(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210694426.6 (22)申请日 2022.06.20 (65)同一申请的已公布的文献号 申请公布号 CN 114782432 A (43)申请公布日 2022.07.22 (73)专利权人 南通电博士自动化设备有限公司 地址 226200 江苏省南 通市启东市汇龙镇 城北村十一组 (72)发明人 任劲松　陈于辉　 (74)专利代理 机构 绍兴三人 行柯信知识产权代 理事务所(普通 合伙) 33495 专利代理师 朱亚飞 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01)G06T 7/136(2017.01) G06T 7/529(2017.01) G06T 3/40(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) 审查员 任俊鹏 (54)发明名称 一种基于纹理特征的改进canny算子的边缘 检测方法 (57)摘要 本发明涉及人工智能领域， 具体涉及一种基 于纹理特征的改进canny算子的边缘检测方法。 包括对待测图像进行高斯金字塔下采样， 再利用 双线性插值法上采样复原图像尺 寸； 对像素点灰 度值量化， 根据量化后的灰度值计算图像的灰度 共生矩阵， 获取n+1维图像， 计算纹理点对的保留 率， 根据保留率对纹理进行分类， 计算纹理点对 平均缩减率； 利用保留率与平均缩减率计算纹理 重要性进而计算各像素点的重要性， 根据像素点 重要性利用多阈值分割和空间密度聚类的结果， 进行自适应阈值的设置； 根据自适应阈值的结果 进行滞后边界追踪， 完成对待测图像的边缘检 测。 本发明利用纹理特征进行区域自适应阈值的 调整， 有效降低因人工自设阈值的误差造成的边 缘检测不清晰或边 缘误检的现象。 权利要求书3页 说明书10页 附图4页 CN 114782432 B 2022.09.02 CN 114782432 B 1.一种基于纹 理特征的改进can ny算子的边 缘检测方法， 其特 征在于： 包括以下步骤： 对待测图像进行高斯金字塔下采得到第 一次采样图像， 对第 一次采样图像再进行高斯 金字塔下采得到第二次采样图像， 以此类推获取n次采样图像， 再对n次采样图像利用双线 性插值法进行图像尺寸复原； 获取n次采样图像尺寸复原后图像的灰度共生矩阵； 利用第n次采样图像的灰度共生矩阵中的纹理点对与待测图像灰度共生矩阵对应的纹 理点对， 计算第n次采样图像的纹 理点对保留率， 得到纹 理点对保留率图像； 利用ostu阈值分割法对保留率图像的纹理点对进行分类， 对分类后小于分割阈值的纹 理点对计算 其纹理点对的平均缩 减率， 纹理点对平均缩 减率的计算公式如下： 式中： 为纹理变化细微的纹理点对平均缩减率； 为待测图像的灰度共生矩阵中的元 素值； 为第 次采样后图像的灰度共生矩阵中的元 素值； 为截断值； 利用获得的大于分割阈值的纹理点对保留率与小于分割阈值的纹理点对平均缩减率 计算纹理点对重要性； 根据得到的纹 理点对重要性计算待测图像各像素点的重要性， 计算公式如下： 式中： 为待测图像中像素点的重要性， 为包含该像素点的纹理点对重要性， 为包 含点P的纹 理点对重要性的累加 和； 根据待测图像各像素点的重要性构建像素点重要性直方图， 对像素点重要性直方图进 行多阈值分割得到不同阈值范围的像素点聚类重要性； 对待测图像的像素点进行空间聚类得到不同团簇； 利用不同阈值范围的像素点聚类重要性对每个团簇的双阈值进行调节得到每个团簇 在进行边 缘检测时的自适应阈值； 利用得到的每 个团簇的自适应阈值对待测图像进行边 缘检测。 2.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征 在于： 利用获得的大于 分割阈值的纹理点对保留率与小于 分割阈值的纹理点对平均缩减率 计算纹理点对重要性的公式如下： 式中： 为纹理点对重要性， 为赋予纹理变化剧烈的纹理点对的保留率的权重值， 表示纹理变化剧烈的纹理点对的保留率， 为赋予纹理变化剧烈的纹理点对的平均缩减 率的权重值， 表示纹理变化剧烈的纹 理点对的平均缩 减率。 3.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征 在于： 所述纹 理点对保留率的计算公式如下：权　利　要　求　书 1/3 页 2 CN 114782432 B 2式中： 为纹理点对保留率， 为待测图像的灰度共生矩阵中的元素值， 为第n次采 样图像的灰度共生矩阵的元 素值。 4.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征 在于： 截断值的确定方法为： 统计每次采样图像尺寸复原后图像的灰度共生矩阵中各纹理点对的元素值， 按照采样 次序对所有纹理点对的元素值分别进 行排序得到采样序列， 获取所有采样序列中最先出现 0的序列， 将该序列的最后一个非零数对应的采样次数作为所有采样序列的截断值。 5.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征 在于： 计算 不同阈值范围的像素点聚类重要性的方法为： 统计待测图像中各像素点的重要性的频数， 对各像素点的重要性进行升序排序， 得到 像素点重要性 直方图； 利用多阈值分割的方法对像素点重要性直方图进行分割， 划分出T个不同阈值范围的 区域； 计算多阈值分割划分的不同阈值范围的区域的重要性均值， 计算公式如下： 式中： 为不同阈值范围的区域的重要性均值， 为该阈值范围区域中各像素点的重要 性， 为该阈值范围区域内的像素点数量。 6.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征 在于： 所述获取每 个团簇在进行边 缘检测时的自适应阈值的方法为： 根据各团簇中不同重要性像素点的数量与各阈值范围区域的重要性均值对各团簇的 双阈值进行设置； 设置方法如下： 计算各阈值范围区域的重要性倒数 作为数量标准； 根据各阈值范围区域的重要性均 值对应的升序顺序对各阈值范围区域的数量标准进行排序， 得到数量标准序列{ ， ，……， }； 最高阈值范围的点数量如果大于 * ， 该团簇高阈值设置为最高阈值对应的重要性所 在等级的阈值范围区域的重要性均值， 否则对该等级的阈值范围区域的下一等级进行判 断， 直到该等级的点数量大于 * ， 为该等级对应的数量标准； 最低阈值 范围的点 数量如果大于 * ， 该团簇低阈值设置 为最低阈值对 应的重要性所 在等级的阈值范围区域的重要性均值， 否则对该等级的阈值范围区域的上一等级进行判 断， 直到该等级的点数量大于 * ， 为该等级对应的数量标准。 7.根据权利要求1所述的一种基于纹理特征的改进canny算子的边缘检测方法， 其特征权　利　要　求　书 2/3 页 3 CN 114782432 B 3