买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川省建筑机械化工程有限公司申请的专利基于图像自动化处理的高精度边缘提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121095587B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511657628.3，技术领域涉及：G06V10/44；该发明授权基于图像自动化处理的高精度边缘提取方法是由饶建波;杜志勇;许彤;郑伟;谢晋;金爽设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于图像自动化处理的高精度边缘提取方法在说明书摘要公布了：本发明涉及机器视觉与图像识别技术领域，公开了一种基于图像自动化处理的高精度边缘提取方法，包括：构建标准化图像系统，并通过标准化图像系统获取初始标准化木模板图像；对初始标准化木模板图像进行多模态融合预处理；采用Otsu算法确定高阈值与低阈值，对二值化图像进行边缘检测后，生成初边缘图像与边缘梯度图；然后将初边缘图像输入预训练完成的轻量化自适应U‑Net模型，输出边缘概率图；对边缘概率图依次进行形态学开运算去噪处理、B样条曲线平滑拟合处理和坐标系统校准处理，得到木模板边缘坐标；计算木模板边缘坐标与标准模板边缘坐标的平均误差。本发明实现木模板边缘从图像到实际物理坐标的精准转化。

本发明授权基于图像自动化处理的高精度边缘提取方法在权利要求书中公布了：1.一种基于图像自动化处理的高精度边缘提取方法，其特征在于，包括： 构建标准化图像系统，并通过所述标准化图像系统获取初始标准化木模板图像； 对所述初始标准化木模板图像进行多模态融合预处理，包括对所述初始标准化木模板依次进行自适应伽马光照归一化处理、纹理方向加权均值滤波处理、拉普拉斯金字塔边缘增强处理和Sauvola局部自适应二值化处理得到二值化图像，其中，自适应伽马光照归一化处理包括图像灰度特征分析、纹理复杂度计算与基础伽马值确定、边缘区域优先调整与伽马值优化、伽马值平滑过渡与光照归一化执行四个子步骤； 对所述初始标准化木模板依次进行自适应伽马光照归一化处理的具体过程为： 步骤A、图像灰度特征分析： 步骤A1、计算初始标准化木模板图像的灰度直方图，统计初始标准化木模板图像中所有像素的灰度值分布，确定灰度值的分位数与分位数，将所述初始标准化木模板图像划分为暗部区域、正常部区域和亮部区域，其中，所述暗部区域的像素灰度值，所述正常部区域的像素灰度值，所述亮部区域的像素灰度值，、为正数且； 步骤A2、以3×3为第一局部窗口，遍历所述初始标准化木模板图像的每个像素，采用Sobel算子分别计算第一局部窗口内x方向亮度梯度与y方向亮度梯度，通过公式计算得到每个窗口的亮度梯度值； 步骤A3、根据所述亮度梯度值的分布特性，将所述初始标准化木模板图像的所有亮度梯度值划分为低梯度区、中梯度区和高梯度区，并将该梯度分区与步骤A1划分的暗部区域、正常部区域、亮部区域叠加，形成9个精细分区，分别为暗部‑低梯度区、暗部‑中梯度区、暗部‑高梯度区、正常部‑低梯度区、正常部‑中梯度区、正常部‑高梯度区、亮部‑低梯度区、亮部‑中梯度区、亮部‑高梯度区，其中，所述低梯度区的亮度梯度值，所述中梯度区的亮度梯度值，所述高梯度区的亮度梯度值，其中，、为正数，且； 步骤B、纹理复杂度计算与基础伽马值确定： 步骤B1、以5×5为第二局部窗口，遍历9个精细分区内的每个像素，通过灰度共生矩阵GLCM计算每个第二局部窗口内的纹理对比度Contrast与纹理熵值Entropy，其中，所述纹理对比度Contrast用于反映所述第二局部窗口内纹理的清晰程度，所述纹理熵值Entropy用于反映所述第二局部窗口内纹理的随机复杂程度； 