在邊緣，回到步驟(2)重新提 取圖像塊；若存在邊緣，進(jìn)行以下從步驟(4)到步驟(6)處理；
(4) 對(duì)當(dāng)前操作塊CM進(jìn)行Fast Slant Stack變換，并對(duì)變換后的結(jié)果RM的零值 區(qū)域進(jìn)行填充；
(5) 對(duì)填充后的RM沿著徑向方向進(jìn)行一維二進(jìn)小波變換DDWT，搜索變換后 該塊小波域的系數(shù)極大值點(diǎn)MAX，根據(jù)MAX的大小判斷該操作塊中是否有一條明 確清晰的邊緣線，如果不存在邊緣線，返回步驟(2)，如果存在邊緣線，繼續(xù)步驟 (6);
C6)根據(jù)RM中MAX點(diǎn)的位置，使用Fast Slant Stack逆變換重構(gòu)空域中的圖像 塊CM'，并存放在矩陣Y中與X中CM對(duì)應(yīng)的位置，結(jié)束本塊的檢測(cè)，返回步驟(2) 重新提取圖像塊；
(7)根據(jù)待檢測(cè)圖像X的分塊數(shù)目重復(fù)步驟(2)到步驟(6)的循環(huán)，直到所有分 塊都完成檢測(cè)，結(jié)束循環(huán)，輸出矩陣Y。
本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1、 由于本發(fā)明使用了一種具有明確幾何意義的、可快速實(shí)現(xiàn)的和可精確重構(gòu) 的Fast Slant Stack變換，因此可以大大降低運(yùn)算復(fù)雜度和提高定位精確度；
2、 由于本發(fā)明引入了多窗口重復(fù)檢測(cè)，可有效的避免邊緣信息的漏檢；
3、 由于本發(fā)明引入了單窗口閾值劃分，故可在多窗口重復(fù)檢測(cè)的基礎(chǔ)上最大 程度的減少誤檢和過檢測(cè)；
4、 由于本發(fā)明采用基于方向性信息累計(jì)的檢測(cè)，使用多級(jí)閾值劃分，因此可 以應(yīng)用于多種不同成像源圖像的檢測(cè)，并能夠充分抑制噪聲，取得較好的邊緣檢 測(cè)結(jié)果。


圖1是本發(fā)明的流程示意圖2是本發(fā)明所采用的Fast Slant Stack變換應(yīng)用于簡(jiǎn)單字母圖像的結(jié)果圖； 圖3是用本發(fā)明方法所采用的多窗口檢測(cè)所針對(duì)的不同邊緣類型圖； 圖4是本發(fā)明所采用的多窗口檢測(cè)原理圖； 圖5是本發(fā)明所采用的蝶形模板；
圖6是本發(fā)明在一幅河岸SAR圖像上進(jìn)行仿真得到的結(jié)果圖； 圖7是本發(fā)明在一幅河流SAR圖像上進(jìn)行仿真得到的結(jié)果圖； 圖8是本發(fā)明在一幅高噪聲SAR圖像上進(jìn)行仿真得到的結(jié)果圖。
具體實(shí)施例方式
參照屈l，本發(fā)明的具體實(shí)現(xiàn)過程如下 步驟l，輸入帶檢測(cè)圖像，并進(jìn)行圖像分塊。
輸入待檢測(cè)圖像X，根據(jù)多窗口重復(fù)檢測(cè)的要求對(duì)原始圖像進(jìn)行分塊，將x 分為若干個(gè)大小為nXn的小塊，且相鄰的小塊之間相互交疊， 一般在橫向和縱向 上，相鄰的小塊應(yīng)該保證有50%面積的重疊，小窗口的大小一般選取n=8或n=16; 設(shè)置一個(gè)與X同樣大小的全零矩陣Y。
步驟2，提取待檢測(cè)圖像塊。
在已完成分塊的待檢測(cè)圖像塊中，按照從上到下、從左到右的順序取出一塊 尚未被檢測(cè)的圖像塊作為當(dāng)前操作塊CM。 步驟3，判斷圖像塊中是否存在邊緣。
根據(jù)圖像的類型設(shè)置灰度閾值TH—std，計(jì)算當(dāng)前操作塊CM的灰度均方差 STD，根據(jù)灰度均方差STD與灰度閾值TH_std的大小比較判斷當(dāng)前窗口 CM中是否存在邊緣，若STD〈TH一std，說明該小窗口中灰度變化不明顯，則判定當(dāng)前 操作塊CM中不存在邊緣，回到步驟2，重新提取圖像塊；若STD〉TH—std，說 明該小窗口內(nèi)灰度變化非常強(qiáng)烈，則判定當(dāng)前操作塊CM中存在邊緣。 步驟4，進(jìn)行Fast Slant Stack變換并完成零值區(qū)填充
