本发明涉及图像处理，特别是涉及一种实时边缘提取方法、系统及电子设备。
背景技术：
1、最近几年随着人工智能安全、区块链等技术的崛起，边缘检测技术作为图像处理中最基本、最关键的技术，在生产生活以及工业处理中得到了广泛的应用，人们对于图像处理的质量、速度以及实时性的要求也越来越高。但是现有的边缘检测技术存在检测精度低、速度慢的问题。
技术实现思路
1、为解决现有技术存在的上述问题，本发明提供了一种实时边缘提取方法、系统及电子设备。
2、为实现上述目的，本发明提供了如下方案：
3、一种实时边缘提取方法，包括：
4、获取红外图像，并将所述红外图像转化为灰度图像；
5、对所述灰度图像进行形态学滤波得到去噪图；
6、将所述灰度图输入至改进的perona-malik模型得到显著性图；
7、基于所述去噪图和所述显著性图得到边缘检测图像。
8、可选地，所述改进的perona-malik模型为：
9、
10、式中，λ为强度系数，为基于小目标信息增强的边缘停止函数，u(x,y,t)为t时刻(x,y)坐标下的灰度值，u为灰度图像，为梯度算子，div为散度算子，u0为原始灰度图像，u(t＝0)为t＝0时刻的灰度图像。
11、可选地，对所述去噪图和所述显著性图进行加权求和得到所述边缘检测图像。
12、可选地，对所述去噪图和所述显著性图进行加权求和的公式为：
13、
14、式中，u2为去噪图，u3为最终得到的显著性图，f为边缘检测图像，σ为背景差值的均值，σmin为背景差值中的最小值，σmax为背景差值中的最大值，c1为最小融合权值，c2为最大融合权值，w为权重值。
15、可选地，对所述灰度图像进行形态学滤波得到去噪图，具体包括：
16、对灰度图像进行闭运算处理得到所述去噪图。
17、可选地，对灰度图像进行闭运算处理的公式为：
18、
19、式中，·为闭运算，为膨胀运算，θ为腐蚀运算，u为灰度图像，s为结构元素。
20、进一步，本发明提供了一种实时边缘提取系统，所述系统用于实施上述提供的实时边缘提取方法；所述系统包括：
21、图像转换模块，用于获取红外图像，并将所述红外图像转化为灰度图像；
22、滤波处理模块，用于对所述灰度图像进行形态学滤波得到去噪图；
23、显著性处理模块，用于将所述灰度图输入至改进的perona-malik模型得到显著性图；
24、边缘检测模块，用于基于所述去噪图和所述显著性图得到边缘检测图像。
25、再进一步，本发明还提供了一种电子设备，该电子设备包括：
26、存储器，用于存储计算机程序；
27、处理器，与所述存储器连接，用于调取并执行所述计算机程序，以实施上述提供的实时边缘提取方法。
28、根据本发明提供的具体实施例，本发明公开了以下技术效果：
29、本发明将红外图转化为灰度图像后，对其进行形态学滤波而得到去噪图，以防止对后续计算带来影响；且，利用改进的perona-malik模型求取边缘检测的显著性图，并基于去噪图和显著性图得到边缘检测图像，能够较好地提取到整个图像的边缘纹理信息，具有算力低、处理速度快等优点，进而能够解决现有技术存在的边缘检测精度低、速度慢等问题。
1.一种实时边缘提取方法，其特征在于，包括：
2.根据权利要求1所述的实时边缘提取方法，其特征在于，所述改进的perona-malik模型为：
3.根据权利要求1所述的实时边缘提取方法，其特征在于，对所述去噪图和所述显著性图进行加权求和得到所述边缘检测图像。
4.根据权利要求3所述的实时边缘提取方法，其特征在于，对所述去噪图和所述显著性图进行加权求和的公式为：
5.根据权利要求1所述的实时边缘提取方法，其特征在于，对所述灰度图像进行形态学滤波得到去噪图，具体包括：
6.根据权利要求5所述的实时边缘提取方法，其特征在于，对灰度图像进行闭运算处理的公式为：
7.一种实时边缘提取系统，其特征在于，所述系统用于实施如权利要求1-6任意一项所述的实时边缘提取方法；所述系统包括：
8.一种电子设备，其特征在于，包括：
