專利名稱：一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法。
背景技術(shù)：
目前，基于圖像技術(shù)的運(yùn)動目標(biāo)實(shí)時檢測技術(shù)在智能交通系統(tǒng)、智能監(jiān)控系統(tǒng)、軍事目標(biāo)檢測以及醫(yī)學(xué)導(dǎo)航手術(shù)中的器械定位方面具有廣泛的應(yīng)用價值。工業(yè)現(xiàn)場、軍事應(yīng)用、醫(yī)學(xué)氣象等主動領(lǐng)域往往需要快速檢測出具有圓形特征的運(yùn)動物體，以便進(jìn)一步分析處理。針對圓形目標(biāo)的檢測，國內(nèi)外的眾多算法都是基于幾何形狀特征展開的，典型的便是霍夫變換算法(Hough Transform, HT) 0霍夫變換是利用空間對偶關(guān)系，把原空間的問題轉(zhuǎn)換到對偶空間求解，即將圖像空間中的給定曲線通過數(shù)學(xué)表達(dá)式變?yōu)閰?shù)空間中的一個點(diǎn)，進(jìn)而將曲線檢測問題轉(zhuǎn)化為尋找參數(shù)空間的峰值問題。但是，當(dāng)參數(shù)空間超過兩維時，這種變換的時間消耗和內(nèi)存需求急劇增大，在實(shí)際中難以實(shí)現(xiàn)和應(yīng)用。為了解決這一問題，Xu等提出了隨機(jī)霍夫變換(Randomized Hough Transform, RHT),主要通過隨機(jī)采樣與動態(tài)鏈表存儲來降低計算時間與存儲空間。然而在處理復(fù)雜圖像時，該方法會因?yàn)闊o目標(biāo)的采樣而引入無效積累，浪費(fèi)大量計算時間和存儲空間，檢測精度也會降低。為此，國內(nèi)外學(xué)者就如何提高RHT算法的精確性以及效率做了大量的研究，主要是圍繞隨機(jī)采樣效率和候選圓檢測效率兩方面來開展。當(dāng)圓形目標(biāo)與攝像機(jī)光軸不垂直時，目標(biāo)的俯仰和偏轉(zhuǎn)會導(dǎo)致其成像的變形；隨著目標(biāo)相對攝像機(jī)的距離減小，目標(biāo)相對攝像機(jī)的角度增大，成像形變同樣會越發(fā)嚴(yán)重。在這些情況下，圓形目標(biāo)在攝像機(jī)的成像平面上呈現(xiàn)橢圓形；受自身不同的立體形狀以及光線不均等環(huán)境因素的影響，圓形目標(biāo)甚至?xí)尸F(xiàn)出一個類圓形變形體。由于幾何形狀特征的丟失，Hough算法以及RHT算法對于此類近距大偏角的圓形目標(biāo)無能為力，算法的檢測精度急劇下降、效率低下，甚至完全失效。雖然目標(biāo)的幾何形狀特征丟失，但是包含的細(xì)節(jié)信息也會增多，為實(shí)現(xiàn)準(zhǔn)確檢測提供了幫助。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，在目標(biāo)檢測過程中，當(dāng)圓形目標(biāo)距圖像采集設(shè)備較近且存在較大偏轉(zhuǎn)角時，其成像產(chǎn)生嚴(yán)重形變的情況下，采用該方法仍然可以準(zhǔn)確、快速地檢測目標(biāo)。本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案:—種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，包括如下步驟:(I)利用CXD陣列的模擬攝像機(jī)實(shí)時采集目標(biāo)圖像；(2)將復(fù)雜背景下的原始目標(biāo)圖像由RGB模型轉(zhuǎn)為HSV模型，對其中的V通道進(jìn)行預(yù)處理，并且濾除背景中的部分干擾信息；
(3)對圖像進(jìn)行典型二值形態(tài)學(xué)閉運(yùn)算處理，突出圓形目標(biāo)特征；(4)在步驟(3)的基礎(chǔ)上，利用分層輪廓提取方法對目標(biāo)圖像輪廓進(jìn)行分層提取，去除目標(biāo)圖像中的層次干擾輪廓，然后利用幾何約束條件排除其他干擾輪廓，獲得初選輪廓；(5)采用圓形目標(biāo)的細(xì)節(jié)特征進(jìn)行輔助驗(yàn)證，判定最終的區(qū)域輪廓，并且通過模版匹配算法提高算法效率，最終實(shí)現(xiàn)近距大偏角圓形目標(biāo)的高效檢測。所述步驟(2)中對原始圖像V通道進(jìn)行預(yù)處理方式為閾值二值化分割處理。所述步驟(4)的具體步驟為:步驟(41)，通過邊緣梯度判斷二值圖像中連通區(qū)域的邊界；步驟(42)，采用嵌套雙層輪廓法提取圖像中的所有輪廓，將最外層連通域的邊界定義為外輪廓，第二層連通域的邊界定義為內(nèi)輪廓，第三層連通域的邊界再次定義為外輪廓，依次類推；步驟(43)，利用二值形態(tài)學(xué)閉運(yùn)算后圖像不會出現(xiàn)復(fù)雜嵌套結(jié)構(gòu)的特點(diǎn)，應(yīng)用雙層輪廓提取算法快速、精確濾除背景干擾所在層的輪廓；步驟(44)，濾除內(nèi)層輪廓干擾之后，基于特殊幾何形狀特征的約束對外層輪廓進(jìn)行提取，由于近距大偏角圓形目標(biāo)的成像會發(fā)生嚴(yán)重形變，傳統(tǒng)的圓形幾何特征難以得到目標(biāo)輪廓，因此采用特殊的輪廓特征約束篩選預(yù)選輪廓，具體為:條件a，計算輪廓的長h和寬W，目標(biāo)輪廓的長寬比需滿足如下條件:
