一种一维图像自适应分层边缘检测提取算法

摘要

本发明一种一维图像分层边缘检测提取的方法，对原始一维图像进行巴特沃斯低通滤波，得到滤除高频干扰信号的滤波图像；对滤波后的一维图像待检测区域进行模糊计算划分，得到横坐标维度上的非核心分层边缘区域，包括起始边缘区域和终止边缘区域，核心分层边缘区域；对得到的两区域内信号数据进行进一步幅值和斜率特征提取，并转化为特征量与横坐标区域进行一一对应映射，最终对待检测分层边缘进行属类划分；根据待检测分层边缘属类分别采用不同算法进行处理，提取分层边缘横坐标信息。

说明书

技术领域

本发明属于数字图像处理领域，特别涉及不同干扰情况下一维图 像分层边缘的检测提取算法。

背景技术

一维数字图像的边缘检测是一维图像处理中的重要方面，基于分 层边缘检测提取的算法可对均一物质分层经光电探测器获取信号进 行迅速、高效的提取，并结合其他条件转化为对应分层的物理参数。 该技术目前广泛应用于物理、化学、生物等各类经离心后均一类物质 的荧光、透射光及反射光检测和分析。

当前用于一维数字信号分层边缘检测的算法主要是针对一维图像 理想情况采用一阶导数判断待测点是否为边缘点，采用二阶导 数判断一个边缘像素的具体位置(是位于实际边界区域左侧部 分还是右侧部分)。该方法在偏理想情况下应用效果较好，但基于导 数对噪声及干扰的敏感性，且随着阶数提高，敏感度越来越高的特点， 在噪声干扰较为严重的情况下，实用性较差，尤其对于分层不均匀或 者存在较强干扰的情况，其应用缺陷十分明显。

基于实用考虑，当前提出了基于滤波和样条差值进行分层边缘检 测提取的算法，该方法对于噪声干扰下一维图像的处理效果较好，但 对于来自待测样本自身预处理中各类干扰(如分层不均，长期放置导 致的扩散，杂质混入等)存在情况下荧光、透射光及反射光的分析检 测效果较差，尤其针对高度依赖样本前处理的荧光信号来说，实用意 义严重受限。

发明内容

本发明的目的是针对上述问题，提供一种一维数字图像自适应边 界检测提取算法，可以实用与各种噪音干扰，尤其是系统自身干扰存 在情况下各类分层图像边缘的检测盒提取。

为实现上述发明目的，本发明算法如图1所示，实现步骤如下：

对原始一维图像进行巴特沃斯低通滤波，得到滤除高频干扰信号 的滤波图像；

对滤波后的一维图像待检测区域进行模糊计算划分，得到横坐标 维度上的非核心分层边缘区域(包括起始边缘区域和终止边缘区域)， 核心分层边缘区域；

对得到的两区域内信号数据进行进一步幅值和斜率特征提取，并 转化为特征量与横坐标区域进行一一对应映射，最终对待检测分层边 缘进行属类划分；

根据待检测分层边缘属类分别采用不同算法进行处理，提取分层 边缘横坐标信息。

所述原始一维图像采用巴特沃斯低通滤波器进行高频干扰信号的 滤除。

所述模糊计算采用直方图统计方法，包括：

a.将待检测分层边界幅值划分为N个幅值区间： [f_min+nd，f_min+(n+1)d](n＝0，1，2…N-1)，其中d＝(f_max-f_min)/N，f_min为信 号最小幅值，f_max为信号最大幅值；

b.根据所划分的N个幅值区间，依次对一维图像分层边界区域幅 值进行直方图统计，得到N组频数(P₁，P₂…P_N)及其一一映射对应横坐 标区间[x_i，x_i+1]，(i＝0，1…，N-1)。N个幅值区间划分以不出现横坐标区 间重叠为基本要求，且N≥3。

c.在横坐标维度上，从起始幅值区域开始自适应查找起始边缘区 域，当k＝0时为初始频数P₀＝P₀。如果频数P_k+1/P_k≥α，则 继续执行否则停止，获得累积频数P_k+1及对应坐标区间 [x_s，x_s+(k+1)d_x]，其中d_x＝(x_o-x_s)/N。

d.在横坐标维度上，从终止幅值区域开始自适应查找终止边缘 区域，当m＝1时为初始频数P₀＝P_N。如果频数P_m-1/p_m≥β， 则继续执行否则停止，获得累积频数P_m+1及对应横坐标 区间[x_s+(m+1)d_x，x_o]。

e.依据以上频数累积计算，得到核心分层边缘区域 [x_s+(k+1)d_x，x_s+(m+1)d_x]及非核心分层边缘区域(其中起始边缘区域为 [x_s，x_s+(k+1)d_x]，终止边缘区域为[x_s+(m+1)d_x，x_o])。步骤d和e中参数 α，β一般情况下相同，具体可依据不同检测要求进行差异化设定。

