基于力场转换的异源图像粗大边缘检测方法

摘要

本发明公开了一种基于力场转换的异源图像粗大边缘检测方法。其特征在于包括以下步骤：首先，根据引力概念计算图像中各像素点受到合力的大小和方向；其次，为了去除异源图像灰度分布不同的影响，对图像中像素点所受合力的大小进行归一化处理；然后，对归一化后的图像进行二值化分割以获得边缘像素点所在的区域；最后，通过实验研究粗大边缘像素点的合力大小和方向特征，由此得到了粗大边缘点的确定方法。本发明实现了异源图像间的粗大边缘边缘检测，较好地提取了异源图像间的共性特征，为异源图像间的匹配奠定了基础。

权利要求

1.基于力场转换的异源图像粗大边缘检测方法，其特征在于包括以下步骤：(1)根据万有引力的概念和力的分解与合成，获得图像中像素点受到的合力的大小和方向；

(2)根据图像中所有像素点所受合力的大小，归一化计算每个像素点所受合力的大小；

(3)对归一化后的图像进行二值化处理，获得边缘像素点及其邻域所在的区域图像；

(4)根据合力的方向和大小获得最终的粗大边缘点，

在所述步骤(1)中，图像中像素点受到合力的大小和方向的计算包括以下步骤：(11)计算像素点受到邻域中另外一点的引力，并根据引力的方向将引力沿水平和垂直轴作分解；

(12)将该点受到的全部其他引力在水平和垂直轴上分量求和；

(13)将水平和垂直轴上得到的分量作矢量合成，得到该点最终受到的合力的大小和方向，图像被看作一个力场，而力场的形成是通过假定图像中的任意两个像素点之间存在引力的作用，即图像中位置为rj的像素点受到位置为ri的像素点的引力作用Fi(rj)，引力的大小与像素点ri的灰度值成正比，与像素点ri和像素点rj点间的距离的平方成反比；引力的方向即两点间的连线方向，具体的矢量表示为：其中，I(ri)表示像素点ri的灰度值；ri-rj的连线方向表示Fi(rj)的矢量方向；|ri-rj|表示两像素点之间的距离，像素点rj受到所有像素点的合力可表示为：其中，N表示像素点ri邻域中像素的个数；F(rj)的方向为Fi(rj)的合力方向；

在所述的步骤(4)中，在边缘像素点及其邻域所在的区域图像中，以力场方向上力场大小最大值所在的像素点表示为图像的粗大边缘，获得最终的粗大边缘点。

2.根据权利要求1所述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述的步骤(2)中，归一化公式为：

其中，f(rj)表示像素点rj受到合力的大小，fmax、fmin分别表示一幅图像中所有像素点合力的最大值和最小值，f′(rj)为归一化后像素点rj受到合力的大小。

3.根据权利要求1所述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述的步骤(4)中，其合力方向的离散表示中，力场方向表示为8个离散量。

说明书

基于力场转换的异源图像粗大边缘检测方法

技术领域

[0001] 本发明涉及图像处理领域，更准确地说本发明涉及可见光、红外、SAR图像等不同分辨率异源图像粗大边缘检测。

背景技术

[0002] 目前，异源图像匹配研究中还存在着很多困难，特别是由于异源图像成像机理差异大(如光学与SAR图像)、波段差异大(如可见光与长波红外图像)，难以获得图像在灰度、亮度、颜色等特征上的共性特征。根据对异源图像成像原理和典型异源图像的分析发现，异源图像中对象间粗大边缘是异源图像间比较具有共性的特征。这些粗大边缘是感兴趣目标的重要特征，往往携带着图像的大部分信息，这些边缘能够给出目标的位置和形状，为人们描述或识别目标以及解译图像提供了重要的特征信息。常用的边缘检测算法有梯度法(Robert、Prewitt、Sobel和Canny算子)、模板匹配法以及变换域法等。

[0003] 先前专利200810102845.6给出一种彩色图像边缘检测方法。该专利根据彩色图像包含信息丰富的特点，首先将彩色图像映射到不同的色彩空间；然后分别对各个色彩空间中的图像进行边缘检测；最后将各个色彩空间中的检测结果进行融合获得最终的边缘检测结果。但是该专利的方法只适合于彩色图像的边缘检测。