對(duì)已判定存在邊緣的當(dāng)前操作塊CM做Fast Slant Stack變換，得到大小為2n X2n的圖像塊RM，由于Fast Slant Stack變換旋轉(zhuǎn)投影成像的特性，其變換結(jié)果 會(huì)出現(xiàn)一種高臺(tái)效應(yīng)若積分路線經(jīng)過的區(qū)域不全為零，即經(jīng)過了真實(shí)圖像部分， 結(jié)果將會(huì)得正值；相反，若積分路線經(jīng)過的區(qū)域全為零，其積分結(jié)果也將會(huì)是零， 因此RM將會(huì)在4片固定的區(qū)域出現(xiàn)取值全部為零的現(xiàn)象，而零值區(qū)與非零區(qū)交 界處的突變將會(huì)給接下來奇異點(diǎn)的檢測(cè)帶來極大不便，則需要使用非零區(qū)邊界處 的非零有效值按列對(duì)這些零值區(qū)進(jìn)行填充，實(shí)現(xiàn)Fast Slant Stack變換域內(nèi)的平滑過
渡，以減少高臺(tái)效應(yīng)的影響。 步驟5，搜索點(diǎn)奇異性。
沿著填充后的圖像塊RM的每一個(gè)徑向方向分別做一維二進(jìn)小波變換DDWT， 尺度一般選為l，保留二進(jìn)小波變換結(jié)果的高頻部分，存放在原對(duì)應(yīng)列的位置上， 由于高臺(tái)效應(yīng)的影響，填充后的圖像塊RM高頻空間將在(n/2+l， n/2+l)、 (n/2+2， n*3/2+l)、 (n*3/2+l， n/2+1)禾B (n*3/2+2， n*3/2+l)這四個(gè)點(diǎn)附近出現(xiàn)干擾，因 此使用蝶形模板將以上四個(gè)點(diǎn)所在的干擾區(qū)域全部置零，消除干擾，并在小波高 頻域內(nèi)搜索該圖像塊內(nèi)的系數(shù)極大值MAX，該點(diǎn)的坐標(biāo)記為G,力；設(shè)置小波閾值 TH一edge，根據(jù)系數(shù)極大值MAX和閾值TH—edge的大小比較判斷該圖像塊中是否 有一條明確清晰的邊緣線，如果MAX〈TH一edge，則說明該圖像塊中方向性信息累 積不足，此時(shí)圖像塊內(nèi)的曲線可能過短或是曲率過大，甚至可能是沒有邊緣存在， 則不需要對(duì)該圖像塊進(jìn)行邊緣檢測(cè)，跳轉(zhuǎn)步驟2;如果MAX〉TH一edge，則判定該 圖像塊內(nèi)存在一條明確清晰的邊緣線，且圖像塊內(nèi)的邊緣呈直線狀態(tài)并貫穿整個(gè) 圖像塊。
步驟6，重構(gòu)邊緣圖像。
保留有清晰邊緣線的圖像塊RM中MAX所對(duì)應(yīng)的點(diǎn)(z'，/)，并賦值255，其余所 有的點(diǎn)都置零，對(duì)大小為2nX2n的圖像塊RM使用Fast Slant Stack逆變換，用共軛 梯度法進(jìn)行逼近，完成空域中圖像的高精度重構(gòu)，得到大小為nXn的圖像塊CM'， 此步驟將頻域中的點(diǎn)奇異性轉(zhuǎn)換為空域中的線奇異性；將圖像塊CM'存放到矩陣Y中與X中當(dāng)前操作塊CM對(duì)應(yīng)的位置，結(jié)束當(dāng)前操作塊的檢測(cè)，返回步驟2。
步驟7，根據(jù)待檢測(cè)圖像X的分塊數(shù)目重復(fù)步驟(2)到步驟(6)的循環(huán)，直到
所有分塊都完成檢測(cè)，結(jié)束循環(huán)，輸出矩陣Y。
本發(fā)明的效果可通過以下仿真結(jié)果進(jìn)一步說明
1、 仿真內(nèi)容應(yīng)用Canny方法、小波方法和本發(fā)明方法，分別對(duì)河岸SAR 圖像、河流SAR圖像和一張高噪聲SAR圖像進(jìn)行邊緣檢測(cè)。
2、 仿真結(jié)果如圖6、圖7和圖8所示。
圖6(a)和圖7(a)是分別是河岸SAR圖像和河流SAR圖像的原始圖像；圖6(b) 和圖7(b)是使用Canny方法的邊緣檢測(cè)效果圖，從圖6(b)和圖7(b)可見，由于Canny 方法對(duì)噪聲的敏感性，為了檢測(cè)出更多的邊緣信息，現(xiàn)有的Canny方法不得不在 抗噪性能方面做出較多犧牲，雖然檢測(cè)出了絕大部分邊緣，但也檢測(cè)出了過多的 噪聲。
