一种基于图像的圆形小目标精确检测方法技术

本发明专利技术公开了一种基于图像的圆形小目标精确检测方法，用以解决因目标成像小而不易检测或检测精度不高的问题，该方法步骤为：在初始检测阶段，利用改进的随机霍夫变换快速定位圆形小目标，并提取图像中的小范围感兴趣区域；在二次精确检测阶段，通过中心八向搜索法获取目标内边界的样本点，采用最小二乘拟合的方式求解圆形小目标的精确检测结果。本发明专利技术能够从复杂背景中准确识别并检测出圆形小目标，利用改进随机霍夫变换保证初始检测的快速性，通过二次检测方式进一步提高精度。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种基于图像技术的圆形小目标精确检测的方法。
技术介绍
基于图像技术的运动目标实时检测技术在智能交通系统、智能监控系统、军事目标检测以及医学导航手术中的器械定位方面具有广泛的应用价值。工业现场、军事应用、医学气象等诸多领域往往需要快速检测出具有圆形特征的运动物体，以便进一步分析处理。在基于形状特征的检测方法中，霍夫变换(Hough Transform, HT)是图像中识别几何形状的基本方法之一，特别是检测圆的一种有效方法。霍夫变换是利用空间对偶关系，把原空间的问题转换到对偶空间求解，即将图像空间中的给定曲线通过数学表达式变为参数空间中的一个点，进而将曲线检测问题转化为寻找参数空间的峰值问题。但是，当参数空间超过两维时，这种变换的时间消耗和内存需求急剧增大，在实际中难以实现和应用。为了解决这一问题，Xu等提出了随机霍夫变换(Randomized Hough Transform, RHT),主要通过随机采样与动态链表存储来降低计算时间与存储空间；然而在处理复杂图像时，该方法会因为无目标的采样而引入无效积累，浪费大量计算时间和存储空间。为此，国内外学者对如何改进RHT做了进一步的研究，主要围绕随机采样效率和候选圆检测效率两方面开展研究。针对如何提高随机采样效率的问题，文献[I]利用随机采样点的标量三重积消除无效采样；文献[2]通过设置图像感兴趣区域来提高采样效率，利用迭代思想不断调整参数实现对圆的检测；文献[3]利用随机采样点的中垂线搜索圆上第三个点来提高采样效率；文献[4]利用直径上两个端点的梯度与两点连线平行的性质改进采样算法；而文献[5]则在只采样一点的情况下利用弦端点的切线与弦的夹角相等的性质搜索另外两点。针对提高候选圆检验效率，文献[6]通过不断更新待判断的圆心列表实现自适应的霍夫变换；文献[7]基于淘汰粒子群优化算法提高霍夫变换最优解的搜索速度；文献[8]将候选圆的外切正方形和内接正方形作为检验区域，并对该区域建立二维搜索表来加快检验速度。在实际中，当目标距离摄像机较远时，其成像尺寸较小，目标细节信息不易观察，此时主要基于几何特征实现目标检测，因此利用随机霍夫变换能够实现圆形小目标的检测。但是，目标成像尺寸小，也会对随机霍夫变换法的检测精度产生影响。为了提高圆形小目标的检测精度，需要进一步进行检测。其中，最小二乘法(Least Squares Analysis)是一种数学优化技术，当已知多个未知量时，将测量数据按照误差最小化准则联系起来，通过使未知量的估计误差平方和最小来找到数据的最佳函数匹配。利用初始检测结果，获取目标的内边界轮廓点，使用最小二乘拟合来得到这些样本点的最佳拟合函数，即可达到提高目标检测精度的目的。[I]Akihiko Torii,Atsushi Imiya.The Randomized-Hough-transform-based Method for Great-circle Detection on Sphere[J].Pattern RecognitionLetters, 2007，28(10):1186-1192.[2]ffei Lu, Jinglu Tan.Detection of Incomplete Ellipse in Images withStrong Noise by Iterative Randomized Hough Transform(IRHT)[J].Pattern Recognition, 2008,41(4):1268-1279.[3]黎自强，滕弘飞.广义Hough变换:多个圆的快速随机检测[J].计算机辅助设计与图形学学报，2006，18(1):27-33.[4]王小华，谢君廷，李本伍.一种新的基于梯度方向角的圆检测算法[J].机电工程，2008，25(3):30-32.[5]蒋联源，苏勤，祝英俊.快速随机Hough变换多圆检测算法[J].计算机工程与应用，2009，45 (17): 163-166.[6]Julien Cauchiea, Valerie Fioletb, Didier Villersa.0ptimizationof an Hough transform algorithm for the search of a center[J].PatternRecognition, 2008, 41(2):567-574.[7]H.D.Cheng, Yanhui Guo, Yingtao Zhang.A novel Hough transform based oneliminating particle swarm optimization and its applications[J].Pattern Recognition,2009，42 (9):1959-1969.[8]张显全，苏勤，蒋联源，李国祥.一种快速的随机Hough变换圆检测算法[J].计算机工程与应用，2008，44(22):62-64.
技术实现思路
本专利技术所要解决的技术问题是提供，当目标距离图像采集设备较远时，仍然能够通过该方法准确地从背景中检测出目标。本专利技术为解决上述技术问题采用以下技术方案:，其特征在于，包括如下步骤:步骤(1)，利用CXD阵列的模拟摄像机实时采集目标图像；步骤(2 )，对原始图像进行彩色空间转换，将RGB模型转为HSV模型，并对其中的V通道进行快速预处理，突出圆形小目标的特征部分；步骤(3)，应用两步筛选法改进传统随机霍夫变换的参数累积方法，排除无效的参数累积；再应用区域约束法改进传统随机霍夫变换的参数检验方法，提高候选圆检验速度；之后运用改进的随机霍夫变换算法进行目标的初始检测，在步骤(2)的预处理图像中快速定位圆形小目标，获得目标的初始检测结果；步骤(4)，在步骤(3)初始检测的基础上，利用初始检测结果从原图像中提取小范围感兴趣区域，针对该区域使用canny算子获取小目标的边缘特征，并进一步修复边缘图像；步骤(5)，利用中心八向搜索法在感兴趣区域中提取小目标的内边界样本点，然后通过对样本点进行最小二乘拟合，实现小目标的二次精确检测。步骤(2)所述快速预处理的具体步骤如下:首先利用形态学闭运算处理图像，之后应用双边滤波对图像进行去噪，保持目标边缘信息，然后采用自适应阈值分割获得二值化图像，最后采用递归高斯滤波快速实现二值图像的平滑。步骤(3)所述两步筛选法，其具体步骤如下:步骤(31),随机采样三点P1U1, Y1)、P2(x2, J2)、P3(x3, y3)，判断这三点的梯度向量所在直线1、12、I3是否交于一点，排除P:、P2> P3不共圆的情况；考虑到边缘宽度不为单像素而导致计算的梯度方向精度不高，在算法中先计算I1与I2的交点M(xm，ym):本文档来自技高网...

