[发明专利]一种复杂背景图像中椭圆图像特征的自动提取方法

摘要

本发明属于机器视觉技术领域，将提供一种复杂背景图像中椭圆图像特征的自动提取方法。本发明首先利用Canny边缘提取方法获取图像边缘的亚像素图像坐标，并通过边缘连接方法将相邻边缘像素连接为边缘片段；然后使用基于圆弧近似拟合的边缘拆分融合算法，将边缘片段中满足中心距离约束和半径约束的圆弧片段进行融合；基于随机采样一致性鲁棒估计算法，对属于同一椭圆的圆弧片段进行聚类；最后将聚类后的同类圆弧片段进行最小二乘拟合得到椭圆参数方程。所提出的椭圆自动提取算法有效消除了图像中噪声边缘的干扰，解决了复杂背景图像中椭圆边缘的识别与聚类问题，实现了椭圆图像特征的自动提取。

主权项

1.一种复杂背景图像中椭圆图像特征的自动提取方法，其特征在于，所说的椭圆图像特征是指椭圆在图像中的参数方程，具体步骤是：1.1、采用Canny边缘提取算法提取图像中边缘的亚像素图像坐标，并将获得的边缘点连接成边缘片段，边缘片段是由边缘点构成的坐标序列，其长度定义为点的数量；保留长度大于Tl的边缘片段，Tl为长度阈值，取值在50～100；用Eli(i＝1...Ml)表示第i条边缘片段，Ml表示所有边缘片段的数量；第i条边缘片段上的点用plj i(x，y)(j＝1...Nli)表示，Nli为该条边缘片段上点的数量；1.2、给定步长Sl，将步骤1.1获得的边缘片段Eli分割为边缘子片段，Sl取值为20～50，图像越复杂，取值越小；采用圆的最小二乘拟合算法，对每个边缘子片段进行圆弧拟合，得到近似圆弧的参数，用e表示拟合误差，定义误差约束e＜e0，e0为误差阈值，取值为0.5～1；保留满足拟合误差约束的边缘子片段，称为圆弧子片段；用Esi(i＝1...Ms)表示第i条圆弧子片段，Ms表示所有圆弧子片段的数量；第i条圆弧子片段上的点用psj i(x，y)(j＝1...Nsi)表示，Nsi为该条圆弧子片段上点的数量；用Cs，i(x，y)和rs，i分别表示第i条圆弧子片段对应的近似圆弧的中心点坐标和半径；1.3、对于步骤1.2获得的任意两条相邻的圆弧子片段，定义中心距离约束Δds(i，i+1)＝‖Cs，i(x，y)-Cs，i+1(x，y)‖2≤Td，Td为中心距离阈值，取值在0～10像素，精度要求越高，取值就越小；定义半径差约束Δrs(i，i+1)＝|rs，i-rs，i+1|≤Tr，Tr为半径差阈值，取值为0～10像素，精度要求越高，取值就越小；将满足中心距离约束和半径差约束的圆弧子片段融合为新的圆弧子片段，并删除已经融合了的圆弧子片段；对融合后的圆弧子片段再次进行同样的融合过程，直到没有满足融合条件的圆弧子片段，则停止融合过程，最终获得的圆弧子片段称为圆弧片段；用Eci(i＝1...Mc)表示第i条圆弧片段，Mc表示所有圆弧片段的数量；第i条圆弧片段上的点用pcj i(x，y)(j＝1...Nci)表示，Nci为该条圆弧片段上点的数量；1.4、基于随机采样一致性鲁棒算法，对步骤1.3获取的圆弧片段Eci，随机选取6个采样边缘点，采用直接椭圆拟合得到初步椭圆模型；计算采样边缘点所在圆弧片段上包含的所有边缘点到初步椭圆模型的距离，根据满足距离约束的边缘点数量占整个采样圆弧片段上边缘点总数的百分比，判断当前初步椭圆模型是否构成近似模型；利用近似模型的相似度约束将相似椭圆模型及其包含的圆弧片段进行聚类，最后将聚类模型中所有圆弧片段上的边缘点进行最小二乘椭圆拟合，得到椭圆的参数方程；具体步骤如下：1.4.1、定义最大采样次数K，取值为500～1000，图像越复杂，取值越高；从步骤1.3获得的所有圆弧片段所包含的边缘点pcj i(x，y)中进行K组采样，每组随机抽取6个点，用qcn k(x，y)(k＝1...K，n＝1...6)表示第k组采样中的第n个点；称采样边缘点所在的圆弧片段为采样圆弧片段，用Ecn k(k＝1...K，n＝1...6)表示qcn k(x，y)所对应的采样圆弧片段；1.4.2、利用直接椭圆拟合算法将每组采样边缘点拟合为初步椭圆模型，用Ak(k＝1...K)表示其参数向量；然后计算步骤1.4.1中的Ecn k上包含的所有边缘点到对应初步模型Ak的代数距离，用dct k(t＝1...Mck)表示第k组采样圆弧片段上包含的所有边缘点对应的距离，Mck为该组所有圆弧片段所包含的边缘点数量；1.4.3、利用满足距离约束的边缘点数量占整个采样圆弧片段上边缘点总数的百分比判断当前椭圆模型是否成立，删除不成立的采样组别；对于步骤1.4.2中的每组距离dct k，定义距离约束$d_{\mathrm{ct}}^k<T_d,$Td含义与步骤3相同，取值为0～10像素，精度要求越高，取值越小；记录满足该约束的边缘点数Mck′；足义椭圆成立判定约束Mck′/Mck≥G，G为判定阈值，取值为0.5～0.8，精度要求越高，取值越大；保留满足上述判定约束的采样组别及其包含的采样圆弧片段，用Ec k(k＝1...KK)表示第k组采样圆弧片段，KK为满足判定的采样组数量，并利用椭圆最小二乘拟合各组Ec k包含的所有边缘点，得到近似椭圆模型，用Bk(k＝1...KK)表示其参数向量；1.4.4、根据步骤1.4.3得到的近似椭圆模型Bk之间的相似程度，将满足相似约束的近似模型中的圆弧片段进行聚类；对于任意两个近似椭圆模型Bi和Bm，定义相似程度约束ΔB(i，m)＝‖Bi-Bm‖2≤TB，TB为相似度阈值，取值为10～30，精度要求越高，取值就越小；如果Bi和Bm满足相似程度约束，将Ec i和Ec m聚类为一组新的圆弧片段；采用椭圆最小二乘拟合新的圆弧片段为新椭圆，称为聚类椭圆；删除已经聚类过的近似椭圆及其圆弧片段，对所有的近似椭圆聚类后，再次对聚类后的圆弧片段进行同样的聚类过程，直到没有再满足相似约束的圆弧片段，则停止聚类；聚类后的椭圆用Ei(i＝1...Me)表示，Me为聚类椭圆的数量，相应椭圆所包含的圆弧片段用Eej i(j＝1...Nei)表示，Nei为该聚类椭圆包含的圆弧片段的数量；1.4.5、采用最小二乘椭圆拟合方法，将步骤1.4.4获得的聚类椭圆Ei上包含的圆弧片段Eej i，拟合成椭圆，从而得到椭圆特征的参数方程，椭圆方程由椭圆中心点坐标、长半轴和短半轴长度以及椭圆的长半轴与垂直坐标轴的夹角表示，将椭圆方程系数保存到文件中。