【技術(shù)領(lǐng)域】

本發(fā)明提出了一種用于優(yōu)化圖像直線檢測(cè)結(jié)果的方法，具體涉及一種基于lapjv算法的直線檢測(cè)方法。

背景技術(shù)：

在圖像處理領(lǐng)域，直線檢測(cè)是必不可少的一環(huán)?；趀dline的直線檢測(cè)結(jié)果，會(huì)有許多本該在一條直線段的直線在檢測(cè)結(jié)果卻是多條分離的直線段。這樣的結(jié)果對(duì)后續(xù)的圖像處理，比如直線匹配會(huì)有很大的負(fù)面影響。

基于以上技術(shù)問(wèn)題，本發(fā)明提出了基于lapjv算法的直線檢測(cè)優(yōu)化方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于lapjv算法的直線檢測(cè)方法，獲取的直線較為準(zhǔn)確，且對(duì)后續(xù)的圖像處理精度有有利影響。

本發(fā)明采用以下技術(shù)方案：

一種基于lapjv算法的直線檢測(cè)方法，包括以下步驟：

(1)提取直線段的起始點(diǎn)和終止點(diǎn)坐標(biāo)以及直線段角度；

(2)篩出不符合要求的直線段；

(3)設(shè)置相似度參數(shù)，并計(jì)算保留的每條直線段與其他直線段的相似度，構(gòu)成row×row矩陣；

(4)根據(jù)步驟(3)的結(jié)果利用lapjv算法，獲得最大優(yōu)化情況下的匹配直線段對(duì)；

(5)根據(jù)步驟(4)匹配的直線段對(duì)，對(duì)直線段進(jìn)行分類；

(6)將不同類別的直線段擬合并返回?cái)M合之后的直線結(jié)果。

進(jìn)一步，步驟(2)的具體方法為：首先，計(jì)算直線段的長(zhǎng)度，將所有直線按照直線長(zhǎng)度從小到大進(jìn)行排序，并設(shè)定與直線段數(shù)量相關(guān)的固定比例因子，篩除直線序號(hào)與直線總數(shù)量比例小于固定比例因子的直線段。

進(jìn)一步，所述的固定比例因子為直線段數(shù)量的五分之一到八分之一。

進(jìn)一步，所述的相似度參數(shù)包括：距離δs，距離相似度σ2，角度差δθ，角度相似度σ1，距離影響力調(diào)節(jié)參數(shù)x1，角度影響力調(diào)節(jié)參數(shù)x2，其中，距離是指：兩條直線圍起來(lái)的不規(guī)則四邊形的面積，角度差為兩條直線角度的相減結(jié)果。

進(jìn)一步，所述的直線段與其他直線段的相似度根據(jù)以下公式計(jì)算：

進(jìn)一步，步驟(4)的具體方法為：

(4.1)將row×row矩陣的上三角取負(fù)，下三角去負(fù)無(wú)窮；

(4.2)將步驟(4.1)所得的矩陣?yán)胠apjv算法計(jì)算出匹配的直線段對(duì)的序號(hào)。

進(jìn)一步，步驟(5)中，對(duì)直線段分類的方法為：

分配矩陣assign是一個(gè)1×n的行向量，其中，n表示直線段的數(shù)量，當(dāng)直線段有對(duì)應(yīng)的分配直線時(shí)，該行向量的該位值就填寫(xiě)所對(duì)應(yīng)的分配直線的序號(hào)；當(dāng)直線沒(méi)有對(duì)應(yīng)的分配直線的時(shí)候，行向量該位的值為0；

設(shè)置一個(gè)變量sp，記錄每一類直線族開(kāi)始的直線序號(hào)，設(shè)置一個(gè)中間臨時(shí)變量ep，用來(lái)存放assign的列值，設(shè)置一個(gè)中間變量s，用來(lái)臨時(shí)存放assign中sp列中的數(shù)據(jù)，同時(shí)設(shè)置一個(gè)空矩陣resultp，用于存放直線族的信息；

