[发明专利]基于分块固定最小采样的改进概率霍夫变换曲线检测方法

摘要

本发明公开了一种基于分块固定最小采样的概率霍夫变换曲线检测方法。对图像进行边缘或骨架提取，获得二值特征图像；按给定的分块尺寸对特征图像进行分块；对每个分块，获取其特征点集；根据给定的随机采样率、分块最小采样数、分块面积和特征点集大小，确定每个分块的实际采样数；利用不重复的随机采样，由分块的特征点集中抽取数量为实际采样数的特征点；以各分块抽取的特征点样本集的并集构成总样本集；对总样本集应用标准霍夫变换完成曲线检测。本发明能结合标准霍夫变换简单易实现的优点与概率霍夫变换速度较快的优点，并能抑制由于图像中复杂纹理性区域造成的虚假曲线，提高霍夫空间最高峰值点集中的检测率。

主权项

一种利用分块固定最小采样法在复杂场景中检测参数化曲线的改进概率霍夫变换方法，包括以下步骤：i.利用标准边缘检测算法或骨架提取算法提取图像边缘或骨架特征点，获得二值特征图像E；ii.令用于霍夫变换投票过程的特征点样本集初始为iii.根据用户给定的分块宽度a和分块高度b对E进行划分，共分为Na列、Nb行的矩形分块，其中W、H分别为E的宽与高，单位为像素；表示向下取整运算；第s行第t列的分块为子图像Sst，其中0≤s＜Nb，0≤t＜Na；Sst＝[E(i,j)],sb≤i＜min{(s+1)b,H},ta≤j＜min{(t+1)a,W}式中，E(i,j)表示E中第i行第j列的像素；a和b的取值为a＝b＝15～30，单位为像素；iv.对于任一分块Sst，利用遍历搜索找出其中所有特征像素点即值为1的像素点的集合Fst：Fst＝{(i,j)|E(i,j)＝1,sb≤i＜min{(s+1)b,H},ta≤j＜min{(t+1)a,W}}记Nst＝|Fst|为集合Fst的势，即Fst中的元素个数；v.根据用户给定的采样率rs确定在分块Sst中的具体采样数ns,st：rs在[0.2,0.5]区间上取值；vi.根据用户给定的完整分块最小采样数nmin确定在分块Sst中的具体最小采样数nmin,st：式中，Ast＝[min{(s+1)b,H}‑sb]×[min{(t+1)a,W}‑ta]为分块Sst的面积，A＝ab为完整分块的面积；最小采样数nmin的取值为rm×max{a,b}，rm在[0.2,0.8]区间上取值；vii.在Fst中随机不重复地抽取n个元素，其中n如下给出：n＝min{Nst,max{ns,st,nmin,st}}设抽取所得元素的集合为Vst；令V＝VUVst；viii.对所有分块Sst重复步骤iv～vii，其中0≤s＜Nb，0≤t＜Na，最终所得的V即为用于霍夫变换投票过程的特征点样本集；ix.对V应用标准霍夫变换与霍夫空间峰值检测算法，获得所需曲线的检测结果。