專利名稱：基于內(nèi)積與距離分布的橢圓快速檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，具體涉及圖像特征的自動檢測，特別是數(shù)字圖像中橢圓的快速檢測方法。
背景技術(shù)：
在現(xiàn)實場景中，圓形圖案、球狀物和橢圓形圖案大量存在；同時，由于拍攝視角的影響，圓形和球狀物在平面圖像中經(jīng)常以橢圓形呈現(xiàn)，因此，從圖像中檢測出橢圓結(jié)構(gòu)是計算機視覺和圖像處理領(lǐng)域ー個重要且具有廣泛應(yīng)有價值的研究問題。目前，橢圓檢測主要有兩大類方法基于Hough變換的方法和曲線擬合方法。第ー種方法利用圖像中的邊緣點以投票的方式確定橢圓的各種參數(shù)，實現(xiàn)橢圓的檢測(參見 Duda, R. O. , & Hart, P. E. (1972). Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM,15(I),11-15)。 對于任ー橢圓，其由五個參數(shù)中心點坐標(χ，y)、長半軸a、短半軸b和橢圓傾角θ唯一確定?；跇藴蔋ough變換的方法雖然具有相當(dāng)?shù)聂敯粜裕枰獙Ι`個五維的參數(shù)空間進行投票，計算復(fù)雜度和內(nèi)存需求較高；為了克服上述問題，改進的Hough變換方法被提出(R. A. McLaughlin, Ranaomized hough transform improved ellipse detection withcomparison, Pattern Recognition Letters 19 (3-4) (1998) 299-305),在一定程度上降低了計算復(fù)雜度和內(nèi)存需求，但仍未較好解決這些問題。曲線擬合的方法則將圖像中的曲線段看作橢圓上的一段弧線，首先估計圖像中曲線段的參數(shù)，然后將參數(shù)接近的曲線段合并，最終實現(xiàn)橢圓的檢測。Mai等(F.Mai，Y. b. Hung, H. /ihong, ff. F. bze. Ahierarchical approach for fast and robust ellipseextraction. Pattern Recognition 41 (2008) 2512-2524)提出一種分等級的捕圓檢測方法，該方法首先提取出邊緣圖中的線段，然后將線段進行分組，采用RANSAC方法對橢圓進行擬合實現(xiàn)橢圓的檢測。該方法不能檢測出較小的橢圓，且對邊緣檢測結(jié)果要求較高。此夕卜，基因算法(Lutton, E. , Martinez, P. . A genetic algorithm for the detection 2Dgeometric primitives in image. In Proceedings of 12th International ConferenceonPattern Recognition, 1994, pp. 526-528)、最小ニ乘擬合方法(Kuang Chung Chen, NizarBouguila, Djemel Ziou. Quantization-free parameter space reduction in ellipsedetection, Expert Systems with Applications 38 (2011) 7622-7632)也被用于捕圓檢測。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明所要解決的技術(shù)問題是現(xiàn)有的從ニ維數(shù)字圖像中檢測橢圓的方法計算復(fù)雜，檢測準確度低的問題。( ニ )技術(shù)方案