步骤B2、通过公式计算得到每个所述第二局部窗口的纹理复杂度系数，并将的第二局部窗口划分为低纹理区，的第二局部窗口划分为中纹理区，的第二局部窗口划分为高纹理区，其中，、为正数，且； 步骤B3、根据精细分区与纹理复杂度分区的对应关系，确定每个像素的基础伽马值； 步骤B4、对确定的所述基础伽马值进行取值范围约束，若，则将所述基础伽马值设为；若，则将所述基础伽马值设为，、为正数，且； 步骤C、边缘区域优先调整与伽马值优化： 步骤C1、调用所述初始标准化木模板图像通过改进Canny初边缘检测方法生成的边缘梯度图，提取梯度值排名前20%的像素作为边缘区域像素，标记出9个精细分区中高梯度区内的边缘区域； 步骤C2、根据高梯度区内边缘区域的像素所属亮度区域对所述亮度梯度值进行微调：若属于暗部区域，将所述亮度梯度值增加0.1得到调整后伽马值；若属于亮部区域，将所述亮度梯度值减少0.1得到调整后伽马值；非边缘区域的高梯度区像素及其他精细分区像素，调整后伽马值； 步骤C3、计算调整后9个精细分区的边缘信噪比SNR，，其中，表示边缘区域像素的平均灰度值，为非边缘区域噪声像素的平均灰度值；若，则确定调整后伽马值为当前区域最终伽马值；若，则以0.05为步长、暗部区域递增亮部区域递减的方式重复调整，直至或者触及和边界，为设定阈值； 步骤D：伽马值平滑过渡与光照归一化执行： 步骤D1、以7×7为平滑窗口，遍历所述初始标准化木模板图像的每个像素，对所述平滑窗口内所有像素的最终伽马值进行加权平均计算，其中窗口中心像素权重设为，窗口内其余48个像素权重总计为，得到平滑后最终伽马值，； 步骤D2、验证平滑后相邻像素的差异，若差异，则重新调整平滑窗口权重，直至相邻像素差异不大于预设差异阈值； 步骤D3、对初始标准化木模板图像的每个像素，通过公式执行伽马变换，其中为初始标准化木模板图像像素的灰度值，为伽马变换后像素的灰度值，完成自适应伽马光照归一化处理，输出光照归一化木模板图像； 执行纹理方向加权均值滤波处理、拉普拉斯金字塔边缘增强处理和Sauvola局部自适应二值化处理的具体过程为： 纹理方向加权均值滤波处理：通过Sobel算子确定光照归一化木模板图像中木模板的纹理主方向，采用与所述纹理主方向匹配的滤波核对所述光照归一化木模板图像进行加权均值滤波得到滤波后图像，其中，纹理方向加权均值滤波的滤波核为椭圆形，长轴平行于纹理主方向；加权均值滤波的权重公式为；式中，d为像素与滤波核中心的距离，为滤波核长轴的半长； 拉普拉斯金字塔边缘增强处理：将所述滤波后图像分解为多层拉普拉斯金字塔，对不同层级分别进行对比度拉伸与阈值增强，重构得到边缘增强图像； Sauvola局部自适应二值化处理：以预设尺寸的第三局部窗口计算所述边缘增强图像中第三局部窗口内像素均值与标准差，基于均值与标准差确定二值化阈值，输出二值化图像，计算公式为：，式中，为第三局部窗口内像素均值，为第三局部窗口内像素标准差，k、R为常数，且，； 采用Otsu算法确定高阈值与低阈值，对所述二值化图像进行边缘检测后，对距离且梯度方向一致的断开边缘段进行线性连接，生成初边缘图像与边缘梯度图；然后将所述初边缘图像输入预训练完成的轻量化自适应U‑Net模型，输出边缘概率图； 所述轻量化自适应U‑Net模型采用深度可分离卷积构建编码器，通过跳跃连接融合特征，采用动态权重联合损失函数训练得到，其中，、为正数； 对所述边缘概率图依次进行形态学开运算去噪处理、B样条曲线平滑拟合处理和坐标系统校准处理，得到木模板边缘坐标； 计算所述木模板边缘坐标与标准模板边缘坐标的平均误差，若平均误差不大于第一阈值，输出边缘坐标与边缘标注可视化图像；若平均误差大于第一阈值或边缘检测交并比小于第二阈值，触发重拍指令或报警信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川省建筑机械化工程有限公司，其通讯地址为：610000 四川省成都市成华区二仙桥西一巷7号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。