【技术保护点】
一种基于图像的圆形小目标精确检测方法，其特征在于，包括如下步骤：步骤（1），利用CCD阵列的模拟摄像机实时采集目标图像；步骤（2），对原始图像进行彩色空间转换，将RGB模型转为HSV模型，并对其中的V通道进行快速预处理，突出圆形小目标的特征部分；步骤（3），应用两步筛选法改进传统随机霍夫变换的参数累积方法，排除无效的参数累积；再应用区域约束法改进传统随机霍夫变换的参数检验方法，提高候选圆检验速度；之后运用改进的随机霍夫变换算法进行目标的初始检测，在步骤（2）的预处理图像中快速定位圆形小目标，获得目标的初始检测结果；步骤（4），在步骤（3）初始检测的基础上，利用初始检测结果从原图像中提取小范围感兴趣区域，针对该区域使用canny算子获取小目标的边缘特征，并进一步修复边缘图像；步骤（5），利用中心八向搜索法在感兴趣区域中提取小目标的内边界样本点，然后通过对样本点进行最小二乘拟合，实现小目标的二次精确检测。

【技术特征摘要】
1.一种基于图像的圆形小目标精确检测方法，其特征在于，包括如下步骤: 步骤(1)，利用CCD阵列的模拟摄像机实时采集目标图像； 步骤(2)，对原始图像进行彩色空间转换，将RGB模型转为HSV模型，并对其中的V通道进行快速预处理，突出圆形小目标的特征部分； 步骤(3)，应用两步筛选法改进传统随机霍夫变换的参数累积方法，排除无效的参数累积；再应用区域约束法改进传统随机霍夫变换的参数检验方法，提高候选圆检验速度；之后运用改进的随机霍夫变换算法进行目标的初始检测，在步骤(2)的预处理图像中快速定位圆形小目标，获得目标的初始检测结果； 步骤(4)，在步骤(3)初始检测的基础上，利用初始检测结果从原图像中提取小范围感兴趣区域，针对该区域使用canny算子获取小目标的边缘特征，并进一步修复边缘图像； 步骤(5)，利用中心八向搜索法在感兴趣区域中提取小目标的内边界样本点，然后通过对样本点进行最小二乘拟合，实现小目标的二次精确检测。2.根据权利要求1所述的一种基于图像的圆形小目标精确检测方法，其特征在于，步骤(2)所述快速预处理的具体步骤如下:首先利用形态学闭运算处理图像，之后应用双边滤波对图像进行去噪，保持目标边缘信息，然后采用自适应阈值分割获得二值化图像，最后采用递归高斯滤波快速实现二值图像的平滑。3.根据权利要求1或2所述的一种基于图像的圆形小目标精确检测方法，其特征在于，步骤(3)所述两步筛选法，其具体步骤如下: 步骤(31),随机采样三点P1 (X1, Y1)、p2(x2, y2)、p3(x3, y3),判断这三点的梯度向量所在直线1、12、I3是否交于一点，排除P:、P2> P3不共圆的情况；考虑到边缘宽度不为单像素而导致计算的梯度方向精度不高，在算法中先计算I1与I2的交点M(xm，yffl):4.根据权利要求3所述的一种基于图像的圆形小目标精确检测方法，其特征在于，步骤(3)所述区域约束法，其具体步骤如下: 在计算候选圆上的像素点个数时，当且仅当边缘点P (xp，yp)满足如下条件，才对点P是否落在圆心为(X(l，y0)、半径为A的候选圆上进行判断，区域约束条件为:5.根据权利要求4所述的一种基于图像的圆形小目标精确检测方法，其特征在于，步骤(3)所述运用改进的随机霍夫变换算法进行目标的初始检测，具体步骤如下: ①计算并存储图像V通道中各点梯度； ②在预处理的图像中获得边缘点集合S,并初始化参数单元集合R=NULL,参数单元计数值％=0，循环次数k=0，设定参数单元权重阈值...

【专利技术属性】
技术研发人员：张翼，孙永荣，刘晓俊，王潇潇，熊智，杨博文，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：