圖6(c)和圖7(c)是使用小波方法的邊緣效果圖，可以看到小波方法在保留邊緣 和抑制噪聲方面都大大的超越了 Canny方法，然而由于小波方法對(duì)于圖像中點(diǎn)奇 異性的高敏感性，檢測(cè)結(jié)果中也保留了較多的干擾信息。
圖6(d)和圖7(d)是使用本發(fā)明方法進(jìn)行檢測(cè)的效果圖，可以看到本方法不僅 有效的抑制了噪聲，更是在去除虛假邊緣方面相比小波方法有了較大的改進(jìn)，即 在保留主輪廓邊緣的同時(shí)，最大可能的將干擾信息和虛假邊緣去除。
圖8(a)是一張高噪聲SAR圖像的原圖，圖8(b)和圖8(c)分別是使用Canny方 法和小波方法進(jìn)行檢測(cè)得到的結(jié)果，而圖8(d)是使用本發(fā)明方法的檢測(cè)結(jié)果。對(duì) 比三種不同方法應(yīng)用于高噪聲圖像的仿真結(jié)果，可以清晰的發(fā)現(xiàn)本發(fā)明方法相比 現(xiàn)有的Canny方法和小波方法有著明顯的優(yōu)勢(shì)抑制噪聲能力強(qiáng)，可以較好的去 除虛假邊緣，較好的保留主輪廓邊緣。
綜上，本發(fā)明可以充分利用圖像中的方向性信息，檢測(cè)出真正的邊緣并且有 效的克服噪聲和虛假邊緣的干擾，同時(shí)具有可重構(gòu)和定位精度高的優(yōu)點(diǎn)。由于本 發(fā)明方法的基本原理是圖像中方向性信息累積檢測(cè)，而幾乎所有邊緣都具有方向 性特性，因此本發(fā)明方法可以輕松推廣到多種不同成像源的圖像，都能夠取得不 錯(cuò)的效果。
權(quán)利要求
1. 一種基于Fast Slant Stack變換的圖像邊緣檢測(cè)方法，包括如下過程(1)輸入待檢測(cè)圖像X，根據(jù)滑動(dòng)塊大小和多塊重疊度對(duì)待檢測(cè)圖像進(jìn)行分塊，設(shè)置一個(gè)與X同樣大小的全零矩陣Y；(2)從待檢測(cè)圖像塊中按照順序取出最前面的一塊圖像，作為當(dāng)前操作塊CM；(3)判斷當(dāng)前操作塊CM中是否存在邊緣，若不存在邊緣，回到步驟(2)重新提取圖像塊；若存在邊緣，進(jìn)行以下從步驟(4)到步驟(6)處理；(4)對(duì)當(dāng)前操作塊CM進(jìn)行Fast Slant Stack變換，并對(duì)變換后的結(jié)果RM的零值區(qū)域進(jìn)行填充；(5)對(duì)填充后的RM沿著徑向方向進(jìn)行一維二進(jìn)小波變換DDWT，搜索變換后該塊小波域的系數(shù)極大值點(diǎn)MAX，根據(jù)MAX的大小判斷該操作塊中是否有一條明確清晰的邊緣線，如果不存在邊緣線，返回步驟(2)，如果存在邊緣線，繼續(xù)步驟(6)；(6)根據(jù)RM中MAX點(diǎn)的位置，使用Fast Slant Stack逆變換重構(gòu)空域中的圖像塊CM’，并存放在矩陣Y中與X中CM對(duì)應(yīng)的位置，結(jié)束本塊的檢測(cè)，返回步驟(2)重新提取圖像塊；(7)根據(jù)待檢測(cè)圖像X的分塊數(shù)目重復(fù)步驟(2)到步驟(6)的循環(huán)，直到所有分塊都完成檢測(cè)，結(jié)束循環(huán)，輸出矩陣Y。
2. 根據(jù)權(quán)利要求l所述的圖像邊緣檢測(cè)方法，其中步驟(2)所述的從待檢測(cè) 圖像塊中按照順序取出最前面的一塊圖像，是根據(jù)分塊大小參數(shù)11=8或11=16決定 分塊的數(shù)目，按照從上到下、從左到右的順序從待檢測(cè)圖像中取出尚未被檢測(cè)的 一個(gè)nXn的小圖像塊，且要保證當(dāng)前提取的圖像塊和鄰近的圖像塊在橫向和縱向 上都有50%的重合。
3. 根據(jù)權(quán)利要求l所述的圖像邊緣檢測(cè)方法，其中步驟(3)所述的判斷當(dāng)前 操作塊CM中是否存在邊緣，按如下過程進(jìn)行(3a)計(jì)算當(dāng)前操作塊CM的灰度均方差STD;(3b)設(shè)置閾值TH—std，比較STD與閾值TH—std的大小若STD〈TH—std，則 判定待檢測(cè)塊CM塊中不存在邊緣，若STD〉TH—std，則判定待檢測(cè)塊CM中存在 邊緣。
