[发明专利]一种同步检测图像中平行直线和平行曲线特征的方法

说明书

本发明提供一种同步检测图像中平行直线和平行曲线特征的方法，其包括如下步骤：将输入图像转化为灰度图像，获取边缘图像的链条集合；将链条集合分解为直线边缘链条集合和平滑曲线边缘链条集合；并分别构建平行直线模型和平行曲线模型：根据模型分别对直线边缘链条集合和平滑曲线边缘链条集合进行处理和判断，获取到平行直线对集合和平行曲线对集合。本发明能检测图像中存在的平行结构，并能适用于多种环境场景，具有较好的灵活性和移植性，可为后续不同类型的图像检测任务提供特征依据。

技术领域

本发明涉及视觉特征提取和视觉感知技术领域，具体涉及一种同步检测图像中平行直线和平行曲线特征的方法。

背景技术

在计算机视觉特征提取过程中，如何提取到被检测物体的有效特征一直是众多计算机视觉任务的重要环节。平行性作为格式塔组织原则的重要组成部分，是人类视觉感知周围世界三维结构信息的重要基本特征。与纷繁的线段相比，平行线含有更为丰富的语义信息，是对图像中人造场景或物体进行高级描述的基础，也是人类估计景深等信息的关键要素，可为识别具有丰富平行结构的物体提供良好的线索支持。因此平行线的检测工作在计算机视觉中起着至关重要的作用，如：消失点的检测、车道线检测、文本定位、遥感道路检测等。

目前平行线的检测方法主要有针对于平行直线的检测、针对于平行曲线的检测、利用平行结构进行平行直线和平行曲线的共同提取。平行直线的检测主要分为两类，一类是通过将直线边缘从笛卡尔坐标系转换到极坐标系中进行表示，利用投票的原则进行平行直线组的提取，如专利CN111141208A所提出的方法以及文献《基于Hough变换的平行直线检测改进算法研究》所提出的方法，缺点在于易受噪声干扰且需大量的计算时间以及内存需求。另一类是通过对边缘像素点拟合获取直线边缘轮廓，计算直线斜率进行平行线组的判断。如专利CN106251332B所提出的方法，缺点在于对边缘像素拟合需很大的计算成本，且对拟合后的直线边缘进行斜率的求取会存在一定误差，结果依赖于斜率判定的参数选择。平行曲线的检测是主要是通过选择合适的曲线对，利用一系列判断准则进行曲线的提取，如文献《Harbor Detection in Polarimetric SAR Images Based on the Characteristicsof Parallel Curves》所提出的方法，缺点在于两方面，一方面在提取合适的曲线对时，通过设置一个搜索窗口进行合适曲线对的搜索，这种方式依赖于搜索窗口大小的阈值设定，会出现漏检误检的情况并需要大量的计算时间；另一方面在于忽略了曲线对之间的几何关系。利用平行结构进行平行直线和平行曲线的共同提取，主要是通过建立平行结构模型进行平行性判定，如文献《基于边缘检测的SAR图像平行线特征提取算法》所提出的方法，缺点在于由于依赖于点对之间的距离信息，在复杂场景中需要较大的计算成本进行平行结构筛选，而且真实环境中的平行关系大多为近似平行，因此参数的选取很大程度影响了最终的检测结果。综上所述，想要检测图像中平行线特征存在如下的不足之处：

(1)检测窗口的大小依赖于阈值的设置，对于不同检测场景需用不同尺寸大小的检测窗口进行检测；

(2)依赖坐标变换的平行直线检测方法其时间复杂度和空间复杂度都很高，并且在检测过程中只能确定直线对方向，而无直线对的长度信息，即无法确认直线对的平行有效性。

依赖点对之间的距离信息进行平行直线以及平行曲线判断的算法时间复杂度和空间复杂度都很高，且只能对规则平行结构进行提取，对于现实生活中的类平行结构很难成功提取。

发明内容

本发明的目的主要是公开一种同步检测图像中平行直线和平行曲线特征的方法，它能检测图像中存在的平行结构，并能适用于多种环境场景，具有较好的灵活性和移植性，可为后续不同类型的图像检测任务提供特征依据。

本发明的一个方式的同步检测图像中平行直线和平行曲线特征的方法，其包括以下步骤：

步骤1：将输入图像转化为灰度图像，获取边缘图像的链条集合E＝{e₁,e₂,...,e_m}；