图像边缘检测方法和装置与流程

1.本技术涉及计算机技术领域，具体涉及计算机视觉领域，尤其涉及一种图像边缘检测方法和装置。


背景技术：

2.边缘是图像数据的重要信息和特征。sar（synthetic aperture radar，合成孔径雷达）图像由于成像机理所限，总是会形成相干斑噪声，这种噪声使得sar图像中的边缘特征显著性差，难于准确提取，对后续基于边缘特征的目标检测和识别等应用造成了十分不利的影响。
3.目前，针对sar图像边缘提取的算法的正确率仍有待提高。


技术实现要素：

4.本公开的实施例提供了一种图像边缘检测方法和装置。
5.第一方面，本公开的实施例提供了一种图像边缘检测方法，包括：获取目标图像；根据目标图像，确定模板图像的参数；根据参数，确定模板图像集合；对于目标图像中的每个像素点，根据该像素点以及模板图像集合，确定各个像素点的比率梯度；根据各个像素点的比率梯度，确定目标图像的边缘。
6.第二方面，本公开的实施例提供了一种图像边缘检测装置，包括：图像获取单元，被配置成获取目标图像；参数确定单元，被配置成根据目标图像，确定模板图像的参数；图像确定单元，被配置成根据参数，确定模板图像集合；梯度确定单元，被配置成对于目标图像中的每个像素点，根据该像素点以及模板图像集合，确定各个像素点的比率梯度；边缘检测单元，被配置成根据各个像素点的比率梯度，确定目标图像的边缘。
7.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
8.附图用于更好地理解本方案，不构成对本公开的限定。其中：图1为本公开的图像边缘检测方法的一个实施例可以应用于其中的示例性系统架构图；图2为本公开的图像边缘检测方法的一个实施例的流程示意图；图3为本公开的图像边缘检测方法的另一个实施例的流程示意图；图4为射流的示意图；图5为模板图像集合的示意图；图6为本公开的图像边缘检测装置的一个实施例的结构示意图；
具体实施方式
9.应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文中使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
10.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
11.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
12.为使本公开的技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本公开作进一步详细的说明。
13.图1示出了可以应用本公开的图像边缘检测方法或图像边缘检测装置的实施例的示例性系统架构100。
14.如图1所示，系统架构100可以包括飞行平台101、102、103，网络104和服务器105。飞行平台101、102、103上可以搭载有合成孔径雷达，用于采集地面的sar图像。飞行平台101、102、103可以包括飞机、卫星、宇宙飞船等飞行设备。网络104用以在飞行平台101、102、103和服务器105之间提供通信链路的介质。服务器105可以是提供各种服务的服务器，例如为合成孔径雷达采集的sar图像进行边缘检测的后台服务器。后台服务器将边缘检测结果反馈给用户。
15.需要说明的是，本公开实施例所提供的图像边缘检测方法一般由服务器105执行。相应地，图像边缘检测装置一般设置于服务器105中。
16.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
17.图2示出了本公开的图像边缘检测方法的一个实施例的流程200。如图2所示，本实施例的图像边缘检测方法可以包括以下步骤：步骤201，获取目标图像。
18.本实施例中，图像边缘检测方法的执行主体（例如图1所示的服务器105）可以通过各种方式获取目标图像。目标图像可以是sar图像，其可以由安装在飞行平台上的合成孔径雷达采集得到。目标图像中可以包含多个对象，例如包括建筑物、树木、绿化带等。
19.步骤202，根据目标图像，确定模板图像的参数。
20.执行主体在获取到目标图像后，可以确定模板图像的参数。这里，模板图像可以是用于计算比率梯度的模板图像。本实施例中，模板图像的形状可以是特定的，例如可以是扇形、矩形、椭圆形等等。模板图像中可以包括至少一个特定形状的图像。通过对模板图像覆盖的区域中的像素点进行计算，可以计算目标图像中各像素的比率梯度。目标图像的参数可以是用于表征特定形状的参数。如果模板图像中的形状为扇形，则参数可以包括半径和圆心角。如果目标图像中的形状为矩形，则参数可以包括长度和宽度。
21.执行主体可以首先获取目标图像的参数的取值范围。然后根据目标图像中包括的对象的信息，从上述取值范围中确定一个合适的值。具体的，如果目标图像中包括的对象数量大于n，对象所占的区域面积小于p，则可以去上述取值范围的最小值作为参数值。或者，
如果目标图像中包括的对象数量小于m，则可以从各参数的取值范围中确定出特定形状的面积最小的一组值作为参数值。
