[发明专利]一种基于轮廓匹配优化的矩形检测提取方法

说明书

本发明涉及一种基于轮廓匹配优化的矩形检测提取方法，其特征在于，包括以下步骤：步骤1：检测和提取原始影像边缘轮廓，得到边缘影像；步骤2：计算边缘影像中每一个非边缘像素距离最近边缘像素的距离D(p)，然后进行归一化距离变换，得到归一化后的距离S(p)，p为非边缘像素；步骤3：采用规则网格覆盖边缘影像，并对规则网格中的矩形赋初始值；步骤4：计算每一个规则网格中的矩形及该矩形邻域集中的矩形的综合轮廓匹配度，选取轮廓匹配度最大的矩形作为提取的初始矩形；步骤5：去除重复矩形和非矩形，得到最终的边缘影像的提取矩形。本发明的方法将矩形视为一个整体，表示为一个五维向量参数，通过对矩形的轮廓与影像中提取边缘匹配度的优化，实现矩形的高精度检测和提取。

技术领域

本发明属于数字图像处理技术领域，特别涉及一种基于轮廓匹配优化的矩形检测提取方法。

背景技术

大量人工物体形状呈现为矩形特征，例如自然场景图像中的路牌、车牌，高分遥感影像中的汽车、建筑物、盐田。这种矩形特征与自然场景目标中具有分型特征的形状具有显著的区别，为自动检测、提取这些目标提供了极佳的特征。尤其是伴随着我国资源三号、高分二号等一批高空间分辨率遥感卫星发射，获取了大量急需实时处理的高分遥感影像。然而，当前以分割为基础的面向对象方法在提取这些目标时，常常会遇到边缘模糊、断裂、弯曲、内部差异大等状况，导致分割效果较差，进而影响最终的提取结果。因此，有针对性的矩形检测提取方法研究十分必要。

现有的矩形检测方法多是采用自底向上的先分解后组合的策略。这种策略首先从影像中提取边缘或者直线，然后由矩形对边平行、邻边垂直的约束条件，对提取的边缘或直线进行组合、分类，进而实现最终的矩形检测提取。例如目前引用最多的基于Hough直线变换的矩形检测方法(Jung,Claudio Rosito,and Rodrigo Schramm.2004.RectangleDetection based on a Windowed Hough Transform.Paper presented at the ComputerGraphics and Image Processing,Xvii Brazilian Symposium.)，在边缘提取后，根据矩形的平行、垂直约束条件，在Hough变换空间中寻找满足这些条件的极值点对，实现矩形的检测提取。但由于所采用的方法中包含逐像素滑窗策略，使得这一方法速度较慢。此外，边缘弯曲等状况也会导致直线检测的失败，进而导致矩形的漏检。其它一些依赖于直线检测结果并组合的策略(河谷大和，小坂清人，吴藤弘康.图像处理装置和矩形检测方法:中国，201210439013.X[P].2012-11-06.)，通常也会遇到类似边缘弯曲、断裂的漏检状况。

发明内容

针对上述问题，本发明提出了一种基于轮廓匹配优化的矩形检测提取方法，采用矩形整体检测策略，通过对矩形轮廓与检测边缘匹配度的优化，实现矩形的检测提取。

本发明的具体技术方案是一种基于轮廓匹配优化的矩形检测提取方法，其特征在于，包括以下步骤：

步骤1：检测和提取原始影像边缘轮廓，得到边缘影像；

步骤2：计算边缘影像中每一个非边缘像素距离最近边缘像素的距离D(p)，然后进行归一化距离变换，得到归一化后的距离S(p)，p为非边缘像素；

步骤3：采用规则网格覆盖边缘影像，并对规则网格中的矩形赋初始值；

步骤4：计算每一个规则网格中的矩形及该矩形邻域集中的矩形的综合轮廓匹配度，选取轮廓匹配度最大的矩形作为提取的初始矩形；

步骤5：去除重复矩形和非矩形，得到最终的边缘影像的提取矩形。

更进一步地，所述的步骤1中检测和提取原始影像边缘轮廓的方法为采用Sobel算子、Prewitt算子、Canny算子的方法或用图像分割算法计算闭合轮廓的方法。