[发明专利]一种基于弧支持线段的椭圆检测方法

说明书

技术领域

本发明属于计算机视觉，模式识别，图像处理技术领域，涉及一种高精度、高鲁棒性和快速的椭圆检测技术，具体涉及一种基于弧支持线段的椭圆检测方法。

背景技术

首先，椭圆检测方法是计算机视觉和图像处理领域中的基石，具有非常重要的研究意义和极大的应用价值。在形状识别，物体识别和定位，边缘轮廓建模和图像分割中都有起着重要的作用。

在椭圆检测领域，比较突出的检测方法主要是基于霍夫变换(HT)，和基于边界跟踪的椭圆检测方法。对于标准的HT椭圆检测方法，有三个方面的缺点导致在实际中难以进行应用。第一，HT方法需要存储五维的累加器，耗费大量的存储空间；第二HT方法在五维空间中搜索峰值，需要耗费大量的时间；第三严重依赖参数。因此随机霍夫变换(SHT)针对以上前两个缺点进行改进，随机的选取5个点并映射到椭圆参数空间中，并且采用了一维的数组而非累加器。还有的方法，例如McLaughlin等，对HT的五维参数空间进行降维，采取先求椭圆中心，再求剩余参数的策略。但是HT方法及其变体，都无法在椭圆检测上表现出良好的性能。

另一个，便是基于边界跟踪的椭圆检测方法。该类方法通过提取边界图中的线段，然后依据线段连接边缘像素形成弧片段，根据边缘的连续性和凸性，将弧片段进行连接，并运用不同的技巧对弧片段进行分组，最后对分组进行拟合得到椭圆。该类方法主要问题在于一下几点，第一，弧片段的连接仅依赖于距离，容易连接错误。第二，进行分组时，需要明确的是极其难通过搜索或者优化方法将属于同一个椭圆的弧片段都分为同一组，因此最后会导致误识别。第三，该类方法未充分利用椭圆的几何性质，以及梯度信息，耗时长，鲁棒性不高。

发明内容

本发明提供一种基于弧支持线段的椭圆检测方法，其具有高鲁棒性，精确，低误识，高效的性能，能够应对复杂环境干扰(光照明暗，椭圆缺失，断续，模糊，复杂背景，大量噪声等)。

为实现上述技术目的，本发明采取具体的技术方案为，一种基于弧支持线段的椭圆检测方法，包括如下步骤：

步骤一、运用线段检测方法从原始灰度图像中提取弧支持线段的集合，弧支持线段为去除直线段的曲线边缘得到的线段；

步骤二、基于弧支持线段的连续性与凸性，对属于同一曲线边缘的弧支持线段进行鲁棒性连接，实现对弧支持线段进行分组；

步骤三、采用两种方式分别从弧支持线段的分组中提取初始椭圆，方式一：对于分组内连接的弧支持线段所跨弧度角度大于T_sa的分组直接进行椭圆拟合，T_sa为90°，从而得到若干个初始椭圆；方式二：将步骤二得到的分组按两个一对进行任意组对，对组对进行极性分析、区域限制算法和自适应内点准则验证得出有效组对，拟合有效组对得到若干个初始椭圆；其中，极性分析是要求组对的两个分组极性一致，区域限制算法要求两个分组要在彼此的弧支持方向指向的区域内，自适应内点准则要求由两个分组内每一条弧支持线段的支持内点数量要大于自身线段长度对应的像素点的数量；支持内点指的是距离初始椭圆的边界距离小于ε的边缘点，ε为2个像素，其梯度方向与初始椭圆的法线方向差值不超过α，α为22.5°；方式一与方式二得到的初始椭圆均采用表示，(x,y)_i是初始椭圆e_i的对称中心，(a,b)_i为初始椭圆e_i的长短半轴，为初始椭圆e_i的倾角；通过两种方式分别从弧支持线段的分组中产生的若干个初始椭圆，共同构成初始椭圆集合，初始椭圆集合为E^init，其中N^init为两种方式产生的初始椭圆数量总数；

步骤四、运用椭圆类聚合算法对初始椭圆集合进行聚类分析，产生候选椭圆；

步骤五、应用椭圆的几何性质，对候选椭圆进行验证，检测出椭圆。

作为本发明改进的技术方案，弧支持线段的提取方法如下：

步骤一、对原始灰度图像进行Sobel算子得到梯度图；

步骤二、在梯度图中，剔除梯度幅度小于最大梯度幅度10％的点，并依据幅度大小进行伪排序；

步骤三依伪排序在梯度图中选择种子点进行区域增长算法，得到候选区域R_L，R_L中整体梯度表现的方向为式一：