為解決上述技術(shù)問題，本發(fā)明提出一種檢測圖像中的橢圓的方法，所述圖像為ニ維數(shù)字圖像，并且由多個像素組成，該方法包括如下步驟Si、計算所述圖像中各像素點的內(nèi)積能量，獲得該圖像的內(nèi)積能量分布圖，所述內(nèi)積能量反映的是任ー像素點鄰域內(nèi)邊緣點關(guān)于該像素點的對稱程度；S2、在像素點的內(nèi)積能量閾值約束下，在所述內(nèi)積能量分布圖上檢測局部極大值點，獲得潛在的橢圓中心點；S3、對于任一所述局部極大值點，計算其鄰域內(nèi)各像素點的焦點能量，獲得其鄰域的焦點能量分布圖；S4、對于任一局部極大值點，利用其鄰域的焦點能量分布圖確定至少ー個橢圓。(三)有益效果本發(fā)明利用橢圓的中心對稱特性，引入內(nèi)積這ー數(shù)學(xué)運算，構(gòu)造內(nèi)積能量描述子，獲取圖像的內(nèi)積能量分布圖，以實現(xiàn)橢圓中心的檢測，井根據(jù)橢圓的定義，生成焦點能量分布圖以確定橢圓焦點的位置，并利用橢圓的幾何特性，實現(xiàn)橢圓其他參數(shù)的確定，因此本發(fā)明簡單可行，易于實現(xiàn)，且在計算時間和檢測準確度方面更優(yōu)。


圖I為本發(fā)明基于內(nèi)積與距離分布的從ニ維數(shù)字圖像中檢測橢圓的方法的流程圖；圖2a為本發(fā)明的實施例中使用的原始圖像；圖2b根據(jù)本發(fā)明利用Canny算子在圖2a上獲得的邊緣圖；圖2c為本發(fā)明的方法在圖2a上獲得的內(nèi)積能量分布圖；圖2d為圖2c上獲得的8個局部極大點的鄰域焦點能量分布圖；圖2e為利用本發(fā)明的方法獲得的潛在橢圓檢測結(jié)果；圖2f為利用本發(fā)明的方法剔除不合理橢圓后的最終檢測結(jié)果。
具體實施例方式針對現(xiàn)有的從ニ維數(shù)字圖像中檢測橢圓的方法中存在的問題，本發(fā)明提出ー種基于內(nèi)積與距離分布的快速橢圓檢測方法，本發(fā)明首先利用橢圓的中心対稱性，引入數(shù)學(xué)中的內(nèi)積運算構(gòu)造描述子，獲取圖像的內(nèi)積能量分布圖，實現(xiàn)橢圓中心的定位；在此基礎(chǔ)上，根據(jù)橢圓的定義橢圓是平面上到兩定點的距離之和為常值的點之軌跡，統(tǒng)計橢圓中心點鄰域內(nèi)邊緣點到兩定點距離之和的分布以定義焦點能量，獲取中心點鄰域的焦點能量分布圖，確定橢圓兩個焦點的位置；最后利用橢圓的幾何特性，計算出橢圓的其他參數(shù)，實現(xiàn)橢圓的檢測。該方法主要利用橢圓的幾何特性，將橢圓的檢測由五個參數(shù)的確定減少為橢圓中心和焦點位置參數(shù)的確定，大大減少了計算量。該方法運算簡單，計算復(fù)雜度低且易于實現(xiàn)。圖I為本發(fā)明基于內(nèi)積與距離分布的從ニ維數(shù)字圖像中檢測橢圓的方法的流程圖。如圖I所示，該方法主要包括如下步驟獲得所述ニ維圖像的內(nèi)積能量分布圖；在該內(nèi)積能量分布圖上檢測局部極大值點；獲取各個局部極大值點的鄰域焦點能量分布圖并確定對應(yīng)的橢圓。該方法的最后還可包括從所確定的橢圓中選取符合預(yù)期要求的橢圓的步驟。下面詳細介紹各步驟SI、計算所述ニ維圖像中各像素點的內(nèi)積能量，獲得所述ニ維圖像的內(nèi)積能量分布圖，所述內(nèi)積能量反映的是任ー像素點鄰域內(nèi)邊緣點關(guān)于該像素點的對稱程度。根據(jù)本發(fā)明，該步驟包括如下分步驟S11、對于該ニ維圖像中的任一像素，確定其鄰域內(nèi)關(guān)于該像素點対稱的對稱點對。對圖像中的任一像素點X,給定ー個圓形鄰域
權(quán)利要求
