[发明专利]一种基于几何特征的快速自适应角点结合的圆心检测方法

说明书

本发明提供了一种基于几何特征的快速自适应角点结合的圆心检测方法，属于图像处理算法技术领域。本发明利用两次阙值不同的阙值二值化对标志物进行处理；再通过改进后的SUSAN算法对标志物图像进行角点检测，对圆心和半径进行粗定位；然后对二值化后的圆形图像进行Canny算子检测出边缘，再对边缘进行半径约束，得到细化且连续的边缘；最后对此时检测出的边缘进行处理，结合多次处理和加权平均的方式来得到具有良好精度的圆心坐标。本发明避免了梯度计算，减少了噪声所带来的干扰，提高了算法的速率，具有良好的精度，简单易实现并具有良好的运行速率且满足实时性。

技术领域

本发明涉及一种基于几何特征的快速自适应角点结合的圆心检测方法，属于图像处理算法技术领域。

背景技术

一般圆形标志点的圆心坐标的精度由圆的边缘检测的精度所决定。论文“基于非极大值抑制的圆目标亚像素中心定位”(仪器仪表学报，王静，201207)利用图像中的梯度信息结合非极大值抑制法的方式来获取连续细化的理想边缘，实现了像素级边缘的定位；再结合5×5的Zernike矩对边缘进行亚像素级定位，最后利用最小二乘法的方式两次拟合来获得圆形标志点的中心坐标，在仿真图像和实测图像中验证其良好的精度和较短的运行时间。该方法的缺点是：虽然可以通过细化边缘的方式来获得精度更高的圆形标志点的坐标，但是不能消除孤立的噪声点，而实际中获得的图像梯度信息往往受到噪声的影响而发生变化，从而影响了对标志点中心定位的精度。

论文“Canny算子对人工标志中心的亚像素精度定位”(测绘科学技术学报，范生宏，200602)采用Canny算子对带有圆形标志点进行边缘分割，再结合模式识别以及原理简单、易实现的最小二乘法检测圆形坐标的中心坐标，解决了标志识别率低的问题，实验结果显示该方法具有亚像素级的精度以及良好的实时性。该方法的缺点是：利用Canny算子提取边缘信息，所得到的边缘只能是像素级的，而椭圆拟合的方法产生的效果有限，而且在实际中容易出现边缘间断的情况。而通过边界跟踪使边缘连续的方式运算量大，可能产生孤立点；如果利用曲率滤波的方式会提高算法的复杂性，导致实时性变差。

论文“基于空间矩的圆标志中心亚像素定位算法”(吉林大学学报(工学版)，郭玉波，200901)提出了一种新的基于空间矩的圆曲线亚像素边缘检测算法，再结合最小二乘法来计算圆形标志点的中心坐标。该方法克服了在进行圆形标志点中心定位时，传统的Lyvers空间矩算法所带来的较大的定位误差，仿真结果显示该方法具有良好精度。该方法的缺点是：对理想图像和噪声图像进行了实验并验证了其方法良好的精度和实时性，但是该方法中存在着大量对非线性方程组的迭代求解过程，大量的迭代过程严重影响了该算法的时间效率。

发明内容

本发明的目的是为了解决上述现有技术存在的问题，进而提供一种基于几何特征的快速自适应角点结合的圆心检测方法。

本发明的目的是通过以下技术方案实现的：

一种基于几何特征的快速自适应角点结合的圆心检测方法，包括：

步骤一、选取对图像感兴趣的部分，即包含标志物的图像部分，再对感兴趣的部分分别进行两次阈值不同的二值化，分别得到一个等边三角形和一个圆形；

步骤二、对阈值处理后的等边三角形图像采用一种快速的角点检测方法检测出标志物中的等边三角形的角点，根据三角形的角点及几何关系对圆心和半径进行粗定位；

步骤三、对二值化后的圆形图像进行Canny算子检测出边缘，再结合之前等边三角形图像处理所得的圆心坐标和半径对边缘进行半径约束，得到细化且连续的边缘；

步骤四、对此时检测出的边缘进行处理，结合多次处理和加权平均的方式来得到具有良好精度的圆心坐标。

所述步骤一在对图像的二值化处理中，对标志物中的不同图案采用不同的灰度值，且它们的灰度关系为背景灰度值等边三角形灰度值圆形灰度值，灰度值的差值大于50。