一种基于感知对比度和特征选择的椭圆检测方法技术

本发明专利技术公开一种基于感知对比度和特征选择的椭圆检测方法，步骤如下：步骤一、感知对比度图像计算；步骤二、候选图像块提取；步骤三、特征向量提取；步骤四、支持向量训练；步骤五、在线椭圆检测。本发明专利技术的优点及功效：该方法具有灵活的参数，对于不同环境下椭圆的检测，通过调整这些参数就能获得高准确度，高召回率的目标椭圆检测器。该方法能够广泛应用于基于特定目标椭圆检测的应用中，具有广阔的市场前景与应用价值。

An ellipse detection method based on perceptual contrast and feature selection

【技术实现步骤摘要】
一种基于感知对比度和特征选择的椭圆检测方法
本专利技术涉及一种基于感知对比度和特征选择的椭圆检测方法，属于数字图像处理领域，主要涉及视觉感知理论，特征检测，椭圆检测与识别技术。
技术介绍
椭圆检测作为计算机视觉领域中的基础研究，在计算机视觉中有着广泛重要的运用，比如交通标示识别，人脸检测，相机标定，标志点检测等。在航天领域中，航天器的太能帆板在热力学和引力的作用下会产生静态形变，同时在姿态调整和轨道矫正中会产生振动。传统的接触式测量手段不能有效检测出静态形变，同时不能有效检测出微弱的震颤。因此基于视觉测量的帆板振动测量方法被提出，其中关键的技术在成像中椭圆形标志点的检测，椭圆检测算法的精度和鲁棒性直接影响视觉测量的精度和鲁棒性。椭圆检测是计算机视觉中一个很古老的问题，该问题被提出后，很多算法被提出用于高精度高鲁棒性的检测环境中的椭圆。目前椭圆的主流检测算法主要可分为三类，一类是基于霍夫变化的算法，一类是基于曲线弧段分析的算法，最后一类是基于随机过程的方法。基于霍夫变换(HoughTransform,HT)的方法是计算机视觉中应用非常广泛本文档来自技高网...

【技术保护点】
1.一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：该方法步骤如下：/n步骤一、感知对比度图像计算/n对待检测图像进行高斯金字塔分解，在每层金字塔上计算图像的对比度和感知敏感度，将每层计算得到对比度和感知敏感度相乘得到该层的感知对比度；对每层高斯金字塔计算得到的感知对比度求和得到总体感知对比度，并对该总体感知对比度进行归一化处理得到感知对比度图像；/n步骤二、候选图像块提取/n对于步骤一提取的感知对比度图像进行阈值处理得到二值图像，对二值图像进行边缘检测，并对所有检测到的边缘进行过滤，仅保留满足尺度、封闭性和形态要求的边缘；对于剩余的每一个边缘，以该边缘坐标的中心点为中心，取正方形框作...

【技术特征摘要】
1.一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：该方法步骤如下：
步骤一、感知对比度图像计算
对待检测图像进行高斯金字塔分解，在每层金字塔上计算图像的对比度和感知敏感度，将每层计算得到对比度和感知敏感度相乘得到该层的感知对比度；对每层高斯金字塔计算得到的感知对比度求和得到总体感知对比度，并对该总体感知对比度进行归一化处理得到感知对比度图像；
步骤二、候选图像块提取
对于步骤一提取的感知对比度图像进行阈值处理得到二值图像，对二值图像进行边缘检测，并对所有检测到的边缘进行过滤，仅保留满足尺度、封闭性和形态要求的边缘；对于剩余的每一个边缘，以该边缘坐标的中心点为中心，取正方形框作为目标候选区域；对于每个目标候选区域，取其在待检测图像中对应的图像块作为候选图像块输出；
步骤三、特征向量提取
对于每一个候选图像块，首先进行形态学滤波以滤除背景复杂纹理的干扰，并用大津阈值进行二值化处理得到二值图像，然后对于二值图像用canny检测算子检测边缘，对于每一个检测到的边缘坐标用主成分分析法进行形态校正，以使校正后的边缘具有旋转和平移不变性，同时对校正后的边缘坐标进行线性插值处理，以使边缘具有尺度不变性，最后对于每个边缘的每一个边缘点利用其邻域边缘坐标信息提取对应的形态特征值，进而得到了每一个边缘对应的特征向量；
步骤四、支持向量训练
对于待检测的数据集中每个一个图像，利用步骤一、二和三对其处理，进而得到特征向量的集合，将特征向量集合分为目标特征向量集合和干扰特征向量集合，对目标特征向量和干扰特征向量分别设置标签；将含有标签的目标特征向量集合和干扰特征向量集合分别分成训练集和测试集，利用训练集来训练支持向量机，并用测试集测试训练得到的支持向量机是否满足要求；
步骤五、在线椭圆检测
对于输入的每张图像利用步骤一、二和三进行处理得到特征向量集，将每个特征向量输入到步骤四训练好的支持向量机中进行分类，如果支持向量机输出为目标特征向量的标签，则该特征向量对应的图像块所在区域包含有目标，否则不包含，从而完成椭圆检测。


2.根据权利要求1所述的一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：所述步骤一感知对比度图像计算的具体过程如下：
对于给定的待检测图像f0，利用M层高斯金字塔分解可得到M个图像f1、f2…fM，其中
fi+1＝(fi*H1)↓2,i∈{0,1,…,M}，
其中H1是尺度S1、标准方差为σ1的高斯卷积核，↓2是步长为2的降采样操作；对于任何一张图像fi,i∈{0,1,…,M}，通过卷积运算得到应的图像其中



其中H2是尺度为S2、标准方差为σ2的高斯卷积核；对于每一个图像对进行感知对比度计算(PC)得到对应的感知对比度图像IPCi



其中Δfi为偏差图像max1是逐像素最大值运算；对于计算得到的感知对比度图像IPCi进行步长为2的上采样操作并进行最近邻插值运算，得到与原始图像f0同尺寸的图像其中是顺次进行i次运算；对于计算得到同尺寸感知对比度图像IPCi,i∈{1,2,…,M},对其全部求和并归一化得到感知对比度图像IPC。


3.根据权利要求1所述的一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：所述步骤二候选图像块提取的具体过程如下：
对感知对比度图像IPC进行二值化处理得到二值图IPCbw，阈值设为T；对二值图IPCbw用canny算子进行边缘检测，提取其中的所有边缘B；对于其中任何一个边缘Bi，判断该边缘是否是8邻域封闭的；对于封闭的边缘Bi，统计其包含的边缘点数量Ni，如果Min_Size≤Ni≤Max_Size,则认为该边缘符合尺寸要求，否则不符合，其中Min_Size，Max_Size是给定值；对于同时符合尺寸要求和封闭性要求的边缘Bi，分别计算边缘Bi在纵轴和横轴方向的跨度Yis，如果则认为该边缘对应区域的形态满足要求，否则不满足，其中Win_Size是给定值；对于同时满足封闭性、尺寸和形态三个要求的边缘Bi，计算其中心坐标则区域Ri作为目标候选区域输出，






其中是向下取整运算符；
将图像f表示为三元组(x,y,f(x,y))的集合{(x,y,f(x,y))|(x,y)∈supp(f)},其中supp(f)是函数的支撑集；对...

【专利技术属性】
技术研发人员：白相志，郭胜，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11