22.步骤203，根据上述参数，确定模板图像集合。
23.执行主体在确定上述参数后，可以确定模板图像集合。具体的，执行主体可以根据上述参数，确定特定形状。然后将特定形状按照不同的位置、不同的朝向进行组合，可以得到多个目标图像，从而得到模板图像集合。
24.步骤204，对于目标图像中的每个像素点，根据该像素点以及模板图像集合，确定各个像素点的比率梯度。
25.执行主体在得到模板图像集合后，可以为每个像素点计算比率梯度。具体的，执行主体可以将每个像素点至于目标图像的特定位置处，然后根据模板图像覆盖的目标图像中的各像素点的像素值，确定像素均值。这样，每个模板图像对应一个像素均值，则模板图像集合可以对应像素均值集合。在确定各像素均值后，可以将其中的最大值或者最小值作为各像素点的比率梯度。
26.步骤205，根据各个像素点的比率梯度，确定目标图像的边缘。
27.在确定各个像素点的比率梯度后，可以得到目标图像的边缘。由于在边缘处的像素点，其比率梯度值远大于非边缘处的像素点的比率梯度值。也就是说，位于边缘处的像素点可以明显的显示出来，从而可以得到目标图像的边缘。
28.本公开的上述实施例提供的图像边缘检测方法，可以根据目标图像中的信息，确定模板图像的参数。并根据确定的模板图像集合，确定目标图像中各像素点的比率梯度，从而实现了目标图像的边缘检测，提高了边缘检测的准确度。
29.继续参见图3，其示出了根据本公开的图像边缘检测方法的另一个实施例的流程300。如图3所示，本实施例的方法可以包括以下步骤：步骤301，获取目标图像。
30.步骤302，根据目标图像的像素信息以及预设的扇形区域面积值，确定模板图像的参数。
31.执行主体可以根据目标图像的像素信息，确定目标图像的对比度和/或亮度。然后，可以根据对比度和/或亮度，结合预设的扇形区域面积值，确定模板图像的参数。具体的，如果模板图像中的形状为扇形，并且目标图像的对比度较高，则需要将扇形区域的半径设置为较大的值，将圆心角设置为较小的值。可以理解的是，此处的半径值和圆心值是在预设的取值范围内的。并且，上述半径和圆心角所确定的扇形的面积与预设的扇形区域面积值之间的误差应在一定的范围内。
32.在一些具体的实践中，模板图像t包括扇形对，即包括至少两个扇形区域。这些扇形区域的位置可以根据实际应用场景设定，也可以随机设置。不同位置组合的扇形对可以作为不同的模板图像。模板图像t是大小为(2r+1)
×
(2r+1)的二值（0,1）图像，模板图像t中包括两个射流形状区域（值为1）a和b。其中，a是原点位于t(r+1,r+1)，半径为r，张角为θ的扇形，该扇形是以两点t(r+1,r+1)和t(r+1,2r+1)形成的直线以点t(r+1,r+1)为轴，分别顺时针和逆时针旋转θ/2后得到的。b是原点位于t(r+1,r+1)，半径为r，张角为θ的扇形，该扇形是以两点t(r+1,1)和t(r+1,r+1)形成的直线以点t(r+1,r+1)为轴，分别顺时针和逆时针旋转θ/2后得到的。
33.一幅图像可以认为是一个能量场，不同的区域携带了不同的“势能”，这些“势能”之间的扩散和冲撞形成了图像中不同区域的边缘。边缘上的点的梯度，即该边缘在该点处两侧不同“势能”的差异。这种势能的差异是沿着边缘的法方向，并向法方向的两侧逐渐扩散递减的。从物理上讲，扩散的区域形状显然并不是矩形或是椭圆形的。“射流”现象给了这种扩散区域的一个启示。想象在一面墙上对侧有很高的水压，墙上有一个小孔，则显然水由于墙两侧压力不同，会从小孔中喷射出来，喷射的形状为扇形，参见图4。这就是本公开将比率梯度计算区域设计为扇形的原因。这种形状的设计有其真实物理现象的合理解释。
34.在本实施例的一些可选的实现方式中，执行主体可以通过以下步骤来确定模板图像的参数：根据目标图像的像素信息，确定目标图像的对比度；根据对比度以及预设的扇形区域面积值，确定模板图像的参数。
35.由于生成的模板图像t是离散的，则需要考虑参数r和θ的合理设置。为了有效去噪又不过多引入非同质区域计算，需要将扇形的离散面积设置在20~25之间。参数r和θ都会影响扇形面积。本实现方式中，如果目标图像的对比度较大，则可以结合预设的扇形区域面积值，将扇形区域的半径值设置为较大的值，将圆心角设置为较小的值。举例来说，r∈[8,20]，θ∈[8,30]。则参数r和θ可以设置为：r=9，θ=30，此时扇形面积为22。或者将r和θ设置为：r=18，θ=8，此时扇形面积为25。
[0036]
在本实施例的一些可选的实现方式中，执行主体可以通过以下步骤来确定模板图像的参数：根据目标图像的像素信息，确定目标图像的细节信息；根据细节信息以及预设的扇形区域面积值，确定模板图像的参数。
[0037]
本实现方式中，执行主体可以根据目标图像的像素信息，确定目标图像的细节信息。具体的，执行主体可以根据目标图像中单位区域内各像素点的像素值，判断该单位区域内是否存在细节信息。如果执行主体确定目标图像中的细节信息较多（大于预设数量），则可以将扇形区域的半径值设置为较小的值，将圆心角设置为较大的值。
