專利名稱：一種基于圖像處理技術的橢圓與矩形目標識別方法
技術領域：
本發(fā)明涉及的是一種數(shù)字圖像處理技術，特別是一種矩形與橢圓目標的識別方法。
技術背景基于區(qū)域形狀的目標識別是數(shù)字圖像處理技術的重要內容之一。在數(shù)字圖像處理的 應用領域中，經常需要對矩形和橢圓目標進行分類識別。由于形狀本身的相似性，橢圓 和矩形的分類識別是數(shù)字圖像處理技術的經典難題之一。基于圖像處理技術的自動報靶系統(tǒng)研究(南京航空航天大學碩士論文，2005.7)中， 利用Hough變換和橢圓的幾何特性識別，首先利用對稱性分離橢圓的縱軸和橫軸，再利 用Hough變換進行進行直線檢測識別得到縱軸和橫軸，由二者的交點確定橢圓圓心并進 一步得到其它參數(shù)?；谡`差理論的橢圓識別快速算法(信息與電子工程.2005年12 月，第3巻第4期.249 252頁)中，提出了一種基于誤差理論的橢圓識別算法，其關鍵 是根據圖像邊緣點坐標構造矩陣及多項式，通過求解多項式的特征根得到長短半軸，再 利用實際邊緣坐標與標準橢圓邊緣的方差求得點位精度，作為判別橢圓與否的特征量。 Efficient Technique for Ellipse Detection Using Restriced Randomized Hough Transform (Proceedings of the International Conference on Information Technology: Coding and Computing (ITCC'04) 2004)中，提出一種受限隨機Hough變換(Restricted Randomized Hough Transform——RRHT)，其關鍵在于檢測橢圓時限定被選擇點的范圍，從而比隨機 Hough變換耗費更少的時間，并具有更高的準確率。Nawwaf Kharma and Peter Grogono Fast Robust GA-Based Ellipse Detection (Proceedings of the 17th International Conference on Pattern Recognition (ICPR，04))中，提出了一種利用多人遺傳算法(Multi-Population Genetic Algorithm——MPGA)進行橢圓檢測，平均耗時134.58秒。 一種基于長軸和對偶 性的橢圓檢測新算法(光學技術.20Q7.V01.33No.5Sep.763 765)中的方法，是在目標為 橢圓的前提下對橢圓參數(shù)進行檢測，是基于長軸和對偶性的橢圓檢測新算法。對于一幅 720X480像素的二值圖片，利用該文獻的檢測方法在P4， 2. 4G編程環(huán)境為VC6. 0的計 算機上耗時1.4s。 發(fā)明內容本發(fā)明的目的在于提供可快速、有效地對圖像中的矩形或正方形與橢圓或圓形目標 的一種基于圖像處理技術的橢圓與矩形目標識別方法。 該方法具體包括如下步驟1. 對原始圖像進行濾波、二值化和二值圖像標記；2. 計算目標區(qū)域的幾何參數(shù)區(qū)域面積^、區(qū)域周長戶、幾何中心(F，。、最小慣性軸角度a;3. 將目標區(qū)域旋轉a，求旋轉后區(qū)域的邊界框；4. 計算邊界框的區(qū)域面積i、區(qū)域周長F和幾何中心(f, );5. 計算目標區(qū)域與邊界框的中心偏差距離i ;6. 當i 〈某一閾值，則目標區(qū)域是高度對稱的，否則，目標區(qū)域不是高度對稱的， 不可能是橢圓或矩形；7. 對高度對稱區(qū)域，計算目標區(qū)域與邊界框的面積差異De/似^和周長差異Z)e/to尸;8. 利用De/to4和Z)e/toP構成的二維特征向量來區(qū)分橢圓和矩形。 利用本發(fā)明所公開的基于圖像處理技術的矩形與橢圓目標識別方法，可快速、有效地對圖像中的矩形與橢圓目標進行分類識別。