[发明专利]一种基于感知对比度和特征选择的椭圆检测方法

权利要求书

1.一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：该方法步骤如下：

步骤一、感知对比度图像计算

对待检测图像进行高斯金字塔分解，在每层金字塔上计算图像的对比度和感知敏感度，将每层计算得到对比度和感知敏感度相乘得到该层的感知对比度；对每层高斯金字塔计算得到的感知对比度求和得到总体感知对比度，并对该总体感知对比度进行归一化处理得到感知对比度图像；

步骤二、候选图像块提取

对于步骤一提取的感知对比度图像进行阈值处理得到二值图像，对二值图像进行边缘检测，并对所有检测到的边缘进行过滤，仅保留满足尺度、封闭性和形态要求的边缘；对于剩余的每一个边缘，以该边缘坐标的中心点为中心，取正方形框作为目标候选区域；对于每个目标候选区域，取其在待检测图像中对应的图像块作为候选图像块输出；

步骤三、特征向量提取

对于每一个候选图像块，首先进行形态学滤波以滤除背景复杂纹理的干扰，并用大津阈值进行二值化处理得到二值图像，然后对于二值图像用canny检测算子检测边缘，对于每一个检测到的边缘坐标用主成分分析法进行形态校正，以使校正后的边缘具有旋转和平移不变性，同时对校正后的边缘坐标进行线性插值处理，以使边缘具有尺度不变性，最后对于每个边缘的每一个边缘点利用其邻域边缘坐标信息提取对应的形态特征值，进而得到了每一个边缘对应的特征向量；

步骤四、支持向量训练

对于待检测的数据集中每一个图像，利用步骤一、二和三对其处理，进而得到特征向量的集合，将特征向量集合分为目标特征向量集合和干扰特征向量集合，对目标特征向量和干扰特征向量分别设置标签；将含有标签的目标特征向量集合和干扰特征向量集合分别分成训练集和测试集，利用训练集来训练支持向量机，并用测试集测试训练得到的支持向量机是否满足要求；

步骤五、在线椭圆检测

对于输入的每张图像利用步骤一、二和三进行处理得到特征向量集，将每个特征向量输入到步骤四训练好的支持向量机中进行分类，如果支持向量机输出为目标特征向量的标签，则该特征向量对应的图像块所在区域包含有目标，否则不包含，从而完成椭圆检测。

2.根据权利要求1所述的一种基于感知对比度和特征选择的椭圆检测方法，其特征在于：所述步骤一感知对比度图像计算的具体过程如下：

对于给定的待检测图像f₀，利用M层高斯金字塔分解得到M个图像f₁、f₂…f_M，其中

f_i+1＝(f_i*H₁)↓₂,i∈{0,1,…,M}，

其中H₁是尺度S₁、标准方差为σ₁的高斯卷积核，↓₂是步长为2的降采样操作；对于任何一张图像f_i,i∈{0,1,…,M}，通过卷积运算得到图像其中

其中H₂是尺度为S₂、标准方差为σ₂的高斯卷积核；对于每一个图像对进行感知对比度计算(PC)得到对应的感知对比度图像IPC_i

其中Δf_i为偏差图像max₁是逐像素最大值运算；对于计算得到的感知对比度图像IPC_i进行步长为2的上采样操作并进行最近邻插值运算，得到与原始图像f₀同尺寸的图像其中是顺次进行i次运算；对于计算得到同尺寸感知对比度图像IPC_i,i∈{1,2,…,M},对其全部求和并归一化得到感知对比度图像IPC。