[0004] 先前专利201010152357.3给出一种基于分数阶次信号处理的边缘检测方法。该专利首先利用分数阶次求导算法对图像中的每个像素点进行梯度运算，获得各像素点的梯度幅值；然后对梯度图像进行非极大值抑制；最后采用双阈值方法判定目标像素点是否为像素点并连接边缘，获得最终的边缘检测结果。该专利的方法较好地提取了图像中的边缘，但是边缘检测结果过于细腻，很难从中提取到有效的粗大边缘。

发明内容

[0005] 本发明的目的是提供一种基于力场转换的异源图像粗大边缘检测方法，对异源图像粗大边缘提取，从而为描述或识别目标以及解译图像提供重要的特征信息。

[0006] 本发明是采取以下的技术方案来实现的：

[0007] 基于力场转换的异源图像粗大边缘检测方法，其特征在于包括以下步骤：

[0008] (1)根据万有引力的概念和力的分解与合成，获得图像中像素点受到的合力的大小和方向；

[0009] (2)根据图像中所有像素点所受合力的大小，归一化计算每个像素点所受合力的大小；

[0010] (3)对归一化后的图像进行二值化处理，获得边缘像素点及其邻域所在的区域图像；

[0011] (4)根据合力的方向和大小获得最终的粗大边缘点。

[0012] 前述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述步骤(1)中，图像中像素点受到合力的大小和方向的计算包括以下步骤：

[0013] (1)计算像素点受到邻域中另外一点的引力，并根据引力的方向将引力沿水平和垂直轴作分解；

[0014] (2)将该点受到的全部其他引力在水平和垂直轴上分量求和；

[0015] (3)将水平和垂直轴上得到的分量作矢量合成，得到该点最终受到的合力的大小和方向。

[0016] 前述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：图像被看作一个力场，而力场的形成是通过假定图像中的任意两个像素点之间存在引力的作用，即图像中位置为rj的像素点受到位置为ri的像素点的引力作用Fi(rj)，引力的大小与像素点ri的灰度值成正比，与像素点ri点和像素点rj点间的距离的平方成反比；引力的方向即两点间的连线方向。具体的矢量表示如下：

[0017]

[0018] 其中，I(ri)表示像素点ri的灰度值；ri-rj的连线方向表示Fi(rj)的矢量方向；|ri-rj|表示两像素点之间的距离。像素点rj受到所有像素点的合力可表示为：

[0019]

[0020] 其中，N表示像素点ri邻域中像素的个数；F(rj)的方向为Fi(rj)的合力方向。

[0021] 前述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述的步骤(2)中，根据图像中所有像素点所受合力的大小，归一化计算每个像素点所受合力的大小。由于异源图像的灰度分布或成像设备的成像原理不同，根据力场转换理论的原理可知力场的大小也不相同。为了去除灰度分布或成像设备的成像原理不同对力场大小的影响，在计算每个像素点所受合力大小后对其进行归一化处理，将不同图像的边缘所在区域突现出来，归一化公式为：

[0022]

[0023] 其中，f(rj)表示像素点rj受到合力的大小，fmax、fmin分别表示一幅图像中所有像素点合力的最大值和最小值，f′(rj)为归一化后像素点rj受到合力的大小。

[0024] 前述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述的步骤(4)中，其合力方向的离散表示中，在离散量个数较多的情况下，可以提高检测精度；在离散量个数较少的情况下，可以提高抑制噪声的能力，兼顾定位准确和抑制噪声的要求，所述的力场方向表示为8个离散量。

[0025] 前述的基于力场转换的异源图像粗大边缘检测方法，其特征在于：在所述的步骤(4)中，根据合力的方向和大小获得最终的粗大边缘点。即当像素点处于粗大边缘处时，该点力场方向所指区域的像素灰度值基本一致，力场相反方向所指区域的像素灰度值也基本一致，但这两个区域之间的像素灰度值不同；当该像素点处于图像粗大边缘处时，该点的所受合力为力场方向上的最大值。因此，在边缘像素点所在的区域图像中，以力场方向上力场大小最大值所在的像素点表示为图像的粗大边缘，获得最终的粗大边缘点。

