1.一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，包括以下步骤：获取目标欧松板图像，并对所述目标欧松板图像进行边缘检测，将检测得到的每个强边缘和每个弱边缘均确定为初始边缘，得到初始边缘集合；

对所述初始边缘集合中的每个初始边缘进行曲率变化分析处理，得到每个初始边缘对应的曲率变化指标；

对每个初始边缘的两侧区域进行边缘分布差异分析处理，得到每个初始边缘对应的边缘分布差异指标；

根据每个初始边缘对应的曲率变化指标和边缘分布差异指标，确定每个初始边缘对应的目标轮廓指标；

根据目标轮廓指标，从所述初始边缘集合中筛选出强轮廓边缘，并将所述初始边缘集合中除了强轮廓边缘之外的初始边缘，确定为目标弱边缘；

根据每个强轮廓边缘与其相邻的每个目标弱边缘之间的夹角，以及目标弱边缘对应的目标轮廓指标，确定每个强轮廓边缘与其相邻的每个目标弱边缘之间的目标连接概率；

根据所有强轮廓边缘与其相邻的所有目标弱边缘之间的目标连接概率，对强轮廓边缘和目标弱边缘进行自适应连接，得到目标边缘轮廓集合；

所述对所述初始边缘集合中的每个初始边缘进行曲率变化分析处理，得到每个初始边缘对应的曲率变化指标，包括：将所述初始边缘上任意一个像素点，记为标记像素点，从所述初始边缘上筛选出离所述标记像素点最近的预设数量个像素点，作为参考像素点，得到预设数量个参考像素点；

根据所述标记像素点和预设数量个参考像素点对应的位置进行曲线拟合，得到所述标记像素点对应的拟合曲线；

将所述标记像素点在其对应的拟合曲线上的曲率，确定为所述标记像素点对应的目标曲率；

根据所述初始边缘上所有像素点对应的目标曲率，确定所述初始边缘对应的曲率变化指标；

初始边缘对应的目标轮廓指标对应的公式为：

；其中， 是初始边缘

集合中第k个初始边缘对应的目标轮廓指标；k是初始边缘集合中初始边缘的序号； 是初始边缘集合中第k个初始边缘对应的长度； 是初始边缘集合中第k个初始边缘上所有像素点对应的梯度值的均值； 是以自然常数为底的指数函数； 是初始边缘集合中第k个初始边缘对应的曲率变化指标； 是双曲正切函数； 是绝对值函数； 是初始边缘集合中第k个初始边缘对应的参考区域内第一个子区域对应的边缘混乱程度；

是初始边缘集合中第k个初始边缘对应的参考区域内第二个子区域对应的边缘混乱程度；

是取最小值函数； 是初始边缘集合中第k个初始边缘对应

的边缘分布差异指标；是预先设置的大于0的因子；

所述根据每个强轮廓边缘与其相邻的每个目标弱边缘之间的夹角，以及目标弱边缘对应的目标轮廓指标，确定每个强轮廓边缘与其相邻的每个目标弱边缘之间的目标连接概率，包括：将与所述强轮廓边缘相邻的任意一个目标弱边缘记为参考边缘，根据所述强轮廓边缘与所述参考边缘之间的夹角、所述强轮廓边缘上所有像素点对应的目标曲率的均值、所述参考边缘上所有像素点对应的目标曲率的均值、所述参考边缘对应的曲率变化指标和目标轮廓指标，确定所述强轮廓边缘与所述参考边缘之间的目标连接概率；

强轮廓边缘与其相邻的目标弱边缘之间的目标连接概率对应的公式为：；其中， 是第m个强

轮廓边缘与其相邻的第n个目标弱边缘之间的目标连接概率；m是强轮廓边缘的序号；n是与第m个强轮廓边缘相邻的目标弱边缘的序号； 是余弦函数； 是第m个强轮廓边缘与其相邻的第n个目标弱边缘之间的夹角； 是以自然常数为底的指数函数； 是与第m个强轮廓边缘相邻的第n个目标弱边缘对应的曲率变化指标； 是取绝对值函数；

是第m个强轮廓边缘上所有像素点对应的目标曲率的均值； 是与第m个强轮廓边缘相邻的第n个目标弱边缘上所有像素点对应的目标曲率的均值； 是与第m个强轮廓边缘相邻的第n个目标弱边缘对应的目标轮廓指标。

2.根据权利要求1所述的一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，所述根据所述初始边缘上所有像素点对应的目标曲率，确定所述初始边缘对应的曲率变化指标，包括：将所述初始边缘上所有像素点对应的目标曲率的方差，确定为所述初始边缘对应的曲率变化指标。

3.根据权利要求1所述的一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，所述对每个初始边缘的两侧区域进行边缘分布差异分析处理，得到每个初始边缘对应的边缘分布差异指标，包括：将任意一个初始边缘记作标记边缘，对所述标记边缘进行膨胀操作，得到连通区域，并将该连通区域对应在目标欧松板图像中的区域，确定为所述标记边缘对应的候选区域；

将所述候选区域内除了所述标记边缘之外的区域，确定为所述标记边缘对应的参考区域；

以所述标记边缘为分割线，将所述参考区域分割为两个子区域；

根据每个子区域内初始边缘对应的长度和曲率变化指标，确定每个子区域对应的边缘混乱程度；

根据所述两个子区域对应的边缘混乱程度的差值的绝对值，确定所述标记边缘对应的边缘分布差异指标，其中，两个子区域对应的边缘混乱程度的差值的绝对值与边缘分布差异指标呈正相关。

4.根据权利要求3所述的一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，子区域对应的边缘混乱程度对应的公式为：；其中，H是子区域对应的边缘混乱程度；

是以a为底的对数函数；a是预先设置的大于1的数值；S是子区域的面积；N是子区域内初始边缘的数量；b是子区域内初始边缘的序号； 是子区域内第b个初始边缘对应的长度； 是子区域内第b个初始边缘对应的曲率变化指标。

5.根据权利要求1所述的一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，所述根据目标轮廓指标，从所述初始边缘集合中筛选出强轮廓边缘，包括：从所述初始边缘集合中筛选出目标轮廓指标大于预设轮廓阈值的初始边缘，作为强轮廓边缘。

6.根据权利要求1所述的一种基于图像特征抽取的欧松板加工轮廓提取方法，其特征在于，所述根据所有强轮廓边缘与其相邻的所有目标弱边缘之间的目标连接概率，对强轮廓边缘和目标弱边缘进行自适应连接，得到目标边缘轮廓集合，包括：从与强轮廓边缘相邻的所有目标弱边缘中筛选出目标连接概率大于预设连接阈值的目标弱边缘，作为待连接边缘，得到该强轮廓边缘对应的待连接边缘集合；

连接强轮廓边缘与其对应的待连接边缘集合中的所有待连接边缘，得到该强轮廓边缘对应的目标边缘轮廓；

将得到的所有目标边缘轮廓组合为目标边缘轮廓集合。