具體方法如下：

(5.1)將i的值賦予sp，同時(shí)，設(shè)置ep的值為0，i＝1,2,3，……column，其中，column為assign的列數(shù)；

(5.2)判斷assign中第sp列中的數(shù)據(jù)是否大于0，如果大于0,則將該sp列中的數(shù)據(jù)賦予ep，同時(shí)，將assign中對(duì)應(yīng)sp列的數(shù)據(jù)賦值為-1，并將ep的值賦值給s；

(5.3)判斷s是否大于0，如果s的值大于0，進(jìn)行以下while循環(huán)，如果s的值小于0，則返回步驟(5.1)，進(jìn)入下一個(gè)循環(huán)：

將assign對(duì)應(yīng)s列的值賦值給ep，將sp和s組合成一個(gè)二維行向量[sp,s]，并將[sp,s]放入resultp的第m行中(m為resultp的行數(shù)+1，當(dāng)resultp為空矩陣時(shí)，resultp的行數(shù)為0)，然后將assign對(duì)應(yīng)s列的值賦值為-1，最后將ep的值賦值給s；

(5.4)重復(fù)步驟(5.3)。

進(jìn)一步，步驟(6)的具體方法為：

(6.1)將獲得不同類直線段序號(hào)對(duì)應(yīng)直線的起始點(diǎn)和終止點(diǎn)，按固定距離取點(diǎn)；

(6.2)利用最小二乘法對(duì)同類直線段的離散點(diǎn)進(jìn)行直線擬合；

(6.3)每個(gè)分類獲得各自的擬合直線。

步驟(6.1)中按固定距離取點(diǎn)指：每一個(gè)直線段按照固定距離分為一系列的離散點(diǎn)。

與現(xiàn)有技術(shù)相比，本發(fā)明至少具有以下有益效果：在本發(fā)明方法中，首選篩除掉不符合要求的直線段，其次，設(shè)置相似度參數(shù)，并據(jù)此計(jì)算每條直線段與其他直線段之間的相似度，接著，利用lapjv算法獲取匹配直線段對(duì)，再對(duì)直線段進(jìn)行分類，最終擬合直線。根據(jù)本發(fā)明方法獲取的直線較為準(zhǔn)確，且對(duì)后續(xù)的圖像處理精度有有利影響。

【附圖說(shuō)明】

圖1為本發(fā)明方法流程圖。

【具體實(shí)施方式】

本發(fā)明基于lapjv算法，對(duì)edline的直線檢測(cè)結(jié)果進(jìn)行優(yōu)化。當(dāng)edline檢測(cè)完一幅圖像的直線之后，結(jié)果中的直線會(huì)有本應(yīng)在一條直線上的直線段卻未能連接起來(lái)的情況，嚴(yán)重影響直線檢測(cè)結(jié)果在直線匹配中的應(yīng)用。本發(fā)明的輸入是edline的直線檢測(cè)結(jié)果，對(duì)檢測(cè)直線的長(zhǎng)度進(jìn)行排序，依據(jù)排序結(jié)果選取合適的直線長(zhǎng)度作為篩選閾值。計(jì)算所有可能的直線對(duì)的相似度，對(duì)相似度作用廣義線性規(guī)劃，獲得最大優(yōu)化情況下的匹配直線對(duì)。依據(jù)匹配直線對(duì)結(jié)果對(duì)所有直線段進(jìn)行分類。最后通過(guò)最小二乘法將不同類的直線進(jìn)行擬合，獲得最終的優(yōu)化結(jié)果。

