本發明涉及一種數字圖像處理領域，具體說是一種邊緣檢測方法。

背景技術：

邊緣是圖像最基本的特征。Marr的視覺計算理論把邊緣圖像的獲取看作視覺的早期階段，亦即整個視覺過程的起點。對人類視覺系統的研究表明,圖像的邊緣特別重要，往往僅憑一條粗略的輪廓線就能識別出一個物體，故圖像的邊緣具有豐富的信息。因此，圖像邊緣提取技術一直是圖像處理與模式識別的重要環節,并在諸多領域得到了廣泛的應用。縱觀圖像處理技術的發展進程，邊緣提取技術的新理論、新方法不斷涌現，諸如邊緣跟蹤法、基于像素領域構造的邊緣檢測算子，如常用的梯度算子、Laplace算子等。近幾年來在此領域又出現了數學形態學、小波分析、BP神經網絡等圖像處理新技術，極大地促進了數字圖像邊緣提取技術的發展。但就己發表的成果來看，這些方法還存在以下問題：

(1)計算復雜度較大，難以達到實時處理；

(2)對數據源的要求較嚴格，對于邊緣不顯著的物體，提取效果不好。

技術實現要素：

本發明提供了一種邊緣檢測方法，通過構造能量函數，運用迭代計算的方式，模擬曲線受力過程，使提取的邊緣最大限度地保持與實際邊緣一致，方法的計算量小，輸出結果可靠。

為實現本發明的目標所采用的技術方案是：方法包括以下步驟：

步驟1：為了在去除噪聲的同時保留邊緣信息，對輸入圖像I₀進行基于各向異性熱擴散方程的預處理，得到預處理圖像I₁；

步驟2：在預處理圖像I₁中初始化活動輪廓C和迭代次數T₀；

步驟3：構造能量函數F，F由膨脹因子F_b、平滑因子F_s和收縮因子F_c三個部分組成，F＝F_b+F_s+F_c，膨脹因子F_b的迭代表達式采用如下公式：

式(1)，DIL_d為膨脹操作符，為第t次迭代后的膨脹因子，為第t+1次迭代后的膨脹因子，為像素點(x,y)在第t次迭代后的灰度取值，sign為像素點(x,y)處的梯度方向，ERO_d為腐蝕操作符，T₁為灰度閾值；

平滑因子F_s的迭代表達式采用如下公式：

式(2)，為第t次迭代后的平滑因子，為第t+1次迭代后的平滑因子，符號為數學形態學的開運算操作符，SE₁為長度為三個像素點的直線結構元素集合，SE₂為包含于8鄰域的結構元素集合，T₂為灰度閾值；

收縮因子F_c的迭代表達式采用如下公式：

式(3)，為第t次迭代后的收縮因子，為第t+1次迭代后的收縮因子，T₃為灰度閾值；

步驟4：迭代計算步驟2中活動輪廓C的所有像素點的能量函數F，直到迭代次數為T₀；

步驟5：將第T₀次迭代后的活動輪廓C_T作為邊緣輸出。

所述的基于各向異性熱擴散方程的預處理方法采用如下公式：

式(4)，為像素點(x,y)在第t次迭代后的灰度取值，為像素點(x,y)在第t+1次迭代后的灰度取值，k和λ均為平滑控制系數，取值越大,越不易保留邊緣；和分別表示在上、下、左、右四個方向上對像素點(x,y)求偏導，取值越大，即變化較大，表示像素點(x,y)位于邊緣的可能性越大；和分別表示上、下、左、右四個方向上的導熱系數，取值越小，即方向變化越大，越有利于保留邊界邊緣。

本發明的有益效果是：能夠準確的提取物體邊緣，可以應用于目標識別等領域。

附圖說明

圖1是本發明的總體處理流程圖。

具體實施方式

下面結合附圖詳細描述本發明的具體實施方式。

圖1是本發明的總體處理流程圖：

在步驟101，輸入待處理圖像I₀。

在步驟102，對步驟101的待處理圖像I₀進行基于各向異性熱擴散方程的預處理，得到預處理圖像I₁，基于各向異性熱擴散方程的預處理方法采用如下公式：

式(5)，為像素點(x,y)在第t次迭代后的灰度取值，為像素點(x,y)在第t+1次迭代后的灰度取值，k和λ均為平滑控制系數，取值越大,越不易保留邊緣；和分別表示在上、下、左、右四個方向上對像素點(x，y)求偏導，取值越大，即變化較大，表示像素點(x，y)位于邊緣的可能性越大；和分別表示上、下、左、右四個方向上的導熱系數，取值越小，即方向變化越大，越有利于保留邊界邊緣。

在步驟103，在步驟102中的預處理圖像I₁中初始化活動輪廓C和設置迭代次數T₀，經反復試驗，將活動輪廓C設定為以圖像中心為圓心，圖像短邊長為直徑的圓，將T₀設定為20。

在步驟104，構造能量函數F，F由膨脹因子F_b、平滑因子F_s和收縮因子F_c三個部分組成，F＝F_b+F_s+F_c，膨脹因子F_b的迭代表達式采用如下公式：

式(6)，為第t次迭代后的膨脹因子，為第t+1次迭代后的膨脹因子，為像素點(x,y)在第t次迭代后的灰度取值，sign為像素點(x,y)處的梯度方向，DIL_d為膨脹操作符，ERO_d為腐蝕操作符，T₁為灰度閾值，平滑因子F_s的迭代表達式采用如下公式：

式(7)，為第t次迭代后的平滑因子，為第t+1次迭代后的平滑因子，符號為數學形態學的開運算操作符，SE₁為長度為三個像素點的直線結構元素集合，SE₂為包含于8鄰域的結構元素集合，T₂為灰度閾值，收縮因子F_c的迭代表達式采用如下公式：

式(8)，為第t次迭代后的收縮因子，為第t+1次迭代后的收縮因子，T₃為灰度閾值；。

在步驟105，迭代計算步驟103中活動輪廓C的所有像素點的能量函數F，直到迭代次數為T₀。

在步驟106，將第T₀次迭代后的活動輪廓C_T作為邊緣輸出。

經試驗，步驟104中的閾值T₁、T₂和T₃分別設置為120、150和180。