[0038]
步骤303，以预设坐标系的原点为中心点，根据半径和圆心角，确定扇形对；以原点为中心点，将扇形对进行n次旋转，根据每次旋转得到的扇形对，确定模板图像集合。
[0039]
本实施例中，在确定了扇形的半径和圆心角后，可以以预设坐标系的原点为中心点，根据半径和圆心角，确定扇形对。具体的，扇形对中的两个扇形的中线之间的夹角可以根据实际应用场景设定。在一些具体的实践中，两个扇形的中线之间的夹角可以为180
°
。
[0040]
执行主体可以将一个扇形对作为一个模板图像。然后，执行主体可以将该模板图像中的扇形对以上述坐标系的原点作为中心点进行旋转，每次旋转都可以得到一张模板图像。通过多次旋转，即可以得到多张模板图像，从而得到模板图像集合。
[0041]
在本实施例的一些可选的实现方式中，以t(r+1,r+1)为中心，对图像t中的扇形a和b同时进行逆时针旋转，共旋转n-1次，每次旋转角度为α，依次得到另外n-1种扇形区域位置不同的模板图像，连同初始模板，形成了模板图像集合，记为tn:{t1,t2,...,tn}。其中，有n
×
α=180
°
。模板图像集合参见图5。
[0042]
步骤304，对于目标图像中的每个像素点，将模板图像集合中各模板图像的中心置于该像素点处，分别计算各模板图像对应区域的比率梯度。
[0043]
在得到模板图像集合后，执行主体可以对目标图像中的每个像素点进行计算。具体的，对于每个像素点，执行主体可以将模板图像集合中各模板图像的中心置于该像素点
处，分别计算各模板图像对应区域的像素值。进一步对各像素值进行计算得到各像素点对应的比率梯度。
[0044]
在本实施例的一些可选的实现方式中，执行主体可以对每个模板图像的对应区域，可以首先计算该区域的灰度均值。即将对应区域内各像素点的像素值相加，将得到的和值与对应区域内像素点的数量相除，得到灰度均值。然后，将各灰度均值进行各种处理，得到多个处理结果值。从上述多个处理结果值中选取一个值作为该像素点对应的比率梯度。
[0045]
对于大小为m
×
n的sar图像i中的某一个像素i(i,j),i∈[r+1,m-r],j∈[r+1,m-r]，使用模板图像集合tn:{t1,t2,...,tn}计算该像素的比率梯度，得到n个不同的结果，记为sn:{s1,s2,...,sn}。
[0046]
具体计算如下：对于第k个模板图像tk，将该模板图像的中心tk(r+1,r+1)与像素i(i,j)对齐，此时由模板tk中的扇形区域a和b标识出了图像i的两个扇形区域i
ka
和i
kb
。分别统计区域i
ka
和i
kb
的灰度均值m
ka
和m
kb
，得到结果sk=m
ka
/m
kb
。则，对于模板图像集合tn:{t1,t2,...,tn}，能够得到n个结果sn:{s1,s2,...,sn}。
[0047]
然后，对sn:{s1,s2,...,sn}中所有值取倒数，得到sn’:{1/s1,1/s2,...,1/sn}。取sn和sn’中的最大值s
max
=max{s1,s2,...,s
n，
1/s1,1/s2,...,1/sn}作为像素i(i,j)的比率梯度g(i,j)。
[0048]
步骤305，根据各个像素点的比率梯度，确定目标图像的边缘。
[0049]
本公开的上述实施例提供的图像边缘检测方法，通过射流形状（扇形）的比率梯度计算区域设计，使得在乘性噪声条件下依然能够计算出较精确的图像边缘比率梯度信息，提取的图像边缘更加显著，提高了该图像数据的后续高级应用（如目标检测、识别、跟踪等）质量。射流形状的比率梯度计算区域设计，能够适应大弯曲变化的边缘轮廓提取。
[0050]
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种图像边缘检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0051]
如图6所示，本实施例的图像边缘检测装置600包括：图像获取单元601、参数确定单元602、图像确定单元603、梯度确定单元604和边缘检测单元605。
[0052]
图像获取单元601，被配置成获取目标图像。
[0053]
参数确定单元602，被配置成根据目标图像，确定模板图像的参数。
[0054]
图像确定单元603，被配置成根据参数，确定模板图像集合。
[0055]
梯度确定单元604，被配置成对于目标图像中的每个像素点，根据该像素点以及模板图像集合，确定各个像素点的比率梯度。
[0056]
边缘检测单元605，被配置成根据各个像素点的比率梯度，确定目标图像的边缘。
[0057]
综上所述，在本公开的技术方案中，通过射流形状（扇形）的比率梯度计算区域设计，使得在乘性噪声条件下依然能够计算出较精确的图像边缘比率梯度信息，提取的图像边缘更加显著，提高了该图像数据的后续高级应用（如目标检测、识别、跟踪等）质量。射流形状的比率梯度计算区域设计，能够适应大弯曲变化的边缘轮廓提取。
[0058]
以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

