一种目标定位建模方法技术

本申请提供一种目标定位建模方法，包括对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点；将建模图像中的离散亚像素边缘点连接成数条亚像素边缘；计算所述亚像素边缘的边缘长度均值；以边缘长度均值为阈值，将长度大于或等于阈值的亚像素边缘设为理想边缘；将理想边缘中包含的亚像素边缘点设为理想边缘点，存储理想边缘点的梯度方向和位置，打包到一容器。本申请选择最优阈值方法有效去除了低梯度值边缘，删除短边缘有效去除了杂边，可以获得比较理想的模板信息，同时整个过程算法自动执行，不需要人为设置参数，降低了对使用者的专业要求。了对使用者的专业要求。了对使用者的专业要求。

【技术实现步骤摘要】
一种目标定位建模方法


[0001]本申请涉及定位建模
，尤其涉及一种目标定位建模方法。

技术介绍

[0002]在视觉图像领域，目标定位是应用最广泛的算法，一直是行业研究热点。如果需要定位一张图中的白色块，通常有如下几种定位方式：1.基于像素灰度值信息的定位方法；2.基于图像边缘信息的定位方法。基于灰度值信息的定位方法对光照敏感，同时精度不高，而基于图像边缘的定位方法不具有这些缺点，所以基于图像边缘的定位方法在实际使用种更加广泛。整个定位流程分为两部分：1.建模板；2.实时搜索。建模板部分只需要执行一次，目的是获得能表示目标的详细信息。实时搜索部分则是在建模完成后使用模板信息在输入图像中定位目标的过程。
[0003]本申请主要针对的是建模部分，建模部分的好坏直接关系到搜索速度与稳定性，建模效果差的话会存在非常多的干扰边缘，在实际定位时会导致找不到目标现象，同时也会造成定位耗时增多，这时常常需要人为调节建模参数，比较麻烦。而本申请则可以去除这些问题，不需要人为干预建模，结果比较干净，非常能代表目标信息。