4. 根據(jù)權(quán)利要求l所述的圖像邊緣檢測(cè)方法，其中步驟(4)所述的對(duì)Fast Slant Stack變換后的結(jié)果RM的零值區(qū)域進(jìn)行填充，是采用RM的零值區(qū)與非零區(qū)交界 處的非零有效值對(duì)這些零值區(qū)按列進(jìn)行填充，實(shí)現(xiàn)Fast Slant Stack變換域內(nèi)的平滑過渡。
5. 根據(jù)權(quán)利要求l所述的圖像邊緣檢測(cè)方法，其中步驟(5)所述的要搜索變 換后該塊小波域的系數(shù)極大值點(diǎn)MAX并判斷該操作塊中是否有一條明確清晰的 邊緣線，按下過程進(jìn)行(5a)保留RM的按列進(jìn)行尺度為1的一維二進(jìn)小波變換所得到的高頻子空間 部分，并存放在原對(duì)應(yīng)列的位置上，并使用蝶形模板將RM高頻空間的四個(gè)干擾 區(qū)域全部置零，該干擾區(qū)出現(xiàn)在(n/2+l， n/2+l) 、 (n/2+2， n*3/2+l) 、 (n*3/2+l， n/2+l)禾I] (n*3/2+2， n*3/2+l)這4個(gè)點(diǎn)附近；(5b)在RM內(nèi)搜索最大值MAX，該點(diǎn)的坐標(biāo)記為(z》')，設(shè)置閾值TH一edge， 比較MAX和閾值TH—edge的大小，如果MAX〈TP^edge，則判定該待檢測(cè)塊中圖 像的方向性信息累積不足，不對(duì)該塊進(jìn)行邊緣檢測(cè)，跳轉(zhuǎn)步驟(2)，如果 MAX>TH—edge，則判定該塊內(nèi)存在一條呈直線狀態(tài)且貫穿整個(gè)塊的明確清晰的 邊緣，對(duì)該塊進(jìn)行邊緣檢測(cè)，繼續(xù)步驟(6)。
6. 根據(jù)權(quán)利要求l所述的圖像邊緣檢測(cè)方法，其中步驟(6)所述的要根據(jù)在 RM中找到的極大值點(diǎn)確定原小塊中的邊緣，按如下過程進(jìn)行(6a)保留RM中MAX所對(duì)應(yīng)的點(diǎn)(/,力，并賦值255，其余所有的點(diǎn)都置零； (6b)對(duì)大小為2nX2n的RM使用Fast Slant Stack逆變換，用共軛梯度法進(jìn)行 逼近，得到空域中大小為nXn的邊緣圖像CM'。
全文摘要
本發(fā)明公開了一種基于Fast Slant Stack變換的圖像邊緣檢測(cè)方法，它涉及圖像處理領(lǐng)域。主要解決傳統(tǒng)Radon方法計(jì)算復(fù)雜度高、定位精度低的缺點(diǎn)。其過程為輸入待檢測(cè)圖像，根據(jù)滑動(dòng)窗大小和重疊度對(duì)其分塊，每次檢測(cè)提取一個(gè)小圖像塊，根據(jù)其灰度均方差判斷塊中是否存在邊緣，對(duì)存在邊緣的圖像塊做Fast Slant Stack變換，并對(duì)變換結(jié)果的零值區(qū)域進(jìn)行填充；對(duì)填充后的圖像塊做二進(jìn)小波變換，搜索變換后小波域系數(shù)極大值MAX，并根據(jù)極大值MAX所處的位置用基于共軛梯度法的Fast Slant Stack逆變換重構(gòu)空域中的圖像，存放到輸出矩陣中對(duì)應(yīng)的位置；將所有的分塊都完成檢測(cè)后輸出檢測(cè)結(jié)果。本發(fā)明具有計(jì)算速度快、抗噪性能好和邊緣定位精度高的優(yōu)點(diǎn)，可用于多種類型圖像的邊緣檢測(cè)。
文檔編號(hào)G06T7/00GK101430789SQ200810232340
公開日2009年5月13日 申請(qǐng)日期2008年11月19日 優(yōu)先權(quán)日2008年11月19日
發(fā)明者彪 侯, 侯仁波, 張向榮, 焦李成, 爽 王, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)