基于尺度空间的图像边缘检测方法
专利汇可以提供基于尺度空间的图像边缘检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于尺度空间的图像 边缘检测 方法，包括以下步骤：S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；S1-1：求指导边缘及其发现方向分布图；S1-2：求不同尺度下的边缘图与相关分布图；S1-3：挑选属于目标对象的边缘点；S1-4：确定最佳尺度 ；S2：挑选边缘点，在最佳尺度下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：S2-1：求多个尺度下的边缘图与相关分布图；S2-2：求边缘强度累计图 ；S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。，下面是基于尺度空间的图像边缘检测方法专利的具体信息内容。
1.基于尺度空间的图像边缘检测方法，其特征在于，包括以下步骤：
S1：对输入的图像，通过比较边缘线上所有点的平均边缘强度而挑选出来的尺度求取表达对象边缘的最佳尺度；
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度 ；
S2：挑选边缘点，在最佳尺度 下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图 ；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
2.根据权利要求1所述的图像边缘检测方法，其特征在于，指导边缘及其发现方向分布图的求取方法如下：
1）建立原始灰度图像 的高斯金字塔 与边缘图金字塔 ， 由 经
过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图 ，将其作为指导边缘，对应的尺度因子即为 ；
3）求取 所有边缘点在 中对应点的梯度方向，绘制成指导边缘法线方向分布图 。
3.根据权利要求1所述的图像边缘检测方法，其特征在于，不同尺度下的边缘图与相关分布图的求取方法如下：
1）最佳尺度因子的范围为 ，故从 开始，令 ，
得到尺度因子序列 ；
2）求取原始灰度图 在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行 倍的下采样，使其尺寸缩小为 的 ， 为
对应的尺度因子，这样便得到规范化的灰度图序列 ；
3）求取各个尺度下的边缘图 、边缘法线方向分布图 、边缘强度分布图。
4.根据权利要求1所述的图像边缘检测方法，其特征在于，挑选属于目标对象的边缘点的具体方法如下：
遍历 中的所有边缘点，当以下两个条件都成立时，可认为 上的边缘点
属于目标对象边缘；
1）在 中点 的8邻域内也存在边缘点，即为 ；
2） 、 对应的边缘法线方向 、 满足 ；
此过程得到的目标对象边缘图即为 。
5.根据权利要求1所述的图像边缘检测方法，其特征在于，确定最佳尺度 的具体方法如下：
1）利用边缘强度分布图 查询 中每个点的边缘强度，该尺度下目标对象的边缘点平均强度 表示为：
；
式中， 为 中第n个边缘点的边缘强度，N为 中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布 ， 中最大值对应的尺度即为表达目标对象边缘的最佳尺度 ，即，
。
6.根据权利要求1所述的图像边缘检测方法，其特征在于，多个尺度下的边缘图与相关分布图的求取方法如下：
1）以 为起始尺度重新建立尺度序列 ，
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达 ，并通过Canny边缘检测算子求出 对应的边缘图像 、边缘强度分布图 、边缘点
法线方向分布图 。
7.根据权利要求1所述的图像边缘检测方法，其特征在于，边缘强度累计图 的求取方法如下：
1）对 进行模糊，，具体做法是是在每个边缘点的法线方向上，以该边缘点为中心放置一个一维高斯分布，高斯分布的标准差为0.6、宽度为3、高度为该边缘点的边缘强度；
这样就得到模糊边缘强度分布图 ；
2）将 插值到与 一样的尺寸后叠加，得到边缘强度累计图 ，
，
式中， 为插值后的模糊边缘强度分布图。
8.根据权利要求1所述的图像边缘检测方法，其特征在于，挑选边缘点的具体方法如下：
设定边缘强度阈值 ，其中 ，对 上的每个边缘点，在 中搜索该点
对应的累计边缘强度 ，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1） ；
2） ，且在8邻域内有已确定的目标对象边缘点；
设
，
其中， 为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
基于尺度空间的图像边缘检测方法
技术领域
背景技术
发明内容
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度 ；