技术实现思路

[0004]本申请提供了一种目标定位建模方法，以解决现有的目标定位建模方法效果较差，存在非常多的干扰边缘，在实际定位时会导致找不到目标现象，同时也会造成定位耗时增多，这时常常需要人为调节建模参数，比较麻烦的问题。
[0005]本申请提供一种目标定位建模方法，包括：
[0006]对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点；
[0007]将建模图像中的离散亚像素边缘点连接成数条亚像素边缘；
[0008]计算所述亚像素边缘的边缘长度均值；
[0009]以边缘长度均值为阈值，将长度大于或等于阈值的亚像素边缘设为理想边缘；
[0010]将理想边缘中包含的亚像素边缘点设为理想边缘点，存储理想边缘点的梯度方向和位置，打包到一容器。
[0011]可选的，所述对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点的步骤包括：
[0012]对建模图像全图求Sobel，得到亚像素边缘的梯度幅值和梯度方向；
[0013]通过Otsu法处理所得的梯度幅值得到边缘点强度下限；
[0014]通过边缘点强度下限过滤sobel得到的结果，进行非极大值抑制，得到极大值亚像素点：
[0015]对极大值亚像素点进行亚像素点检测得到离散亚像素边缘点。
[0016]可选的，所述对建模图像全图求Sobel，得到亚像素边缘的梯度幅值和梯度方向的步骤包括：
[0017]Sobel算子为：
[0018]Dx00＝(
‑
1)
×
G00+(
‑
2)
×
G10+(
‑
1)
×
G20+1
×
G02+2
×
G12+1
×
G22，
[0019]Dy00＝(
‑
1)
×
G00+(
‑
2)
×
G01+(
‑
1)
×
G02+1
×
G20+2
×
G21+1
×
G22，
[0020]梯度幅值：
[0021]梯度方向：Dir＝(Dx00，Dy00)，R01、R02、R03依次类推，
[0022]G00、G01、G02等为实际图像像素值，左侧两个3
×
3矩阵为Sobel算子滑窗，R00、R01、R02等为Sobel结果，得到每个亚像素边缘的梯度幅值和梯度方向。
[0023]可选的，所述通过边缘点强度下限过滤sobel得到的结果，进行非极大值抑制，得到极大值亚像素点的步骤包括：
[0024]假设R11经Sobel运算后的梯度方向Dir为45度，则R11＝R11＞R00？R11：0，
[0025]R11＝R11＞R22？R11：0，每个点以此类推。
[0026]可选的，所述对极大值亚像素点进行亚像素点检测得到离散亚像素边缘点的步骤包括：
[0027]以非极大值检测后像素级别的边缘点为中心，Dir方向上左右各取两个点，一共三个点进行抛物线拟合，抛物线顶点为离散亚像素边缘点。
[0028]可选的，所述抛物线拟合的步骤包括：
[0029]以极大值亚像素点为坐标系原点，梯度方向为x轴，选取x轴上的三个点进行抛物线似合，所述抛物线拟合的方程为：y＝Ax2+Bx+C；
[0030]设三个点坐标为(x1，y1)，(x2，y2)，(x3，y3)，则
[0031]denom＝(x1
‑
x2)(x1
‑
x3)(x2
‑
x3)
[0032][0033][0034][0035]顶点坐标为：即亚像素点坐标。
[0036]可选的，所述将建模图像中的离散亚像素边缘点连接成数条亚像素边缘的步骤包括：
[0037]采用相邻原则和梯度方向一致原则连接离散边缘点，选定图像中最接近边缘的离散亚像素点，搜索最近的亚像素边缘点，两点间距离小于2且二者的梯度方向差值小于22.5度，判断这两个点为同一条边，连接二者，对被连接的亚像素边缘点执行同一操作，重复上述步骤直至离散亚像素边缘点连接成亚像素边缘。
[0038]可选的，所述计算所述亚像素边缘的边缘长度均值的步骤包括：
[0039]所述边缘长度均值为边缘长度和除以边缘数。
[0040]可选的，所述以边缘长度均值为阈值，将长度大于或等于阈值的亚像素边缘设为理想边缘的步骤包括：
[0041]比较各亚像素边缘长度与边缘长度均值，去除长度小于边缘长度均值的边缘，剩
下的亚像素边缘即为理想边缘。
[0042]可选的，所述将理想边缘中包含的亚像素边缘点设为理想边缘点，存储理想边缘点的梯度方向和位置，打包到一容器的步骤包括：
[0043]留下的模板边缘中的亚像素边缘点即为理想边缘点，得到理想边缘点的位置信息，在Sobel图中取出理想边缘点的梯度方向信息，将包含位置信息和梯度方向信息的理想边缘点组合到一起，打包到一容器形成模板。
[0044]由以上技术方案可知，本申请提供一种目标定位建模方法，包括对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点；将建模图像中的离散亚像素边缘点连接成数条亚像素边缘；计算所述亚像素边缘的边缘长度均值；以边缘长度均值为阈值，将长度大于或等于阈值的亚像素边缘设为理想边缘；将理想边缘中包含的亚像素边缘点设为理想边缘点，存储理想边缘点的梯度方向和位置，打包到一容器。本申请选择最优阈值方法有效去除了低梯度值边缘，删除短边缘有效去除了杂边，可以获得比较理想的模板信息，同时整个过程算法自动执行，不需要人为设置参数，降低了对使用者的专业要求。
附图说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标定位建模方法，其特征在于，包括：对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点；将建模图像中的离散亚像素边缘点连接成数条亚像素边缘；计算所述亚像素边缘的边缘长度均值；以边缘长度均值为阈值，将长度大于或等于阈值的亚像素边缘设为理想边缘；将理想边缘中包含的亚像素边缘点设为理想边缘点，存储理想边缘点的梯度方向和位置，打包到一容器。2.根据权利要求1所述的一种目标定位建模方法，其特征在于，所述对建模图像进行亚像素边缘检测，获得建模图像中的离散亚像素边缘点的步骤包括：对建模图像全图求Sobel，得到亚像素边缘的梯度幅值和梯度方向；通过Otsu法处理所得的梯度幅值得到边缘点强度下限；通过边缘点强度下限过滤sobel得到的结果，进行非极大值抑制，得到极大值亚像素点：对极大值亚像素点进行亚像素点检测得到离散亚像素边缘点。3.根据权利要求2所述的一种目标定位建模方法，其特征在于，所述对建模图像全图求Sobel，得到亚像素边缘的梯度幅值和梯度方向的步骤包括：Sobel算子为：Dx00＝(
‑
1)
×
G00+(
‑
2)
×
G10+(
‑
1)
×
G20+1
×
G02+2
×
G12+1
×
G22,Dy00＝(
‑
1)
×
G00+(
‑
2)
×
G01+(
‑
1)
×
G02+1
×
G20+2
×
G21+1
×
G22,梯度幅值：梯度方向：Dir＝(Dx00,By00)，R01、R02、R03依次类推，G00、G01、G02等为实际图像像素值，左侧两个3
×
3矩阵为Sobel算子滑窗，R00、R01、R02等为Sobel结果，得到每个亚像素边缘的梯度幅值和梯度方向。4.根据权利要求2所述的一种目标定位建模方法，其特征在于，所述通过边缘点强度下限过滤sobel得到的结果，进行非极大值抑制，得到极大值亚像素点的步骤包括：假设R11经Sobel运算后的梯度方向Dir为45度，则R11＝R11&...

【专利技术属性】
技术研发人员：曾友，姚毅，杨艺，全煜鸣，金刚，彭斌，
申请(专利权)人：深圳市凌云视迅科技有限责任公司，
类型：发明
国别省市：