[发明专利]一种对称图像对称轴检测定位方法

说明书

技术领域

本发明属于图像处理与模式识别领域，更具体地，涉及一种对称图像对称轴检测定位方法。

背景技术

在视觉特征描述中，对称性是一个重要内容。自然界中随处可见对称性的物体，且通过对称性的特点，可进行众多判断，从而指导视觉的物体检测、特征提取与识别过程等。目前，图像处理中的对称性检测由于各方面的原因还存在着不足。从图像中提取对称轴，对于模式识别和图像处理是重要的。物体的对称轴检测，对物体形状匹配、模型匹配、物体识别与定位、场景理解等具有重要的意义。对称轴在平面物体的定位、识别，精密仪器的对称性检测中发挥着重要的作用，而且应用于3D物体的重建、智能交通、机器人导航、卫星图像管理、遥感图像处理和空间检测、人脸识别等领域。总之，对称轴检测是图像特征检测的重要内容，对图像处理、计算机视觉信息传输等，拥有广阔的应用前景。

国内外关于提取物体对称轴的研究也涌现了诸多方法，Enmin Song等采用一组辅助平行线与分割目标相交的方式，拟合出所有交点的中心点连线，然后通过不断迭代直至中心点连线不再变动，从而获得对称轴；Huisi Wu等利用了从对称图像中提取的Sift特征也呈对称性这一特性，对每组Sift特征向量进行相似性度量，计算相似度权重，再利用了Hough变换的原理，在对应极坐标位置上叠加相似度权重，提取峰值坐标即为中轴线对应极坐标；Kunihiko Fukushima等利用神经网络算法，提取有向边缘，进行多层模糊处理，然后进行相似度计算，判断是否存在对称性以及对称轴的位置。Ding Shao-wen等提出了基于最小惯性轴和对称目标在单侧照明条件下的成像特点的对称轴提取方法。

上述算法大部分都是针对特定类型的图像进行处理，如MRI图像，导弹图像等，部分算法所采用的实验图像比较清晰，应用范围有一定的局限性，算法鲁棒性较差。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种鲁棒的对称图像对称轴检测定位方法，该方法基于边缘点梯度和Hough变换原理，在保留了大部分对称边缘点的条件下，计算每对边缘点的对称权值，将待选中轴线映射到极坐标空间，进而对图像对称轴进行高精度定位。

为了实现上述目的，本发明提供了一种对称图像对称轴检测定位方法，包括以下步骤:

(1)对待检测输入图像进行Sobel边缘检测；

(2)对每个边缘点，统计以该边缘点为中心的预设大小邻域范围内所有像素点的梯度大小和方向的分布情况，统计结果作为该点的梯度表示；

(3)针对所有边缘点，两两选取点对，对任一点对，当该两点梯度相近时，计算该两点的中垂线方程，利用该两点的梯度方向信息计算两点中垂线的映射权值，该中垂线即为待选中轴线。所有点对经过上述操作后，即获得待选中轴线集；

(4)根据步骤(3)中确定的所有待选中轴线方程，利用Hough变换的映射机制，转换为极坐标表示，设置极坐标横轴纵轴单位，建立极坐标系累加器矩阵，在所有待选中轴线所对应的极坐标累加器单元上叠加相应的映射权值；

(5)在极坐标累加器中挑选权值和最大的坐标，如通过拒识判断，则该极坐标表示的直线即为待求中轴线，否则待检测图像不存在对称轴。

本发明的一个实施例中，所述步骤(1)处理方法为：使用Sobel横向和纵向卷积因子与图像做平面卷积，即可分别得出横向和纵向的灰度差分近似值，图像中每一个像素点的横纵向灰度差分近似值可用来计算梯度幅值和方向；设置边缘提取阈值Thre1，根据梯度幅值与阈值间关系确定背景域和目标域，获得二值化边缘图像和边缘点集，边缘点总数为n。

本发明的一个实施例中，所述步骤(2)包括以下步骤：

(2-1)设置邻域窗口大小wid*hei，以步骤(1)中获得的每个边缘点为中心，在邻域窗口内采样，计算每个像素点的梯度幅值和方向。

(2-2)设定梯度直方图范围是0～360度，每γ度一个柱，总共360/γ个柱，统计邻域窗口内每个像素点的梯度方向和幅值，并用高斯函数对每个像素点的幅值进行平滑计算，统计结果即为该邻域窗口内所有像素点的梯度分布直方图。

(2-3)根据邻域窗口直方图峰值所对应的方向，及其左右方向进行插值操作，插值操作的过程如下：设直方图峰值所对应方向为第c个柱，该峰值左侧为第l个柱，右侧为第r个柱，则经过插值后直方图峰值对应的柱为第个，直方图峰值对应的方向为若ori＞2*π，则ori＝ori-2*π，ori即作为中心像素点的梯度主方向，峰值大小作为中心像素点梯度幅值，即每个边缘像素点形成自己的梯度向量。