本發(fā)明提供的基于lapjv算法的直線檢測(cè)方法，包括以下步驟：

(1)輸入基于edline提取出的直線段信息：包括直線段的起始點(diǎn)和終止點(diǎn)的坐標(biāo)，直線段的角度；

(2)依據(jù)直線段長(zhǎng)度篩選閾值，預(yù)先篩掉直線長(zhǎng)度不符合要求的直線段，具體方法為：

(2.1)獲取步驟(1)中直線的起始點(diǎn)和終止點(diǎn)坐標(biāo)；

(2.2)依據(jù)步驟(2.1)中直線的坐標(biāo)，計(jì)算直線的長(zhǎng)度；

(2.3)將步驟(2.2)中直線的長(zhǎng)度存儲(chǔ)；

(2.4)將步驟(2.3)中存儲(chǔ)的直線長(zhǎng)度進(jìn)行排序；

(2.5)依據(jù)步驟(2.4)中的排序結(jié)果，設(shè)定固定比例因子，選取合適的直線段長(zhǎng)度閾值。設(shè)定的固定比例因子為整個(gè)直線段數(shù)量的五分之一至八分之一，在排好序的直線段中，篩除掉最短的五分之一到八分之一的直線段(例如，一共是160條直線段，若固定比例因子設(shè)定為直線段數(shù)量的五分之一，為32，則在所有直線段中，篩除掉最短的32條直線段，直線段長(zhǎng)度閾值為篩除掉最短的32條直線段后，在保留的直線段中，最短的直線段長(zhǎng)度)。

(3)設(shè)定相似度參數(shù)：距離，距離相似度參數(shù)，角度差，角度相似度參數(shù)，距離影響力調(diào)節(jié)參數(shù)，角度影響力調(diào)節(jié)參數(shù)：距離是指兩條直線圍起來(lái)的不規(guī)則四邊形的面積，在相似度公式中用δs表示；角度差為兩條直線角度的相減結(jié)果，在公式中用δθ表示；角度相似度參數(shù)，距離相似度參數(shù)，距離影響力調(diào)節(jié)參數(shù)，角度影響力調(diào)節(jié)參數(shù)在公式中分別用σ1σ2x1x2表示；

(4)計(jì)算描述直線段對(duì)相似度的上三角矩陣，具體過(guò)程為：

根據(jù)步驟(3)中設(shè)定的相似度參數(shù)，計(jì)算每條直線段與其他直線段的相似度similarity：

上式中，x1和x2相當(dāng)于混合高斯模型中的α1和α2，表示樣本集合1類和2類被選中的概率；σ1和σ2相當(dāng)于混合高斯模型中σ1和σ2乘以一個(gè)比例因子，決定了變量頻數(shù)的分布。

所有直線段的相似度構(gòu)成一個(gè)row×row的矩陣，row為直線段的數(shù)量。

相似的兩條直線段稱為直線段對(duì)。

由于直線段對(duì)的相似度具有對(duì)稱性，所以上述row×row矩陣的上三角和下三角是完全相同的。

(5)利用lapjv算法(詳細(xì)的lapjv算法參見(jiàn)1986年發(fā)表在“computing”上的文章，文章標(biāo)題為“ashortestaugementingpathalgorithmfordenseandsparselinearassignmentproblems”,網(wǎng)址：https://link.springer.com/article/10.1007/bf02278710)結(jié)合直線相似度上三角矩陣，獲得最大優(yōu)化情況下的匹配直線段對(duì)，具體過(guò)程為：

(5.1)將步驟(4)中row×row矩陣的上三角取負(fù)，下三角取負(fù)無(wú)窮；

(5.2)將步驟(5.1)所得的lapjv算法計(jì)算出匹配的直線段對(duì)的序號(hào)。

(6)依據(jù)步驟(5)輸出的匹配直線段對(duì)對(duì)應(yīng)的序號(hào)，將直線段進(jìn)行分類，具體方法為：

分配矩陣assign是一個(gè)1×n的行向量，其中，n表示直線個(gè)數(shù)。當(dāng)直線有對(duì)應(yīng)的分配直線的時(shí)候，行向量該位的值就填寫(xiě)所對(duì)應(yīng)的分配直線的序號(hào)；當(dāng)直線沒(méi)有對(duì)應(yīng)的分配直線的時(shí)候，行向量該位的值為0。