由于正方形和圓形分別是矩形和橢圓的特 例，利用本方法也可以識別正方形和圓形。[Nawwaf Kharma and Peter Grogono Fast Robust GA-Based Ellipse Detection Proceedings of the 17th International Conference on Pattern Recognition (ICPR，04)]中，提出了 一種利用多人遺傳算法(Multi-Population Genetic Algorithm——^MPGA)進行橢圓檢測，平均耗時134.58秒。 一種基于長軸和對偶 性的橢圓檢測新算法(光學技術。2007.V01.33No.5Sep.763 765)中的方法，是在目標 為橢圓的前提下對橢圓參數(shù)進行檢測，是基于長軸和對偶性的橢圓檢測新算法。對于一 幅720X480像素的二值圖片，利用該文獻的檢測方法在P4， 2. 4G編程環(huán)境為VC6. 0的 計算機上耗時1.4s?！痘谡`差理論的橢圓識別快速算法》(信息與電子工程.2005年 12月，第3巻第4期.249-252頁) 一文中魏怡等提出的基于誤差理論的橢圓識別快速 算法與本節(jié)所述的矩形與(橢)圓形區(qū)域自動分類識別具有相同功能，文中指出使用 該算法對多幅圖像中的橢圓進行識別，算法在微機(Intel P4 2.8GHz)上的平均執(zhí)行速度為 2.3秒/幅。對于本本發(fā)明所述的算法以對圖5.16(a)識別為例，其尺寸為274x425，在一 臺CPU為AMD1600+，操作系統(tǒng)為Windows2000，編程環(huán)境為VC 6.0的PC上耗時60ms。 其識別速度有了至少兩個量級的提高。


圖l為二值圖像標記，其中圖l-a是二值圖像、圖l-b是連通成分標記； 圖2為圖像區(qū)域邊界框，其中圖2-a是任意角度橢圓及其邊界框、圖2-b是主軸水 平橢圓及其邊界框；圖3為橢圓的中心偏差距離統(tǒng)計曲線；圖4為矩形的中心偏差距離統(tǒng)計曲線；圖5為非高度對稱區(qū)域的中心偏差距離統(tǒng)計曲線；圖6為橢圓區(qū)域與邊界框的面積差異和周長差異統(tǒng)計曲線；圖7為矩形區(qū)域與邊界框的面積差異和周長差異統(tǒng)計曲線；圖8為橢圓和矩形目標的二維特征向量圖。圖9仿真處理結果，其中圖9-a是待分類二值圖像、圖9-b是分類結果。
具體實施方式
下面結合示意圖說明本發(fā)明的具體實施方式
。1. 對原始圖像進行濾波、二值化等，獲得含有多個不同形狀目標的二值化圖像， 并對各目標區(qū)域進行標記。對含有多目標的圖像，圖像標記是必不可少的過程，可以實 現(xiàn)圖像中多目標區(qū)域的分割與標記，是后面處理的基礎。圖像標記具體算法見參考文獻 [6][7]，結果如圖1。2. 計算目標區(qū)域的幾何參數(shù)。幾何參數(shù)包括 (1)區(qū)域面積^——區(qū)域內的像素數(shù)，艮P:hp其中R表示區(qū)域的像素集合，(r,c)表示集合內的元素；(2) 區(qū)域周長？——區(qū)域的8連通邊界像素所圍成的曲線的長度；設Pl是由8連通的區(qū)域邊界像素組成的集合，其中的像素按順序排成一個序列 c。),……,，c,一)〉，序列中前后兩個像素是相鄰的，包括第一個像素和最后一個像素在內。那么周長定義為-其中4為水平或垂直鏈碼段個數(shù)，^為對角線鏈碼段個數(shù)。(3) 幾何中心(F，F(xiàn))——區(qū)域的平均位置；<formula>formula see original document page 5</formula>(1)(4) 最小慣性軸角度a——反映了目標區(qū)域的方向； 首先計算區(qū)域的二階空間矩二階行距<formula>formula see original document page 5</formula> (2)二階混合矩<formula>formula see original document page 5</formula> (3)二階列矩最小慣性軸與水平方向的夾角《為<formula>formula see original document page 0</formula>3. 