The invention discloses an image key line detection method, which includes three parts: image preprocessing, line detection and critical line judgment. The invention is combined with least square method for line detection using the splitting method, the algorithm efficiency and accuracy is higher, at the same time, the invention uses K means algorithm uses linear clustering, according to the total length of straight line and line length to find the image category key line, effectively improve the accuracy of line detection, the invention further provides protection for target localization analysis and recognition process.
【技术实现步骤摘要】
一种图像关键直线检测方法
本专利技术涉及一种图像关键直线检测方法,具体是一种基于直线检测和聚类的图像关键直线检测方法。
技术介绍
图像关键直线检测方法是对图像中占比最多的直线进行检测,包括了图像预处理、直线检测和关键直线判别三个部分,为进一步目标定位、分析、识别等过程提供条件。目前直线检测的算法较为成熟,主要可以分为两类基于Hough变换的直线检测方法和基于链码的直线检测方法。基于Hough变化的直线检测方法是一种全局性的方法,它的优点是具有较强的抗干扰能力,缺点是计算量比较大,同时对于存在一定弯曲现象的直线检测效果较差,容易发生误检、漏检。针对基于Hough变化的直线检测方法的不足,很多学者提出了改进的Hough直线检测方法,如周云燕(基于RHT-LSM直线检测方法的研究[J].光电工程,2007,34(01):55-58)结合随机Hough变换和最小二乘法进行直线检测,通过使用随机Hough变换改善了传统Hough变化方法的性能,通过利用最小二乘法改善了Hough变换检测微弯曲直线的能力,但该方法的前提是Hough变换能先定位出目标直线的大致位置,再以最小二乘法进行修正,因此没有克服Hough方法漏检的问题;乔寅骐(基于最小二乘修正的随机Hough变换直线检测[J].计算机应用,2015,35(11):3312-3315)提出了一种基于ρ-θ域最小二成拟合修正的随机Hough变换的直线检测方法,该方法改善了Hough直线检测对标准直线的误检、漏检的情况,但是还是不能保证对微弯曲的直线的检测效果。基于链码的直线检测方法首先提取出目标边界的链码,然后对得到 ...
【技术保护点】
一种图像关键直线检测方法,包括如下步骤:步骤1:将原始图像缩放为宽、高分别width和height的图像D;步骤2:对图像D进行高斯滤波和Canny边缘检测操作,得到边缘图D1,图像D1的边缘点集合为B={bi|i=0,1,…,NB‑1},bi表示图像D1上的边缘点,且点bi的横坐标和纵坐标分别记作bi.x,bi.y,NB表示集合B中元素的个数;步骤3:得到图像D1中的曲线集C;步骤4:拆分曲线集C中所有满足σ≥0.4的曲线Ci,σ为曲线Ci的直线拟合误差,根据公式(2)计算,根据拆分得到的所有子曲线构建新的曲线集L,剔除曲线集L中曲线长度小于α的曲线;曲线的拆分规则为:根据曲线两个端点构建直线h,找到曲线上距离直线h最远的点,将其作为拆分点将曲线拆分为两条子曲线,并不断递归拆分所有满足σ≥0.4的子曲线;
【技术特征摘要】
1.一种图像关键直线检测方法,包括如下步骤:步骤1:将原始图像缩放为宽、高分别width和height的图像D;步骤2:对图像D进行高斯滤波和Canny边缘检测操作,得到边缘图D1,图像D1的边缘点集合为B={bi|i=0,1,…,NB-1},bi表示图像D1上的边缘点,且点bi的横坐标和纵坐标分别记作bi.x,bi.y,NB表示集合B中元素的个数;步骤3:得到图像D1中的曲线集C;步骤4:拆分曲线集C中所有满足σ≥0.4的曲线Ci,σ为曲线Ci的直线拟合误差,根据公式(2)计算,根据拆分得到的所有子曲线构建新的曲线集L,剔除曲线集L中曲线长度小于α的曲线;曲线的拆分规则为:根据曲线两个端点构建直线h,找到曲线上距离直线h最远的点,将其作为拆分点将曲线拆分为两条子曲线,并不断递归拆分所有满足σ≥0.4的子曲线;其中,rj表示曲线Ci上第j个像素点,NR为曲线Ci上点的数量,h为连接点r0和点的直线,d2(rj,h)表示点rj到直线h的垂直距离的平方;步骤5:利用最小二乘法对L中的每条曲线进行直线拟合,得到直线集G,直线集G中每条直线Gi的角度记作Gi.θ,Gi.θ为Gi与水平直线的夹角,且0°≤Gi.θ≤90°;步骤6:确定直线集G中直线的类别数m;步骤7:用K-means算法将G中所有直线聚类成m个直线子集Ti,i=0,1,…,m-1;步骤8:计算每个直线集Ti对应的直线长度总和,i=0,1,…,m-1,找到直线长度总和最大的直线集,记为Tk,则Tk中长度最长的直线即为图像的关键直线。2.如权利要求1所述的图像关键直线检测方法,其特征在于:所述步骤3:得到图像D1中的曲线集C,具体步骤为:步骤3.1:若集合B中存在满足PN(bk)∈{20,21,…,27,20+21,21+22,…,27+20}的点bk,则将bk确定为一条新曲线Cz的起始点,初始化曲线Cz={bk},将点bk从集合B中剔除,转步骤3.2;否则,转步骤4;其中PN(bk)表示点bk的八邻域值,根据公式(1)计算得到;
【专利技术属性】
技术研发人员:高飞,徐云静,金一鸣,吴宗林,夏路,何伟荣,卢书芳,陆佳炜,张元鸣,肖刚,
申请(专利权)人:浙江工业大学,浙江浩腾电子科技股份有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。