利用 q-高斯核通过高斯差分进行边缘检测

在图像处理中，边缘检测是从图像中提取特征的重要工具。该检测减少了待处理的信息量，因为冗余信息（被认为相关性较低）可以被忽略。边缘检测技术包括确定数字图像中强度发生急剧变化的点。例如，这些变化是由于表面取向的不连续性造成的。一种众所周知的边缘检测方法是高斯差分 (DoG)。该方法包括减去两个高斯函数，其中一个核的标准差小于前一个。核的差值与输入图像之间的卷积结果即为该图像的边缘检测。本文介绍了一种使用基于 q-高斯概率分布的核进行 DoG 来提取边缘的方法，该分布源自 Constantino Tsallis 提出的 q-统计量。为了展示该方法的潜力，我们将所提出的方法与传统的使用高斯核的 DoG 进行了比较。结果表明，所提出的方法能够提取出更精确细节的边缘。