[0026] 至此，一个完整的基于力场转换的异源图像边缘检测过程执行完毕。

[0027] 本发明根据粗大边缘像素点的合力大小和方向特征，较好地获得了图像的粗大边缘，为边缘检测提供了一个新的解决思路和方法。

附图说明

[0028] 图1为本发明基于力场转换的异源图像边缘检测算法流程图；

[0029] 图2为力的合成示意图；

[0030] 图3为力场方向图。

具体实施方式

[0031] 下面结合具体实施方式对本发明做进一步的详细说明。

[0032] 参照图1，基于力场转换的异源图像粗大边缘检测方法包括以下步骤：

[0033] 第一步，根据万有引力的概念和力的分解与合成，获得图像中像素点受到的合力的大小和方向；

[0034] 第二步，根据图像中所有像素点所受合力的大小，归一化计算每个像素点所受合力的大小；

[0035] 第三步，对归一化后的图像进行二值化处理，获得边缘像素点及其邻域所在的区域图像；

[0036] 第四步，根据合力的方向和大小获得最终的粗大边缘点。

[0037] 为了描述图像的灰度分布情况，图像被看作一个力场，而力场的形成是通过假定图像中的任意两个像素点之间存在引力的作用，即图像中位置为rj的像素点受到位置为ri的像素点的引力作用Fi(rj)，引力的大小与像素点ri的灰度值成正比，与像素点ri和像素点rj间的距离的平方成反比；引力的方向即两点间的连线方向。具体的矢量表示如下：

[0038]

[0039] 其中，I(ri)表示像素点ri的灰度值；ri-rj的连线方向表示Fi(rj)的矢量方向；|ri-rj|表示两像素点之间的距离。像素点rj受到所有像素点的合力可表示为：

[0040]

[0041] 其中，N表示像素点ri邻域中像素的个数；F(rj)的方向为Fi(rj)的合力方向。

[0042] 参照图2，像素点rj所受合力的计算包括以下步骤：

[0043] 第一步，计算该点受到邻域中另外一点的引力，并根据引力的方向将引力分别沿水平和垂直轴作分解，如图2所示；

[0044] 第二步，将该点受到的全部其他引力在水平和垂直轴上分量求和；

[0045] 第三步，将水平和垂直轴上得到的分量作矢量合成，得到该点最终受到的合力的大小和方向。

[0046] 由于光照或成像设备的成像原理不同，使得获得图像的灰度大小不同，根据力场转换理论的原理可知力场的大小也不相同。为了去除光照或成像设备的成像原理不同对力场大小的影响，在计算每个像素点所受合力大小后对其进行归一化处理，将不同图像的边缘所在区域突现出来。归一化如式(3)所示：

[0047]

[0048] 其中，f(rj)表示像素点rj受到合力的大小，fmax、fmin分别表示一幅图像中所有像素点合力的最大值和最小值，f′(rj)为归一化后像素点rj受到合力的大小。

[0049] 为了分割得到粗大边缘所在的区域，采用式(4)对力场大小图像进行二值化，(此时，T＝80)。

[0050]

[0051] 式中，T为二值化处理的阈值，fbin(rj)表示二值化处理的结果。像素点rj受到的合力F(rj)方向反映了像素点rj周围像素的分布情况。在力场方向的离散表示中，在离散量个数较多的情况下，可以提高检测精度；在离散量个数较少的情况下，可以提高抑制噪声的能力。参照图3，本发明确定力场的方向为8个离散量。

[0052] 当像素点处于粗大边缘处时，该点力场方向所指区域的像素灰度值基本一致，力场相反方向所指区域的像素灰度值也基本一致，但这两个区域之间的像素灰度值不同。所以，当该像素点处于图像粗大边缘处时，该点的所受合力为力场方向上的最大值。

[0053] 基于力场转换的图像粗大边缘检测方法，根据像素点rj受到其他像素(N×N邻域内的像素)合力的大小和方向，使得图像中的粗大边缘被清晰地突现出来。即在边缘像素点所在的区域图像中，以力场方向上力场大小最大值所在的像素点表示为图像的粗大边缘，获得最终的粗大边缘点。

[0054] 综上所述，本发明利用万有引力的概念表述了图像的灰度分布情况，充分利用了图像像素灰度分布信息。即根据粗大边缘像素点的合力大小和方向特征较好地检测了异源图像粗大边缘，为边缘检测提供了一个新的解决思路和方法，从而为异源图像的匹配奠定了基础。

[0055] 上述具体实施方式不以任何形式限制本发明的技术方案，凡是采用等同替换或等效变换的方式所获得的技术方案均落在本发明的保护范围。