[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

说明书

本发明公开一种基于感知对比度和特征选择的椭圆检测方法，步骤如下：步骤一、感知对比度图像计算；步骤二、候选图像块提取；步骤三、特征向量提取；步骤四、支持向量训练；步骤五、在线椭圆检测。本发明的优点及功效：该方法具有灵活的参数，对于不同环境下椭圆的检测，通过调整这些参数就能获得高准确度，高召回率的目标椭圆检测器。该方法能够广泛应用于基于特定目标椭圆检测的应用中，具有广阔的市场前景与应用价值。

技术领域

本发明涉及一种基于感知对比度和特征选择的椭圆检测方法，属于数字图像处理领域，主要涉及视觉感知理论，特征检测，椭圆检测与识别技术。

背景技术

椭圆检测作为计算机视觉领域中的基础研究，在计算机视觉中有着广泛重要的运用，比如交通标示识别，人脸检测，相机标定，标志点检测等。在航天领域中，航天器的太能帆板在热力学和引力的作用下会产生静态形变，同时在姿态调整和轨道矫正中会产生振动。传统的接触式测量手段不能有效检测出静态形变，同时不能有效检测出微弱的震颤。因此基于视觉测量的帆板振动测量方法被提出，其中关键的技术在成像中椭圆形标志点的检测，椭圆检测算法的精度和鲁棒性直接影响视觉测量的精度和鲁棒性。椭圆检测是计算机视觉中一个很古老的问题，该问题被提出后，很多算法被提出用于高精度高鲁棒性的检测环境中的椭圆。目前椭圆的主流检测算法主要可分为三类，一类是基于霍夫变化的算法，一类是基于曲线弧段分析的算法，最后一类是基于随机过程的方法。

基于霍夫变换(Hough Transform,HT)的方法是计算机视觉中应用非常广泛的算法之一。Paul Hough在1962年第一个提出了标准霍夫变换算法(Hart P E.How the HoughTransform Was Invented[J].IEEE Signal Processing Magazine,2009,26(6):18-22)，该方法的核心思想是通过霍夫正变换将原图像空间中的点映射到(椭圆，直线等)的参数空间中的特定曲线，设置参数空间中每个点的投票值为经过该点映射曲线的数目，然后通过选择参数空间中投票值较高的点，并通过霍夫逆变换将参数空间中这些点反映射为原图像的中特定曲线，从而完成特定形状的检测。霍夫变换方法在理论上可行，但是原图像中每个点都要进行一次霍夫变换，这带了巨大的计算负荷，实验证明，检测目标越复杂，对应参数空间的维数越多，算法的时间复杂度和空间复杂度会呈指数增长。为了解决这个问题，很多研究者对这个方法进行了改进。Kiryati N提出了基于概率的霍夫变换方法，通过随机选择边缘曲线的一些小子集来减小计算量(Kiryati N,Eldar Y,Bruckstein A M.Aprobabilistic Hough transform[J].Pattern Recognition,1991,24(4):303-316)；Leixu等人通过随机选择同一边缘上不同的五个点在霍夫变化，提出了随机化霍夫变换的方法(Xu L,Oja E,Kultanen P.A new curve detection method:Randomized Houghtransform(RHT)[J].Pattern Recognition Letters,1990,11(5):331-338)；Zhang先宏观去除不可能组成椭圆的边界点，然后再进行霍夫变换(Zhang S C,Liu Z Q.A robust,real-time ellipse detector[J].Pattern Recognition,2005,38(2):273-287.)。Alberto S.Aguado提出了椭圆霍夫变换的参数空间分解法，他将椭圆的梯度信息融入到投票过程中，把椭圆的5个参数映射为三组独立的变量，达到了将一个5维空间分解为两个2维空间和一个1维空间的成果，大大减小了霍夫变换的消耗(Aguado A S,Montiel M E,NixonM S.On using directional information for parameter space decomposition inellipse detection[J].Pattern Recognition,1996,29(3):369-381)。