所述的对待检测分层边缘区域进行曲线拟合，采用方法为最小二 乘法拟合，拟合次数为二次，拟合后曲线表示为

所述的对得到两区域内信号数据进行进一步幅值和斜率特征提取 需要构造两个变量：其中f_x为滤波后原始数据，为 拟合后曲线幅值，A为特征提取区间数据集； 其中k取整数，为子区域长度，用于对待 评价区域进一步细分计算相应特征量；分别对非核心分层边缘区域 (包括起始边缘区域和终止边缘区域)及核心分层边缘区域进行CV 及的特征量计算，当CV≥φ时，判定该区域曲线幅值与拟合曲线幅 值整体差异较大，则所受干扰相对严重，曲线形态不规则，反之则所 受干扰较小；当判定该横坐标附近区域斜率一致性较好曲线 较为陡峭，位于核心分层边缘区域，反之则位于非核心分层边缘区域； 则依据这两个特征量，结合上一步所划分的三层，可基本进行所在区 域属类划分，共包含四种情况：一是核心分层边缘区域干扰较多，非 核心分层边缘区域干扰较少；二是核心分层边缘区域干扰少，非核心 分层边缘区域干扰多；三是核心分层边缘区域干扰多，非核心分层边 缘区域干扰多；四是核心分层边缘区域干扰少，非核心分层边缘区域 干扰少。

所述的根据不同属类设计相对应算法，其中属类一、二对应算法 为自适应循环查找法，属类二对应映射法，属类四以上各种方法均可。 所述的属类一、三对应算法为自适应循环查找法，包括：

a.依次在起始边缘区域和终止边缘区域遍历查找相对应的峰值、 谷值及其对应坐标点：(x_min，F_min)和(x_max，F_max)；

b.分别从x_l＝x_min和x_r＝x_max向T＝1/2*(x_max+x_min)方向查找拐点 设定遍历查找结果分别为x_a和x_i；

c.采用附加条件进行判定，若查找横坐标x满足 其中Ψ为横坐标阈值，γ为幅值阈值系数，为斜率阈值，则认为查找基本符合要求；

d.若两侧遍历查找坐标均满足此要求，则按照以下优先规则进 行判定：①比较|T-x_a|与|T-x_i|，差值小则优先选取；②比较 $|f_T-f_{x_a}|\le \gamma (F_{\max }-F_{\min })$与$|f_T-f_{x_i}|\le \gamma (F_{\max }-F_{\min }),$差值小则优先选取；若 两侧遍历查找结果仅有一个满足，则选取该结果；若均不满足则设置 新的起始查找坐标x_l=x_a+l，x_r=x_i+l(此处假设x_a和x_i分别为起始区域和 终止区域的首次遍历查找坐标点)，其中l为遍历查找横坐标更新步 长，然后重复步骤b、c，直到满足条件。

所述的根据不同属类设计相对应算法，其中属类二对应算法为映 射法，包括：

a.在[x_s，x_o]区间(此处设定x_s，x_o分别为起始区域和终止区域的对 应极值坐标点)将每个横坐标映射至另一数集，其映射关系为 其中w为排除窗长度，主要为了防止映射坐标 点附近干扰对映射结果的影响，L为映射采集窗长度；

b.遍历查找映射后集合，获得C_max＝max{C(x)|x∈[x_s，x_o]}，则对应 横坐标为所求；

所述的根据不同属类设计相对应算法，其中属类四对应算法可采 用自适应循环查找法或映射法。

附图说明

图1是根据本发明一个实施例的检测提取算法流程图；

图2是根据本发明一个实施例的模糊计算流程图；

图3是根据本发明一个实施例的算法处理后分层边缘划分图；

图4是根据本发明一个实施例的区域划分后基本处理流程图；

图5是根据本发明一个实施例的循环查找算法处理流程图；

图6是根据本发明一个实施例的映射算法流程图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实 施例，并配合附图详细说明如下：

本发明流程如图1所示，包括步骤：(1)采用巴特沃斯低通滤波 进行高频杂波滤除；(2)对滤波后的一维图像待检测区域进行模糊计 算划分，得到横坐标维度上的非核心分层边缘区域(包括起始边缘区 域和终止边缘区域)，核心分层边缘区域；(3)对得到的两区域内信 号数据进行进一步幅值和斜率特征提取，并转化为特征量与横坐标区 域进行一一对应映射，最终对待检测分层边缘进行属类划分；(4)根 据待检测分层边缘属类分别采用不同算法进行处理，提取分层边缘横 坐标信息。