1.一種檢測圖像中的橢圓的方法，所述圖像為ニ維數(shù)字圖像，并且由多個像素組成，其特征在于，該方法包括如下步驟51、計算所述圖像中各像素點的內(nèi)積能量，獲得該圖像的內(nèi)積能量分布圖，所述內(nèi)積能量反映的是任ー像素點鄰域內(nèi)邊緣點關(guān)于該像素點的對稱程度；52、在像素點的內(nèi)積能量閾值約束下，在所述內(nèi)積能量分布圖上檢測局部極大值點，獲得潛在的橢圓中心點；53、對于任一所述局部極大值點，計算其鄰域內(nèi)各像素點的焦點能量，獲得其鄰域的焦點能量分布圖；54、對于任一局部極大值點，利用其鄰域的焦點能量分布圖確定至少ー個橢圓。
2.如權(quán)利要求I所述的檢測圖像中的橢圓的方法，其特征在于，所述步驟SI包括如下步驟511、對于所述圖像中的任一像素，確定其鄰域內(nèi)關(guān)于該像素點対稱的對稱點對；512、對于所述圖像中的任一像素點，利用所述步驟Sll所述的對稱點對構(gòu)造該像素點的內(nèi)積能量描述子；513、根據(jù)所述內(nèi)積能量描述子計算所述圖像中的各像素點的所述內(nèi)積能量，獲得該圖像的內(nèi)積能量分布圖。
3.如權(quán)利要求2所述的檢測圖像中的橢圓的方法，其特征在干，所述步驟Sll中確定對稱點對的方法為對所述圖像中的任一像素點X，給定ー個圓形鄰域G(X, r) = {q|0彡| X-q |彡r},對于G(X, r)內(nèi)的任一邊緣點Pj, j = I,...,η, η為G(X, r)內(nèi)邊緣點的個數(shù)；Ερτ為點Pj關(guān)于點X的理論對稱點，以點ρτ為中心的ΔΧΔ鄰域內(nèi)邊緣點的集合為匕，若存在一個邊緣點P ' j滿足條件(I) P'j e νΡτ ；(2) \ρ)- ~Ρτ\\ = min {c/, | d, = | (/)-/^||, I < / < No' ト No1 為な內(nèi)邊緣點的個數(shù)，則點 P」.和 p' j關(guān)于點X對稱。
4.如權(quán)利要求3所述的檢測圖像中的橢圓的方法，其特征在于，所述步驟Sll中的Λ為3或5。
5.如權(quán)利要求3所述的檢測圖像中的橢圓的方法，其特征在于，所述步驟S12中的構(gòu)造內(nèi)積能量描述子的方法為對G(X，r)內(nèi)關(guān)于點X対稱的任ー對稱點對Pi和ゲi，i =I，. . .，No，No為G (X，r)內(nèi)對稱點對的個數(shù)，計算點Pi和P' i的內(nèi)積為I!), = (Ip； + Ip；)'こ，孫由,IWipi) wiM+wip^wip) j _\W(ptymp\)\-mp^mp\)、,占的ハ干 Λ+_2·|γ^,.)||.||ν/(パ)Il, Ρ-~2·||ν/(凡')||·||ν/(パ)Il，γ/(只)刃ハ'、Pi 的梯度，V/(パ)為點ドi的梯度，符號“ Q ”表示內(nèi)積運算；計算點Pi與矢量;^的內(nèi)積,.r+ 巧)。PA'lpc = (lpcl + lpctr，其中隊=2.|_|綱I , lp^ = 2·|_|例I ，才\vf(p)-W + mp)°pp(算點P' i與矢_>的內(nèi)積其中か％=- M H I—；||-，p'XIp1Ci =(Ip'c'；+Ip'cl)V2，2·||ν/(Α.)||·|Λχ||
6.如權(quán)利要求I所述的檢測圖像中的橢圓的方法，其特征在于，所述步驟S2中，內(nèi)積能量閾值T = k · Mean(E)，其中Mean(E)表示所述步驟SI獲得的內(nèi)積能量分布圖E的均值，k為比例系數(shù)。
7.如權(quán)利要求6所述的檢測圖像中的橢圓的方法，其特征在于，所述k的范圍為5 10。
8.如權(quán)利要求6所述的檢測圖像中的橢圓的方法，其特征在于，在所述內(nèi)積能量分布圖上檢測的內(nèi)積能量大于所述內(nèi)積能量閾值T且在5X5像素鄰域內(nèi)為局部極大值點，作為潛在的橢圓中心點。