技术特征：
1.一种图像边缘检测方法，包括：获取目标图像；根据所述目标图像，确定模板图像的参数；根据所述参数，确定模板图像集合；对于所述目标图像中的每个像素点，根据该像素点以及所述模板图像集合，确定各个像素点的比率梯度；根据各个像素点的比率梯度，确定所述目标图像的边缘。2.根据权利要求1所述的方法，其中，所述模板图像包括扇形对，所述参数包括扇形的半径和圆心角；以及所述根据所述目标图像，确定模板图像的参数，包括：根据所述目标图像的像素信息以及预设的扇形区域面积值，确定模板图像的参数。3.根据权利要求2所述的方法，其中，所述根据所述目标图像的像素信息以及预设的扇形区域面积值，确定模板图像的参数，包括：根据所述目标图像的像素信息，确定目标图像的对比度；根据所述对比度以及所述预设的扇形区域面积值，确定模板图像的参数。4.根据权利要求2所述的方法，其中，所述根据所述目标图像的像素信息以及预设的扇形区域面积值，确定模板图像的参数，包括：根据所述目标图像的像素信息，确定所述目标图像的细节信息；根据所述细节信息以及所述预设的扇形区域面积值，确定模板图像的参数。5.根据权利要求2所述的方法，其中，所述根据所述参数，确定模板图像集合，包括：以预设坐标系的原点为中心点，根据所述半径和圆心角，确定扇形对；以所述原点为中心点，将所述扇形对进行n次旋转，根据每次旋转得到的扇形对，确定所述模板图像集合。6.根据权利要求2所述的方法，其中，所述扇形对中各扇形的中线位于同一直线。7.根据权利要求5所述的方法，其中，所述将所述扇形对进行n次旋转，包括：将所述扇形对沿同一方向每次旋转预设角度，直至n次旋转结束，其中，n
×
预设角度=180
°
。8.根据权利要求1所述的方法，其中，所述对于所述目标图像中的每个像素点，根据该像素点以及所述模板图像集合，确定各个像素点的比率梯度，包括：对于所述目标图像中的每个像素点，将所述模板图像集合中各模板图像的中心置于该像素点处，分别计算各模板图像对应区域的比率梯度。9.根据权利要求8所述的方法，其中，所述分别计算各模板图像的对应区域的比率梯度，包括：对于每个模板图像的对应区域，确定该对应区域的灰度均值；根据各灰度均值，确定比率梯度。10.一种图像边缘检测装置，包括：图像获取单元，被配置成获取目标图像；参数确定单元，被配置成根据所述目标图像，确定模板图像的参数；图像确定单元，被配置成根据所述参数，确定模板图像集合；
梯度确定单元，被配置成对于所述目标图像中的每个像素点，根据该像素点以及所述模板图像集合，确定各个像素点的比率梯度；边缘检测单元，被配置成根据各个像素点的比率梯度，确定所述目标图像的边缘。

技术总结
本公开涉及一种图像边缘检测方法和装置，涉及计算机视觉领域。其中的方法包括：获取目标图像；根据目标图像，确定模板图像的参数；根据参数，确定模板图像集合；对于目标图像中的每个像素点，根据该像素点以及模板图像集合，确定各个像素点的比率梯度；根据各个像素点的比率梯度，确定目标图像的边缘。应用本公开可以根据目标图像中的信息，确定模板图像的参数。并根据确定的模板图像集合，确定目标图像中各像素点的比率梯度，从而实现了目标图像的边缘检测，提高了边缘检测的准确度。提高了边缘检测的准确度。提高了边缘检测的准确度。


技术研发人员：李晓明 李勇 贾江凯 郝怡 孙博 李慧超 郑斌 刘丹 刘明明
受保护的技术使用者：国网数字科技控股有限公司
技术研发日：2023.08.14
技术公布日：2023/9/13