設(shè)置一個(gè)變量sp，記錄的是每一類直線族開(kāi)始的直線序號(hào)；設(shè)置一個(gè)中間臨時(shí)變量ep，用來(lái)存放assign的列值；設(shè)置一個(gè)中間變量s，用來(lái)臨時(shí)存放assign中sp列中的數(shù)據(jù)；同時(shí)設(shè)置一個(gè)空矩陣resultp，用于存放直線族的信息。

i作為一個(gè)for循環(huán)計(jì)數(shù)器，值域是1至column，每次循環(huán)i的值加1。

具體過(guò)程如下：

(6.1)將i的值賦予sp，同時(shí)，設(shè)置ep的值為0；

(6.2)判斷assign中第sp列中的數(shù)據(jù)是否大于0，如果大于0,則將該sp列中的數(shù)據(jù)賦予ep，同時(shí)，將assign中對(duì)應(yīng)sp列的數(shù)據(jù)賦值為-1，并將ep的值賦值給s；

(6.3)判斷s是否大于0，如果s的值大于0，進(jìn)行以下while循環(huán)，如果s的值小于0，則返回步驟(6.1)，進(jìn)入下一個(gè)循環(huán)：

將assign對(duì)應(yīng)s列的值賦值給ep，將sp和s組合成一個(gè)二維行向量[sp,s]，并將[sp,s]放入resultp的第m行中(m為resultp的行數(shù)+1，當(dāng)resultp為空矩陣時(shí)，resultp的行數(shù)為0)，然后將assign對(duì)應(yīng)s列的值賦值為-1，最后將ep的值賦值給s。

(6.4)重復(fù)步驟(6.3)。

經(jīng)過(guò)以上步驟，就可以得出每類直線的分類信息。

(7)將多種直線分類進(jìn)行最小二乘法直線擬合并返回?cái)M合之后的直線結(jié)果，具體過(guò)程為：

(7.1)將獲得不同類直線段序號(hào)對(duì)應(yīng)直線的起始點(diǎn)和終止點(diǎn)，按固定距離取點(diǎn)(將每一個(gè)直線段按照固定距離分為一系列的離散點(diǎn))；

(7.2)利用最小二乘法對(duì)同類直線段的離散點(diǎn)進(jìn)行直線擬合；

(7.3)每個(gè)分類獲得各自的擬合直線。

實(shí)施例：

將txt中提取的直線段的信息，直線段的端點(diǎn)坐標(biāo)，直線段的方向，讀取到矩陣m中；

計(jì)算矩陣m的行數(shù)和列數(shù)，并將結(jié)果存儲(chǔ)在rows和cols中；

計(jì)算每條直線段的長(zhǎng)度并存儲(chǔ)；

對(duì)存儲(chǔ)的直線段長(zhǎng)度進(jìn)行按從小到大的方法進(jìn)行排序；

取rows/8處的直線長(zhǎng)度作為直線段長(zhǎng)度的篩選閾值；

建立一個(gè)大小為rows*rows，初始值全部為0的矩陣uptri，存儲(chǔ)篩選之后直線段對(duì)的相似度，相似度計(jì)算參數(shù)在本文中的具體數(shù)值如下：

角度相似度參數(shù)20，距離相似度參數(shù)80，距離影響力調(diào)節(jié)參數(shù)0.5，角度影響力調(diào)節(jié)參數(shù)0.5。

將uptri中所有0替換為-inf，然后將uptri所有值取負(fù)。

對(duì)經(jīng)過(guò)上述處理的uptri作用廣義線性規(guī)劃算法，獲得匹配的直線對(duì)assign。

基于assign獲得直線分類。

每隔距離1將不同類別中的直線打散成多個(gè)離散點(diǎn)，基于最小二乘法，對(duì)同一類的離散點(diǎn)進(jìn)行擬合，獲得直線優(yōu)化結(jié)果。

以上所述僅為本發(fā)明的一種實(shí)施方法，不是全部或唯一的實(shí)施方式，本領(lǐng)域技術(shù)人員通過(guò)閱讀本發(fā)明說(shuō)明書(shū)而對(duì)本發(fā)明技術(shù)方案采取的任何等效的變換，均為本發(fā)明的權(quán)利要求所涵蓋。