基于多尺度各向异性高斯核的图像高分辨率边缘检测理论与方法

Using the multiscale anisotropic Gaussian kernels as the tool, this project systemically investigates the high resolution edge detection theory, methods, and algorithms of gray images.The main content of this program includes three aspects. First , combine the image noise characterics, design the multiscale anisotropic Gaussian kernels (ANGKs), which can suppress noise and extract gray image's feature information well. The study includes the adaptively determination of the scale range of ANGKs to detect the edge for each image, the number orientations of the ANGKs demanded to extract the feature information, which also paves a way for the image edge detection. Second, establish the ANGKs representations of various edge, and analyze their invariant features in geometric transforms, which forms the fundament for noise-robustness high resolution edge detection theory. Third, use the properties of the cross-type edge to overcome the prolbem of edge break at cross edge, and forms the image edge contour methods and algorithms using the multiscale ANGKs. The project will technically support the application of image feature extraction technology in computer vision and image processing.

利用多尺度各向异性高斯核为工具，本项目研究噪声稳健的图像高分辨率边缘检测理论、方法、算法。首先，结合图像中的噪声特性，研究能有效去除噪声且能有效提取图像灰度变化信息的各向异性高斯核的设计方法，其中包括自适应确定各向异性高斯核检测每一幅图像边缘所需尺度范围的选择方法及各向异性高斯核提取特征信息所需方向的个数方法，为后续的图像边缘检测奠定基础；其次，建立各种类型边缘的多尺度各向异性高斯核表征，分析表征的几何及灰度变化的不变特征，在此基础上研究噪声稳健的高分辨率边缘检测理论；最后，拟利用交叉型边缘的属性分析来研究如何克服边缘细化和定位时，交叉型边缘处易出现边缘断裂的问题，并研究图像边缘轮廓提取方法和算法。项目的研究将为图像局部特征提取技术在计算机视觉和图像处理中的应用提供技术支撑。

本项目以多尺度各向异性高斯核为工具，系统研究了噪声稳健的图像高分辨边缘检测理论、方法、算法。首先，结合图像中的噪声特性，研究能有效去除噪声且能有效提取图想灰度变化信息的各向异性高斯核的设计方法，其中包括自适应确定各向异性高斯核检测每一幅图像边缘所需尺度范围的选择方法及各向异性高斯核提取特征信息所需方向的个数方法，为后续的图像边缘检测奠定基础；其次，建立各种类型边缘的多尺度各向异性高斯核表征，分析表征的几何级灰度变化的不变特征，在此基础上研究噪声稳健的高分辨率边缘检测理论；最后，利用交叉型边缘的属性分析来研究如何克服边缘细化和定位时，交叉型边缘处易出现边缘断裂的问题，并研究图像边缘轮廓提取方法和算法。项目的研究为图像局部特征提取技术在计算机视觉和图像处理中的应用提供技术支撑。该研究主要成果发表在国际顶级期刊《Pattern Recognition》的文章《Noise robust image edge detection based upon the automatic anisotropic Gaussian kernels 》上。