每个步骤具体如下：

步骤(1)：采用巴特沃斯低通滤波进行高频杂波滤除巴特沃斯低 通滤波器可以较好地保持低频信号，同时滤除高频干扰信号。

步骤(2)：对滤波后的一维图像待检测区域U进行模糊计算划分， 得到横坐标维度上的非核心分层边缘区域U₁(包括起始边缘区域和终 止边缘区域)，核心分层边缘区域U₂，其中U＝U₂∪U₂，处理流程如图 2所示，处理后分层边缘划分情况，如图3所示

a.将待检测分层边界幅值划分为N个幅值区间 S_n：[f_min+nd，f_min+(n+1)d](n＝0，1，2…N-1)，其中d＝(f_max-f_min)/N，f_min为 信号最小幅值，f_max为信号最大幅值；

b.根据所划分的N个幅值区间，依次对一维图像分层边界区域 幅值进行直方图统计，得到N组频数(P₀，P₁…P_N-1)及其一一映射对应横 坐标区间H_i：[x_i，x_i+1](i＝0，1…，N-1)。N个幅值区间划分原则以不出现横 坐标区间重叠为基本要求，一般情况下N≥3。

C.设定左侧起始横坐标区间为[x₀，x₁]，其中x₀＝x_s，起始累积频数 p＝P₀。对于2≤k≤N-1的累积计算过程，如果频数值满足条件 P_k+1/P_k≥α，则进行频数累积否则停止，获得累积频数P_k+1及对应区间U_1l:[x_s，x_s+(k+1)d_x]，该区间即为起始边缘区域。

d.设定右侧起始横坐标区间为[x_N-1，x_N]，其中x_N＝x_o，起始累积 频数p＝P_N-1。对于2≤m≤N-1的累积计算过程，如果频数P_N-m/P_m≥β， 则进行频数累积否则停止，获得累积频数P_m+1及对应区 所在区域属类划分，共包含四种情况：一核心分层边缘区域干扰较多， 非核心分层边缘区域干扰较少；二核心分层边缘区域干扰少，非核心 分层边缘区域干扰多；三核心分层边缘区域干扰多，非核心分层边缘 区域干扰多；四核心分层边缘区域干扰少，非核心分层边缘区域干扰 少。在计算时，核心分层边缘区域和非核心分层边缘区域可进一 步划分为子区域以进一步判断。

步骤(4)：根据待检测分层边缘属类分别采用不同算法进行处理， 提取分层边缘横坐标信息，如图5所示

对于属类一、三采用自适应循环查找法，主要包括：

a.设定待检测分层边缘区域U区间为[x_s，x_o]，初始化坐标 i＝x_s，j＝x_o。随着i在依次递增，在横坐标xs附近遍历查找相应幅值极 值，随着j依次递减，在横坐标x_o附近遍历查找相应幅值极值，则最 终可得曲线起始边缘区域和终止边缘区域对应的峰值、谷值及其对应 横坐标：(x_min，F_min)和(x_max，F_max)；

b.分别设定两侧查找起始坐标为x_l＝x_min和x_r＝x_max，分别向 T＝1/2*(x_max+x_min)方向查找拐点设定首次查找结果分别为x_a和x_i；

c.采用附加条件进行判定，若查找横坐标x满足 其中Ψ为横坐标阈值，γ为幅值阈值系数，为斜率阈值，则认为查找基本符合要求；

d.若两侧遍历查找坐标均满足此要求，则按照以下优先规则进 行判定：①比较|T-x_a|与|T-x_i|，差值小者优先选取；②比较与差值小者优先选取；若两侧遍历查找结果仅有一个满足， 则选取该结果；若均不满足则设置新的起始查找坐标x_l=x_a+l，x_r=x_i+l (此处假设x_a和x_i分别为起始区域和终止区域的首次遍历查找坐标 点)，其中l为遍历查找横坐标更新步长，与查找精度密切相关，然后 重复步骤b、c，直到满足限定条件。

对于属类二采用映射法，如图6所示，主要包括：

b.在[x_s，x_o]区间(此处设定x_s，x_o分别为起始区域和终止区域的对 应极值坐标点)将每个横坐标x映射至另一数集Q，其映射关系为 其中w为排除窗长度，主要为了防止映射坐标 点附近干扰对映射结果的影响，L为映射采集窗长度；

c.遍历查找映射后集合Q，获得C_max＝max{C(x)|x∈[x_s，x_o]}，则对 应横坐标x_q为所求；

以上对本发明实施实例所提供的实施例进行了详细介绍，本文中 应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例 的说明只是用于帮助理解本发明的方法及核心思想；同时，对于本领 域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围 上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的 限制。