專利名稱：一種基于圖像的近距大偏角圓形目標的高效檢測方法
技術領域：
本發(fā)明屬于圖像處理技術領域，涉及一種基于圖像的近距大偏角圓形目標的高效檢測方法。
背景技術：
目前，基于圖像技術的運動目標實時檢測技術在智能交通系統(tǒng)、智能監(jiān)控系統(tǒng)、軍事目標檢測以及醫(yī)學導航手術中的器械定位方面具有廣泛的應用價值。工業(yè)現(xiàn)場、軍事應用、醫(yī)學氣象等主動領域往往需要快速檢測出具有圓形特征的運動物體，以便進一步分析處理。針對圓形目標的檢測，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系，把原空間的問題轉換到對偶空間求解，即將圖像空間中的給定曲線通過數(shù)學表達式變?yōu)閰?shù)空間中的一個點，進而將曲線檢測問題轉化為尋找參數(shù)空間的峰值問題。但是，當參數(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，在實際中難以實現(xiàn)和應用。為了解決這一問題，Xu等提出了隨機霍夫變換(Randomized Hough Transform, RHT),主要通過隨機采樣與動態(tài)鏈表存儲來降低計算時間與存儲空間。然而在處理復雜圖像時，該方法會因為無目標的采樣而引入無效積累，浪費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，主要是圍繞隨機采樣效率和候選圓檢測效率兩方面來開展。當圓形目標與攝像機光軸不垂直時，目標的俯仰和偏轉會導致其成像的變形；隨著目標相對攝像機的距離減小，目標相對攝像機的角度增大，成像形變同樣會越發(fā)嚴重。在這些情況下，圓形目標在攝像機的成像平面上呈現(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，圓形目標甚至會呈現(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。雖然目標的幾何形狀特征丟失，但是包含的細節(jié)信息也會增多，為實現(xiàn)準確檢測提供了幫助。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是提供一種基于圖像的近距大偏角圓形目標的高效檢測方法，在目標檢測過程中，當圓形目標距圖像采集設備較近且存在較大偏轉角時，其成像產(chǎn)生嚴重形變的情況下，采用該方法仍然可以準確、快速地檢測目標。本發(fā)明為解決上述技術問題采用以下技術方案:—種基于圖像的近距大偏角圓形目標的高效檢測方法，包括如下步驟:(I)利用CXD陣列的模擬攝像機實時采集目標圖像；(2)將復雜背景下的原始目標圖像由RGB模型轉為HSV模型，對其中的V通道進行預處理，并且濾除背景中的部分干擾信息；
(3)對圖像進行典型二值形態(tài)學閉運算處理，突出圓形目標特征；(4)在步驟(3)的基礎上，利用分層輪廓提取方法對目標圖像輪廓進行分層提取，去除目標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)采用圓形目標的細節(jié)特征進行輔助驗證，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，最終實現(xiàn)近距大偏角圓形目標的高效檢測。所述步驟(2)中對原始圖像V通道進行預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)學閉運算后圖像不會出現(xiàn)復雜嵌套結構的特點，應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行提取，由于近距大偏角圓形目標的成像會發(fā)生嚴重形變，傳統(tǒng)的圓形幾何特征難以得到目標輪廓，因此采用特殊的輪廓特征約束篩選預選輪廓，具體為:條件a，計算輪廓的長h和寬W，目標輪廓的長寬比需滿足如下條件:
權利要求
1.一種基于圖像的近距大偏角圓形目標的高效檢測方法，其特征在于，包括如下步驟: (1)利用CCD陣列的模擬攝像機實時采集目標圖像； (2)將復雜背景下的原始目標圖像由RGB模型轉為HSV模型，對其中的V通道進行預處理，并且濾除背景中的部分干擾信息； (3)對圖像進行典型二值形態(tài)學閉運算處理，突出圓形目標特征； (4)在步驟(3)的基礎上，利用分層輪廓提取方法對目標圖像輪廓進行分層提取，去除目標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)采用圓形目標的細節(jié)特征進行輔助驗證，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，最終實現(xiàn)近距大偏角圓形目標的高效檢測。
2.根據(jù)權利要求1所述的一種基于圖像的近距大偏角圓形目標的高效檢測方法，其特征在于，步驟(2)中所述對原始圖像V通道進行預處理方式為閾值二值化分割處理。
3.根據(jù)權利要求2所述的一種基于圖像的近距大偏角圓形目標的高效檢測方法，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)學閉運算后圖像不會出現(xiàn)復雜嵌套結構的特點，應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行提取，具體為: 條件a，計算輪廓的長h和寬W，目標輪廓的長寬比需滿足如下條件:.h I
4.根據(jù)權利要求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現(xiàn)的細節(jié)特征輔助驗證，具體為: 首先，得到初選輪廓的最小外接正矩形； 其次，以初選輪廓中心點為中心，最小外接正矩形長、寬的1.25倍為邊長，構建框架特征矩形； 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；最后，計算目標細節(jié)特征點在投影點中所占的比例，如果該比例滿足如下條件，則可完全判定為目標輪廓:
5.根據(jù)權利要求4所述的一種基于圖像的近距大偏角圓形目標的高效檢測方法，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圖像的高效檢測方法，其解決了圓形目標距離圖像采集設備較近且存在較大偏轉角時成像發(fā)生嚴重形變時的檢測難題，該方法主要包括首先對原始圖像進行針對性預處理，從復雜背景中粗略分割出圓形目標；其次對預處理圖像進行二值形態(tài)學閉運算處理，對目標的幾何形狀特征進行恢復和保持；然后基于特殊的幾何約束關系，從雙層輪廓提取算法得到的眾多輪廓中排除干擾輪廓，篩選出目標的初選輪廓；最后利用目標的細節(jié)特征，確認目標輪廓。本發(fā)明能夠準確識別并檢測出近距大偏角的圓形目標，在目標成像區(qū)域較大時利用模板匹配提高算法的準確性和效率，實現(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