將目標區(qū)域旋轉a，求旋轉后區(qū)域的邊界框；首先根據2中得到的最小慣性軸角度值，將原始目標區(qū)域旋轉a;再找到目標區(qū)域 的最上、最下、最左、和最右點四個點，這四個點可以確定由水平和豎直四條邊組成的、 把整個區(qū)域圍起來并與區(qū)域相接的一個矩形，即為邊界框，如圖2所示；4. 計算邊界框的區(qū)域面積A、區(qū)域周長F和幾何中心C O;設邊界框左上點的坐標為(/祈，to/ ),右下點坐標為0^化，6o加w)，則邊界框的區(qū) 域面積為<formula>formula see original document page 0</formula>
5. 計算目標區(qū)域與邊界框的中心偏差距離i ，即(F,^)與(^,^)的歐氏距離及—(卜r )' + (c — c)'6. 當/ <某一閾值，則目標區(qū)域是高度對稱的，否則，目標區(qū)域不是高度對稱的， 不可能是橢圓或矩形。為確定閾值，對不同尺寸、不同最小慣性軸角度的矩形和橢圓中 心偏差距離，以及非高度對稱目標區(qū)域的中心偏差距離進行了統(tǒng)計，見圖3、圖4和圖 5?？梢娙￠撝?.6可以區(qū)分高度對稱和非高度對稱目標。7. 對高度對稱區(qū)域，計算目標區(qū)域與邊界框的面積差異"e/to4和周長差異"e/toP: 」'-j尸' 一尸對各種尺寸、角度的矩形和橢圓形目標區(qū)域進行統(tǒng)計，Z e/to^和"e/^P呈現(xiàn)不同 的分布，見圖6、圖7。8. Z)e/fe"和1)6//"尸構成二維特征向量，見圖8，可以用來區(qū)分橢圓和矩形目標。 分類的仿真結果見圖9。
權利要求
1、一種基于圖像處理技術的橢圓與矩形目標識別方法，其特征是(1)對原始圖像進行濾波、二值化和二值圖像標記；(2)計算目標區(qū)域的幾何參數(shù)區(qū)域面積A、區(qū)域周長P、幾何中心最小慣性軸角度α；(3)將目標區(qū)域旋轉α，求旋轉后區(qū)域的邊界框；(4)計算邊界框的區(qū)域面積A’、區(qū)域周長P’和幾何中心(5)計算目標區(qū)域與邊界框的中心偏差距離R；(6)當R＜某一閾值，則目標區(qū)域是高度對稱的，否則，目標區(qū)域不是高度對稱的，不可能是橢圓或矩形；(7)對高度對稱區(qū)域，計算目標區(qū)域與邊界框的面積差異DeltaA和周長差異DeltaP；(8)利用DeltaA和DeltaP構成的二維特征向量來區(qū)分橢圓和矩形。
全文摘要
本發(fā)明涉及數(shù)字圖像處理技術領域，公開了一種基于圖像處理技術的橢圓與矩形目標識別方法。由于形狀本身的相似性，橢圓和矩形的分類識別是數(shù)字圖像處理技術的經典難題之一。本發(fā)明采用的方法的核心是，首先求出目標區(qū)域與邊界框的幾何中心、面積、周長等參數(shù)；利用目標區(qū)域與邊界框的中心偏差距離這一特征區(qū)分高度對稱區(qū)域和非高度對稱區(qū)域；對于高度對稱區(qū)域，再利用目標區(qū)域與邊界框的面積差異和周長差異組成特征矢量進行矩形和橢圓的識別。該方法具有運算速度快、識別準確率高的特點。本發(fā)明同時給出了各特征的統(tǒng)計曲線和仿真處理結果。
文檔編號G06T7/00GK101246552SQ20081006406
公開日2008年8月20日 申請日期2008年3月3日 優(yōu)先權日2008年3月3日
發(fā)明者銘 劉, 卞紅雨, 張志剛, 朱殿堯 申請人:哈爾濱工程大學