【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及图像检测，特别涉及一种多边形链式骨骼提取算法。
技术介绍
1、在缺陷图像质检的过程中，经常需要对缺陷进行精细的多边形识别。在识别出多边形(例如图1中白色区域多边形)之后，往往需要提取条状多边形的骨格线(例如图1白色区域中的线条)，用以计算其曲率、宽度、方向等信息，辅助缺陷分类判断。对骨格线位置识别的精度，极大地影响着缺陷认定的准确性。
2、现有的多边形骨格线提取方法大致分为两种，(1)依赖于条状多边形宽度的先验知识，通过内切圆的方式寻找锚点，连接多个同半径内切圆的圆心，形成骨格线。(2)使用图形学操作，将多边形不断腐蚀到成为链状或近似链状的形态，对连通区域的单链求端点，连接所有单链端点，计算其骨格线。然而，现有技术这些方法还存在一些弊端：对于方法(1)来说，由于需要预先得知带状多边形的宽度范围，其适用条件较为苛刻。因此，在多边形的宽度变化较大的时候，其算法在预设半径之外的位置会有失效情况，骨格线各个锚点之间并非等距，在缺陷形态判定中会造成方向计算偏差。对于方法(2)来说，其需要对多边形进行多次图形学操作，迭代终止条件为是否形成单像素链，其运算较为复杂，算法实现较为冗长。同时，其依旧存在骨格线各个锚点之间并非等距的问题。
技术实现思路
1、本专利技术是为了解决上述问题而进行的，目的在于提供一种边形链式骨骼提取算法。
2、为实现达到上述目的，本专利技术采用如下技术方案：
3、本专利技术提供一种多边形链式骨骼提取算法，其特征在于，包括以下
4、步骤1，输入待处理多边形图像，对图像中的多边形轮廓进行梯度流求取；
5、步骤2，生成梯度流之后，进行骨骼链初始化；
6、步骤3，基于梯度流和骨骼链，构建目标函数；
7、步骤4，对构建的目标函数进行迭代，当达到终止条件时，提取得到骨骼线。
8、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，步骤1中梯度流的求取过程包括：1)利用膨胀-腐蚀算法计算每个点的层叠信息；2)对层叠信息进行梯度流计算，通过拉普拉斯运算获取全场梯度流方向。
9、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，步骤2中骨骼链初始化时生成一系列相切的圆作为迭代初始值。
10、步骤3中目标函数如下：
11、i＝αg+βc (1)
12、
13、
14、公式(1)(2)(3)中，i是目标函数；α和β是比例系数；g是每个点所在的梯度方向的模的和；c是骨骼链的各个锚点之间间距的模的和；xi是i点的横坐标；yi是i点的纵坐标；xi+1是i+1点的横坐标；yi+1是i+1点的纵坐标；gx(xi，yi)是图像在(xi，yi)点上沿着x方向的梯度；gy(xi，yi)是图像在(xi，yi)点上沿着y方向的梯度；chain是骨骼链的所有锚点的集合；chain-1是骨骼链的所有锚点的集合，由于是计算相邻两个锚点的距离，计算数量比锚点总数量少1；r是初始化过程中设置好的等距半径。
15、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，
16、步骤2中骨骼链初始化过程中不使用相切的圆作为骨骼链。
17、步骤3中目标函数如下：
18、i＝αg+βc (1)
19、
20、
21、
22、公式(1)(2)(4)(5)中，i是目标函数；α和β是比例系数；g是每个点所在的梯度方向的模的和；c是骨骼链的各个锚点之间间距的模的和；xi是i点的横坐标；yi是i点的纵坐标；xi+1是i+1点的横坐标；yi+1是i+1点的纵坐标；gx(xi，yi)是图像在(xi，yi)点上沿着x方向的梯度；gy(xi，yi)是图像在(xi，yi)点上沿着y方向的梯度；chain是骨骼链的所有锚点的集合；chain-1是骨骼链的所有锚点的集合，由于是计算相邻两个锚点的距离，计算数量比锚点总数量少1；ravg是骨骼链中锚点间距的均值；n是骨骼链的所有锚点的数量.
23、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，迭代过程包括梯度更新和等距性更新两个步骤：梯度更新过程中，每个锚点向梯度最大方向移动，等距性更新过程中，每个锚点向等距性最佳方向移动。
24、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，迭代的终止条件为：一次迭代前后，目标函数的变化小于一个固定值，即：
25、abs(i(n)-i(n+1))<∈ (6)
26、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，公式(1)中α和β之和始终保持等于1。
27、进一步地，在本专利技术提供的多边形链式骨骼提取算法中，还可以具有这样的特征：其中，步骤1中输入的待处理多边形图像为带状多边形图像。
28、本专利技术的有益效果：
29、本专利技术多边形链式骨骼提取算法对于任意形态的带状多边形均可以实现骨格线识别。本专利技术的该提取算法将缺陷轮廓在全场图像中建立梯度流，同时初始化等距链。构造最优化函数由两部分组成，一部分是梯度流向最大方向，一部分是各个点之间等距，两部分共同限制迭代方向。由于构造的最优化函数是通用的，可使用初等迭代方式或牛顿迭代法进行最优求取。本专利技术的算法不用依赖于先验知识，只需按步骤构造函数进行迭代，适用于情况复杂的缺陷识别场景。
本文档来自技高网...【技术保护点】
1.一种多边形链式骨骼提取算法，其特征在于，包括以下步骤：
2.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
3.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
4.如权利要求3所述的多边形链式骨骼提取算法，其特征在于：
5.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
6.如权利要求5所述的多边形链式骨骼提取算法，其特征在于：
7.如权利要求4或6所述的多边形链式骨骼提取算法，其特征在于：
8.如权利要求4或6所述的多边形链式骨骼提取算法，其特征在于：
9.如权利要求4或6所述的多边形链式骨骼提取算法，其特征在于：
10.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
【技术特征摘要】
【国外来华专利技术】
1.一种多边形链式骨骼提取算法，其特征在于，包括以下步骤：
2.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
3.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
4.如权利要求3所述的多边形链式骨骼提取算法，其特征在于：
5.如权利要求1所述的多边形链式骨骼提取算法，其特征在于：
...
【专利技术属性】
技术研发人员：刁晓淳，王文瑞，
申请(专利权)人：上海哥瑞利软件股份有限公司，
类型：发明
国别省市：
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。