[发明专利]高分辨率大数量级图像的快速矩形检测方法

说明书

技术领域

本发明涉及一种利用机器视觉和图像处理技术，具体地涉及一种高分辨率大数量级图像的快速矩形检测方法。

背景技术

矩形检测在计算机视觉领域有很广泛的应用，如遥感图像中楼房的检测，车牌的检测等方面。在实际的工业生产中，超大尺寸玻璃的流水线作业需要我们精确的检测出矩形玻璃的位置。工厂使用高分辨率的扫描摄像机获取玻璃等板材边界点的二维坐标，需要一种实时并且精确的矩形检测算法来检测出像素坐标中的矩形位置，以便于后续的生产流程。通常，由于背景区域的灰尘等因素，导致背景有许多错误边界被提取出来，这些错误边界的像素与正确边界的像素混在一起，对矩形的识别造成干扰。面对多种的矩形板材的尺寸，需要一种对多种矩形尺寸具有鲁棒性的检测方法。此外，对于获取的高分辨率的大数量级的数据，边界像素由于透镜畸变等因素并不是一条直线，而是有细微的弯曲，在高分辨率大数量级的图像中，这种弯曲很容易导致传统的直线检测方法（如Galambos等人于1999提出的Progressive Probabilistic Hough Transform方法）失效。因此要求矩形检测方法能够有效率的快速检测矩形的位置，同时不能影响精确性，这样才能应用到实际生产中。

经过对现有技术文献的查找发现，大部分的现有的矩形检测算法都是基于直线检测的方法。Tao等人于2002发表在International Conference on Signal Processing上的论文A new approach of extract rectangle building from aerial urban images（一种从城市遥感图像提取矩形的新方法）提出一种基于参数的提取遥感图像中矩形建筑的方法。在他们的方法中，首先用分割数学的方法提取线。然后用起始点、终止点和方向找出平行线，再用找出的平行线对合成矩形结构。这种方法效率不高，而且面对透镜畸变等容易受到干扰。Jung等人于2004年发表在Computer Graphics and Image Processing的论文Rectangle detection based on a windowed Hough Transform（基于窗口Hough变换的矩形检测方法）提出了一种基于窗口Hough变换的举行检测方法。这种算法利用在Hough域内的几何特征直接在Hough空间内进行矩形检测。这种方法可以适用于未知矩形尺寸和方向的问题，但在面对含有由灰尘导致的大量虚假边界的时候，得不到希望的结果。此外，以上的这些算法应用的领域主要是遥感图像和车牌识别等方向。而这些领域针对的图像均为正常分辨率的密集矩阵，当应用这些算法到我们要研究的实际工业生产中的大尺寸矩形板材（如玻璃）检测问题时，面对高分辨率的大数量级稀疏矩阵，算法的检测效果和效率都会很差。

发明内容

本发明的目的在于针对实际工业生产中大尺寸矩形板材（如玻璃）检测问题中现有技术的不足，提出一种基于改进的渐进概率Hough变换直线提取方法的矩形检测方法。该方法能在含有大量虚假边界点和透镜畸变等干扰条件下，从高分辨率大数量级的稀疏矩阵中快速检测出不同尺寸的大矩形。

为实现上述目的，本发明首先对每一个边界像素坐标处理得到一个十字点集；然后通过PPHT算法提取出Hough的峰值，然后找到峰值对应的最长直线；然后沿直线搜索每一个非零边界像素，将该点属于的十字点集从边界点集合中删除；循环搜索提取出所有的满足条件的直线；然后从提取的直线中找出一对精确匹配的平行线对；再找到两条一端点精确匹配的垂直边，最后计算得到矩形的四个端点，完成矩形检测。

具体地，根据本发明的一个方面，一种高分辨率大数量级图像的快速矩形检测方法，包括如下步骤：

步骤S1：缩小坐标的数量级，将每个边界点的n个4邻域像素坐标像素的像素值置为第一数值以得到一个十字点集，其中，n的值通过先验知识得到；将得到的所述十字点集中的像素存入边界点像素集合，并将不属于所述十字点集的像素置为第二数值；

步骤S2：利用渐进概率霍夫变换算法检测到霍夫的峰值，得到与所述边界点像素集合中的点对应的直线；

步骤S3：从所述边界点像素集合中的点初始点像得到的斜率正负方向搜索，每找到一个非零像素，查询计算该像素对应的十字点集包括的所有像素，将它们从所述边界点像素集合中删除，直到达到端点像素；回到所述步骤S2，进行循环直到剩余像素数少于原所有像素的一个比值；