[发明专利]一种复杂背景图像中椭圆图像特征的自动提取方法

说明书

技术领域

本发明属于机器视觉技术领域，涉及一种复杂背景图像中椭圆图像特征的自动提取方法。

背景技术

圆是几何模式中基本的曲线基元，也是物体的基本几何形状，如各种工件、零部件上的定位孔和车轮等。圆形特征被广泛应用于机器视觉领域，如基于圆孔靶标的摄像机标定、基于圆形特征的机器人自动导引、物体空间位置和姿态测量、视觉导航以及目标对象识别等。而圆的透视投影往往表现为椭圆特征，因此研究图像中的椭圆特征的自动提取方法具有重要意义。

机器视觉系统的图像采集过程，由于受到现场复杂背景、光照不均匀以及图像采集设备自身存在噪声等许多不确定因素的干扰，使得拍摄图像出现了对比度不均匀、杂质边缘过多、特征相互遮挡、边缘打断等情况，给椭圆图像特征的提取带来了巨大的困难。D.Ballard(一般Hough变换探测任意形状，《模式识别》，13(2)，第1～22页，1981年[″Generalizing the Hough transform to detectarbitrary shapes，″Pattern Recognition，vol.13，no.2，pp.111～122，1981])提出了一种由图像边缘提取和Hough变换相结合的椭圆特征提取方法，该方法只适合于简单背景图像，需要建立具有四维参数空间的累加器，算法的计算量及复杂性与椭圆参数步长的选取有关，过细的参数步长，计算效率低，而过粗的参数步长，计算精度又较差。杨根忠和马彦(使用广义正交概念的K-RANSAC椭圆提取，《自动化学报》，第4期，第28卷，2002年)提出了一种使用广义正交概念的RANSAC椭圆提取方法，该方法能较好地解决椭圆遮挡以及边缘打断情况的椭圆图像特征提取，但也主要针对简单背景图像，对于复杂背景图像的椭圆特征提取，会出现过多无效采样导致计算效率低。现有的椭圆图像特征提取方法，未能充分利用边缘像素点在空间位置上保持连续性这一特点，导致算法存在冗余计算以及未能很好解决复杂背景图像中椭圆特征的自动提取。充分利用边缘像素点在空间位置上的连续性，将有利于减少椭圆提取的计算量，提高椭圆自动提取的鲁棒性，更好地解决复杂背景图像中的椭圆图像特征提取，对提高机器视觉系统的自动化程度和鲁棒性具有重要意义。

发明内容

本发明所要解决的技术问题是：提供一种复杂背景图像中椭圆图像特征的自动提取方法，充分利用椭圆边缘片段上边缘像素的空间位置的连续性，结合圆弧边缘片段拆分融合和基于随机采样一致性鲁棒算法(RANSAC)的边缘片段聚类，有效消除图像中噪声边缘的干扰，解决复杂背景图像中椭圆边缘的识别与聚类问题，实现椭圆图像特征的自动提取，为机器视觉中椭圆特征的自动识别及参数提取奠定基础。

本发明的技术解决方案是：一种复杂背景图像中椭圆图像特征的自动提取方法，其特征在于，所说的椭圆图像特征是指椭圆在图像中的参数方程，具体步骤是：

1、采用Canny边缘提取算法提取图像中边缘的亚像素图像坐标，并将获得的边缘点连接成边缘片段，边缘片段是由边缘点构成的坐标序列，其长度定义为点的数量；保留长度大于T_l的边缘片段，T_l为长度阈值，取值在50～100；用E_li(i＝1...M_l)表示第i条边缘片段，M_l表示所有边缘片段的数量；第i条边缘片段上的点用p_ljⁱ(x，y)(j＝1...N_li)表示，N_li为该条边缘片段上点的数量；