權(quán)利要求
1.一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，其特征在于，包括如下步驟: (1)利用CCD陣列的模擬攝像機(jī)實(shí)時采集目標(biāo)圖像； (2)將復(fù)雜背景下的原始目標(biāo)圖像由RGB模型轉(zhuǎn)為HSV模型，對其中的V通道進(jìn)行預(yù)處理，并且濾除背景中的部分干擾信息； (3)對圖像進(jìn)行典型二值形態(tài)學(xué)閉運(yùn)算處理，突出圓形目標(biāo)特征； (4)在步驟(3)的基礎(chǔ)上，利用分層輪廓提取方法對目標(biāo)圖像輪廓進(jìn)行分層提取，去除目標(biāo)圖像中的層次干擾輪廓，然后利用幾何約束條件排除其他干擾輪廓，獲得初選輪廓； (5)采用圓形目標(biāo)的細(xì)節(jié)特征進(jìn)行輔助驗(yàn)證，判定最終的區(qū)域輪廓，并且通過模版匹配算法提高算法效率，最終實(shí)現(xiàn)近距大偏角圓形目標(biāo)的高效檢測。
2.根據(jù)權(quán)利要求1所述的一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，其特征在于，步驟(2)中所述對原始圖像V通道進(jìn)行預(yù)處理方式為閾值二值化分割處理。
3.根據(jù)權(quán)利要求2所述的一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，其特征在于步驟(4)的具體步驟為: 步驟(41)，通過邊緣梯度判斷二值圖像中連通區(qū)域的邊界； 步驟(42)，采用嵌套雙層輪廓法提取圖像中的所有輪廓，將最外層連通域的邊界定義為外輪廓，第二層連通域的邊界定義為內(nèi)輪廓，第三層連通域的邊界再次定義為外輪廓，依次類推； 步驟(43)，利用二值形態(tài)學(xué)閉運(yùn)算后圖像不會出現(xiàn)復(fù)雜嵌套結(jié)構(gòu)的特點(diǎn)，應(yīng)用雙層輪廓提取算法快速、精確濾除背景干擾所在層的輪廓； 步驟(44)，濾除內(nèi)層輪廓干擾之后，基于特殊幾何形狀特征的約束對外層輪廓進(jìn)行提取，具體為: 條件a，計算輪廓的長h和寬W，目標(biāo)輪廓的長寬比需滿足如下條件:.h I
4.根據(jù)權(quán)利要求1、2或3所述的一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，其特征在于步驟(5)中框架信息采集輔助算法實(shí)現(xiàn)的細(xì)節(jié)特征輔助驗(yàn)證，具體為: 首先，得到初選輪廓的最小外接正矩形； 其次，以初選輪廓中心點(diǎn)為中心，最小外接正矩形長、寬的1.25倍為邊長，構(gòu)建框架特征矩形； 然后，將最小外接正矩形投影在框架特征矩形上，并采集投影點(diǎn)；最后，計算目標(biāo)細(xì)節(jié)特征點(diǎn)在投影點(diǎn)中所占的比例，如果該比例滿足如下條件，則可完全判定為目標(biāo)輪廓:
5.根據(jù)權(quán)利要求4所述的一種基于圖像的近距大偏角圓形目標(biāo)的高效檢測方法，其特征在于步驟(5)中通過模版匹配算法提高算法效率，具體為: 選取wXh的模版，將模板在目標(biāo)圖像中滑動，利用公式:
全文摘要
本發(fā)明公開了一種近距大偏角圓形目標(biāo)圖像的高效檢測方法，其解決了圓形目標(biāo)距離圖像采集設(shè)備較近且存在較大偏轉(zhuǎn)角時成像發(fā)生嚴(yán)重形變時的檢測難題，該方法主要包括首先對原始圖像進(jìn)行針對性預(yù)處理，從復(fù)雜背景中粗略分割出圓形目標(biāo)；其次對預(yù)處理圖像進(jìn)行二值形態(tài)學(xué)閉運(yùn)算處理，對目標(biāo)的幾何形狀特征進(jìn)行恢復(fù)和保持；然后基于特殊的幾何約束關(guān)系，從雙層輪廓提取算法得到的眾多輪廓中排除干擾輪廓，篩選出目標(biāo)的初選輪廓；最后利用目標(biāo)的細(xì)節(jié)特征，確認(rèn)目標(biāo)輪廓。本發(fā)明能夠準(zhǔn)確識別并檢測出近距大偏角的圓形目標(biāo)，在目標(biāo)成像區(qū)域較大時利用模板匹配提高算法的準(zhǔn)確性和效率，實(shí)現(xiàn)高效檢測。
文檔編號G06T7/00GK103164857SQ201310075019
公開日2013年6月19日 申請日期2013年3月8日 優(yōu)先權(quán)日2013年3月8日
發(fā)明者劉曉俊, 孫永榮, 張翼, 王瀟瀟, 熊智, 楊博文 申請人:南京航空航天大學(xué)