9.如權(quán)利要求I所述的檢測圖像中的橢圓的方法，其特征在于，在所述步驟S3中，對于所述步驟S2獲得的任一局部極大值點Cm，m = 1，. . . ,No27No2為步驟S2獲取的局部極大值點的個數(shù)，其鄰域為G(Cm，r) = {q|0≤|Cm_q| |≤r};對于鄰域G(Cm，r)內(nèi)的任一像素點q，記點q關(guān)于極大值點Cm的對稱點為q';對于鄰域G(Cm, r)內(nèi)關(guān)于點Cm對稱的任ー對稱點對 Pj.和 P'」.，若點 Pj.和 P' j 滿足以下條件(I)Ipi > 0.9 ; (2) Ipci > 0.9 ; (3) Ip' Ci> O. 9,則計算點Pj到點q和點q'的距離之和も=I I Pj-q | + | Pj_q' | | ,并將結(jié)果四舍五入為整數(shù)作為Clj的最終值；統(tǒng)計距離Clj的出現(xiàn)次數(shù)，將出現(xiàn)次數(shù)最多的距離值定義為點q處的特征距離，記為d,，將該特征距離對應(yīng)的出現(xiàn)次數(shù)定義為點q處的焦點能量，記為Fq ；計算鄰域G(Cm，r)內(nèi)各像素點的焦點能量，獲得鄰域G(Cm，r)的焦點能量分布圖F(Cm，r)。
10.如權(quán)利要求I所述的檢測圖像中的橢圓的方法，其特征在于，所述步驟S4包括兩個步驟541、根據(jù)所述焦點能量分布圖，將任一局部極大值點作為橢圓的中心，確定該橢圓的焦點位置；542、根據(jù)橢圓的中心和焦點位置計算橢圓的其他參數(shù)。
11.如權(quán)利要求10所述的檢測圖像中的橢圓的方法，其特征在于，在所述步驟41中，對于所述步驟S2獲得的任一局部極大值點Cm，其焦點能量分布圖為F (Cffl, r)，檢測該焦點能量分布圖的最大值，即對應(yīng)于以Cm為中心的橢圓的兩個焦點flm，f2m。
12.如權(quán)利要求11所述的檢測圖像中的橢圓的方法，其特征在于，在步驟S42中，橢 圓的長半軸
13.如權(quán)利要求I所述的檢測圖像中的橢圓的方法，其特征在于，在步驟S4之后還包括步驟S5 :驗證所確定的橢圓,剔除不合理的橢圓,保留正確的橢圓。
14.如權(quán)利要求13所述的檢測圖像中的橢圓的方法，其特征在于，所是步驟S5包括記任ー橢圓Ep (Cm, am, bm, Θ J的周長為ム^，以橢圓Ep(Cm, am, bm, Θ J為中線構(gòu)造寬度為2Δ+1的橢圓環(huán) ，記內(nèi)邊緣點的個數(shù)為Noa，將不滿足條件Ajn的橢圓剔除，其中S和Λ為比例系數(shù)，則被保留的橢圓即為所述ニ維數(shù)字圖像中實際存在的橢圓。
15.如權(quán)利要求14所述的檢測圖像中的橢圓的方法，其特征在于，所述S的取值范圍為.O.7 O. 9，Δ 為 3 或 5。
全文摘要
本發(fā)明公開了一種檢測圖像中的橢圓的方法，該方法包括如下步驟S1、計算所述圖像中各像素點的內(nèi)積能量，獲得該圖像的內(nèi)積能量分布圖，所述內(nèi)積能量反映的是任一像素點鄰域內(nèi)邊緣點關(guān)于該像素點的對稱程度；S2、在像素點的內(nèi)積能量閾值約束下，在所述內(nèi)積能量分布圖上檢測局部極大值點，獲得潛在的橢圓中心點；S3、對于任一所述局部極大值點，計算其鄰域內(nèi)各像素點的焦點能量，獲得其鄰域的焦點能量分布圖；S4、對于任一局部極大值點，利用其鄰域的焦點能量分布圖確定至少一個橢圓。本發(fā)明簡單可行，易于實現(xiàn)，且在計算時間和檢測準確度方面更加優(yōu)良。
文檔編號G06T7/00GK102831610SQ20121028721
公開日2012年12月19日 申請日期2012年8月13日 優(yōu)先權(quán)日2012年8月13日
發(fā)明者郝銀星, 譚湘敏 申請人:中國科學(xué)院自動化研究所