基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107301647A(43)申请公布日2017.10.27(21)申请号201710409939.7(22)申请日2017.06.02(71)申请人西安石油大学地址710065陕西省西安市电子二路东段18号(72)发明人爨莹薛继军史瑶杰(74)专利代理机构西安智大知识产权代理事务所61215代理人弋才富(51)Int.Cl.G06T7/13(2017.01)G06T7/136(2017.01)权利要求书2页说明书8页附图2页(54)发明名称基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法(57)摘要基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法，通过高像素摄影机对秦岭野生金丝猴基地追踪实地拍摄，建立图像样本库，对获取图像样本采用灰色B型关联改进Prewitt算子对秦岭金丝猴图像边缘进行检测，提取图像边缘，实现了计算颗粒轮廓线清晰，特征与背景对比度较好，增强了边缘检测抗干扰能力，使检测边界精确连续性有明显提高，从而为金丝猴实现分类识别奠定了基础。CN107301647ACN107301647A权利要求书1/2页1.基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法，其特征在于，包括如下步骤：(1)设一幅含噪秦岭金丝猴图像大小为M×N，图像中某个像素x(i,j)的一个噪声检测3×3窗口为：建立图像一维数据序列，采用简单的四邻域一维化方法，分别取图像中像素x(i,j)及上、下、左、右四个相邻像素形成一维数据序列{xi-1,j,xi+1,j,xi,j,xi,j-1,xi,j+1}；(2)确定参考序列和比较序列，选择如下的参考序列：x0＝{1,1,1,1,1}，x1＝{0,0,0,0,0}，比较序列：xr＝{xi-1,j,xi+1,j,xi,j,xi,j-1,xi,j+1}，其中r∈[1,M×N]；(3)序列初始化：x′0＝x0，x′1＝x1其中xr(1)表示比较序列xr的第一个分量，x'r(1),x'r(2),…x'r(5)分别表示向量x'r的各个分量；(4)计算x'0与x'r对应分量的差的绝对值序列△'0r(k)(k＝1,2…5)：△'0r(k)＝|x'0(k)-x'r(k)|(2)(5)确定差序列的最大差值M与最小差值m，分别记为：其中k＝1,2…5；(6)计算关联系数γ0r(k)：式中ζ为分辨系数，令ζ＝0.5，以保证γ0r(k)∈(0,1]；(7)由于各像素点在序列中包含的信息量不同，故确定信息熵H0r(k)及权重ω0r(k)(k＝1,2…5)：式中则有权重为：(8)建立两类序列间的灰色B型关联度R0r：2CN107301647A权利要求书2/2页同理可计算得另外两类序列x1和xr的灰色关联度R1r；(9)确定关联度阈值θ，关联度阈值θ∈(0,1]，关联度阈值θ取值越小，抑噪能力越强，但边缘丢失相对应也就越严重，反之，关联度阈值θ取值越大，抑噪能力变弱，保留的边缘也越多；(10)确定噪声点与信号点，令R＝max(R0r,R1r)，N为噪声点，S为信号点，若xij＝{R0r≥R1r}∩{R≥θ}则其属于噪声点N，反之为信号点S；(11)噪声点赋值，完成降噪算法，若xij为噪声像素，计算xij一阶像素邻域中像素中值M，若M∈S，则用中值M代替当前像素xij的值；若M∈N，继续搜索当前xij邻域内的非噪声像素，继续移动3×3窗口，直到所有像素遍历完毕；(12)对遍历完毕的图像采用3×3卷积模板如表1，其中表1a、b分别为水平模板和垂直模板，将模板内的系数与其对应的图像像素相乘，表1(a)模板相乘后结果为表2所示，令A＝f11+f12+f13，B＝f31+f32+f33，改进的Prewitt算子为：同理根据表1(b)计算垂直边缘模板值取两个模板计算的最大值，赋给图像对应模板中心位置的像素值，作为该像素的新灰度值；111000-1-1-1(a)垂直梯度方向，检测水平边缘-101-101-101(b)水平梯度方向，检测垂直边缘表1Prewitt算子模板f11f12f13000-f31-f32-f33表2Prewitt算子水平边缘模板计算后形式。3CN107301647A说明书1/8页基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法技术领域[0001]本发明涉及图像处理领域，特别涉及基于灰色B型关联改进Prewitt的秦岭金丝猴图像边缘检测方法。背景技术[0002]野生金丝猴是国家一级保护动物，主要分布于甘肃、四川、湖北和陕西地区，而分布于陕西秦岭地区的秦岭金丝猴由于品种珍贵数量稀少，更加引起人们的关注。通过对秦岭金丝猴图像降噪与边缘检测技术的研究，为金丝猴实现分类识别奠定基础，同时为深刻理解金丝猴等非人灵长