S2：挑选边缘点，在最佳尺度 下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图 ；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图 ，将其作为指导边缘，对应的尺度因子即为 ；
3）求取 所有边缘点在 中对应点的梯度方向，绘制成指导边缘法线方向分布图。
得到尺度因子序列 ；
2）求取原始灰度图 在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行 倍的下采样，使其尺寸缩小为 的 ， 为
对应的尺度因子，这样便得到规范化的灰度图序列 ；
3）求取各个尺度下的边缘图 、边缘法线方向分布图 、边缘强度分布
图 。
属于目标对象边缘；
1）在 中点 的8邻域内也存在边缘点，即为 ；
2） 、 对应的边缘法线方向 、 满足 ；
此过程得到的目标对象边缘图即为 。
；
式中， 为 中第n个边缘点的边缘强度，N为 中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布 ， 中最大值对应的尺度即为表达目标对象边缘的最佳尺度 ，即，
。
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达 ，并通过Canny边缘检测算子求出 对应的边缘图像 、边缘强度分布图 、边缘点法线方向分布图 。
这样就得到模糊边缘强度分布图 ；
2）将 插值到与 一样的尺寸后叠加，得到边缘强度累计图 ，
，
式中， 为插值后的模糊边缘强度分布图。
点对应的累计边缘强度 ，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1） ；
2） ，且在8邻域内有已确定的目标对象边缘点；
设
，
其中， 为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
具体实施方式
S1-1：求指导边缘及其发现方向分布图；
S1-2：求不同尺度下的边缘图与相关分布图；
S1-3：挑选属于目标对象的边缘点；
S1-4：确定最佳尺度 ；
S2：挑选边缘点，在最佳尺度 下求得边缘图，从这些边缘中挑选出目标对象边缘，具体步骤如下：
S2-1：求多个尺度下的边缘图与相关分布图；
S2-2：求边缘强度累计图 ；
S2-3：挑选边缘点，经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
经过Canny边缘检测求得，i为金字塔图层索引；
2）金字塔中出现目标对象边缘清晰而细微结构边缘全部消失的边缘图 ，将其作为指导边缘，对应的尺度因子即为 ；
3）求取 所有边缘点在 中对应点的梯度方向，绘制成指导边缘法线方向分布图 。
得到尺度因子序列 ；
2）求取原始灰度图 在各个尺度下的表示，并进行坐标规范化，规范化的方法是双线性插值方法对灰度图进行 倍的下采样，使其尺寸缩小为 的 ， 为
对应的尺度因子，这样便得到规范化的灰度图序列 ；
3）求取各个尺度下的边缘图 、边缘法线方向分布图 、边缘强度分布
图 。
属于目标对象边缘；
1）在 中点 的8邻域内也存在边缘点，即为 ；
2） 、对应的边缘法线方向 、 满足 ；
此过程得到的目标对象边缘图即为 。
；
式中， 为 中第n个边缘点的边缘强度，N为 中的边缘点数量；
2）计算各个尺度下的边缘点平均强度，得到平均边缘点强度分布 ， 中最大值对应的尺度即为表达目标对象边缘的最佳尺度 ，即，
。
；
2）通过卷积与坐标规范化求出原始灰度图像在这些尺度下的表达 ，并通过Canny边缘检测算子求出 对应的边缘图像 、边缘强度分布图 、边缘点法线方向分布图 。
2）将 插值到与 一样的尺寸后叠加，得到边缘强度累计图 ，
，
式中， 为插值后的模糊边缘强度分布图。
点对应的累计边缘强度 ，满足以下条件之一的边缘点认为是目标对象的边缘点，将其保留：
1） ；
2） ，且在8邻域内有已确定的目标对象边缘点；
设
，
其中， 为各点累计边缘强度的最大值；经过挑选被保留下来的边缘点绝大多数都是目标对象的边缘点。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种微纳尺度的图形绘制方法 | 2020-05-11 | 735 |
| 大尺度地距星载SAR图像镶嵌方法 | 2020-05-11 | 630 |
| 尺度无关图 | 2020-05-11 | 274 |
| 图像纹理窗口形状与尺度的选择方法 | 2020-05-11 | 650 |
| 一种多尺度图像增强方法 | 2020-05-12 | 43 |
| 基于多尺度深度学习的图像问答方法 | 2020-05-13 | 651 |
| 一种微纳尺度的图形绘制方法 | 2020-05-13 | 562 |
| 一种多尺度SAR图像边缘检测方法 | 2020-05-11 | 491 |
| 使用多尺度取向片段的多图像匹配 | 2020-05-12 | 520 |
| 数字图像中目标物体多尺度捕捉方法 | 2020-05-13 | 12 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
