本發(fā)明涉及圖像探測與物體識(shí)別領(lǐng)域，尤其是一種基于多層次特征描述的跑道FOD圖像探測方法及裝置。
背景技術(shù)：
跑道入侵異物(下文簡稱FOD)對航班安全有重大威脅。對FOD進(jìn)行探測，當(dāng)前主流的應(yīng)用系統(tǒng)使用的技術(shù)為雷達(dá)探測技術(shù)和圖像探測技術(shù)。圖像探測技術(shù)因其成本相對較低，夜視技術(shù)和圖像探測不斷發(fā)展，正得到越來越多的接受和認(rèn)可。
圖像探測面臨的技術(shù)難點(diǎn)主要來自跑道外觀細(xì)節(jié)和FOD的多樣性。首先，跑道本身并不是簡單的灰色平面，而是有多種結(jié)構(gòu)。跑道上有指引標(biāo)識(shí)線、嵌入的跑道指示燈等結(jié)構(gòu)，在跑道板塊之間存在縫隙，混凝土石塊材質(zhì)的跑道在道面可見小石塊材質(zhì)。其次，F(xiàn)OD的種類繁多，常見的就涉及扳手、鐵鏈、金屬板、輪胎橡膠等十余個(gè)種類，因遺落姿態(tài)不同帶來的外觀差異更無法統(tǒng)計(jì)，甚至機(jī)場出現(xiàn)的一些FOD是不可預(yù)知的。第三，跑道和FOD在工作的環(huán)境中外貌可能發(fā)生多種多變。戶外環(huán)境中，光照的變化、降雨、降雪、霜凍都會(huì)引起跑道和FOD外表的改變。使用的過程中，輪胎摩擦?xí)谂艿郎狭粝潞圹E，風(fēng)化作用也會(huì)導(dǎo)致跑道裂縫，甚至局部破損。
以上難點(diǎn)對現(xiàn)有的一些探測技術(shù)性能有較大限制?；诰植客饷驳淖兓M(jìn)行探測的方法(如邊緣檢測、顏色差異等)，容易探測到跑道自身結(jié)構(gòu)發(fā)出虛警。對跑道進(jìn)行拍照作為原始圖像，每次探測中拍照與原始圖像進(jìn)行比對，探測差異從而探測FOD的方法，難以適應(yīng)工作環(huán)境的變化性。而對常見FOD種類分別訓(xùn)練探測器，進(jìn)行特定物體探測的方法，對非常見的FOD種類探測能力有限。如果對非常見FOD種類也訓(xùn)練探測器，則探測過程中需要識(shí)別的種類繁多，探測速度慢。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是：針對跑道FOD探測的難點(diǎn)和現(xiàn)有圖像探測技術(shù)的缺陷，提供一種基于多層次特征描述的跑道FOD圖像探測方法及裝置。本發(fā)明通過將紅綠藍(lán)分量值轉(zhuǎn)換為色度分量和亮度分量；然后根據(jù)色度絕對值生產(chǎn)二進(jìn)制黑白圖像后，進(jìn)行若干連續(xù)域結(jié)合劃分；根據(jù)若干個(gè)連續(xù)域劃分得到對應(yīng)的最小橢圓輪廓參數(shù)，根據(jù)該參數(shù)判斷某一跑道區(qū)域圖像是否存在FOD目標(biāo)。進(jìn)一步的，在此基礎(chǔ)上，對采集跑道區(qū)域彩色圖像存在色偏的相機(jī)，進(jìn)行色偏矯正，提高跑道區(qū)域彩色圖像的真實(shí)值。為后續(xù)處理提供基礎(chǔ)。
本發(fā)明采用的技術(shù)方案如下：
一種基于多層次特征描述的跑道FOD圖像探測方法包括：
跑道圖像亮度色度值獲取步驟：采集跑道區(qū)域圖像，形成該跑道區(qū)域?qū)?yīng)的跑道彩色圖像，通過轉(zhuǎn)換矩陣K將跑道彩色圖像的紅綠藍(lán)分量轉(zhuǎn)換為亮度-色度方式表示；其中紅綠藍(lán)分量分別對應(yīng)是IR、IG、IB；亮度-色度表示方式中，CI表示亮度分量(本專利后續(xù)步驟未用到)，CR、CB表示兩個(gè)色度分量；則：
二進(jìn)制黑白圖像獲取步驟：計(jì)算色度絕對值CA，令CA中絕對值大于TC的像素值為1，其余像素值為0，生成二進(jìn)制黑白圖像CA'；其中“1”代表白色像素；“0”代表黑色像素；
連續(xù)域集合獲取步驟：將二進(jìn)制黑白圖像CA'中的白色像素按照8鄰域相連法則分成若干連續(xù)域集合；
最小橢圓輪廓獲取步驟：對于所述若干連續(xù)域集合中每個(gè)連續(xù)域集合進(jìn)行計(jì)算，獲得若干連續(xù)域集合對應(yīng)的最小橢圓輪廓；其中最小橢圓輪廓包括連續(xù)域集合中所有像素，最小橢圓輪廓的參數(shù)為{Ea,Eb,Ex,Ey}；其中Ea,Eb分別表示最小橢圓的長軸和短軸長度，Ex,Ey分別表示最小橢圓的中心點(diǎn)坐標(biāo)；
FOD目標(biāo)判斷步驟：對每個(gè)最小橢圓輪廓進(jìn)行判斷，如果同時(shí)滿足條件：1)最小橢圓輪廓的短軸Eb長度大于T1；2)最小橢圓輪廓的長軸Ea與短軸Eb的乘積大于T2，則認(rèn)定為該最小橢圓輪廓圈定了一個(gè)FOD目標(biāo)；T1是第一判決門限，T2是第二判決門限。
進(jìn)一步的，所述TC的取值為0.05到0.2之間；其中T1的取值在5到20之間，T2的取值在200到1000之間；所述或
其中KR、KG、KB表示轉(zhuǎn)換系數(shù)，KB的取值在0.05到0.12之間，KR的取值在0.2到0.3之間，KG＝1-KB-KR。
進(jìn)一步的，所述最小橢圓輪廓獲取步驟具體包括：
種子集合建立步驟：任意取二進(jìn)制黑白圖像CA'中的一個(gè)白色像素，建立包含該點(diǎn)的種子集合，建立包含該點(diǎn)的連續(xù)域集合，將該像素置為黑色。
連續(xù)域集合遍歷步驟：將種子集合中的第一個(gè)點(diǎn)刪除，將該點(diǎn)的上、下、左、右、左上、右上、左下、右下8個(gè)相鄰像素中的白色像素點(diǎn)加入種子集合，并同時(shí)加入連續(xù)域集合；同時(shí)，將這些白色像素置為黑色像素；
連續(xù)域集合形成步驟：重復(fù)連續(xù)域集合遍歷步驟，直到當(dāng)前的種子集合為空,當(dāng)前的連續(xù)域集合為分割出的一個(gè)連續(xù)域集合；
連續(xù)域集合完成步驟：如果圖像中仍有白色像素，在剩余白色像素中任意取一個(gè)點(diǎn)，重新建立包含該點(diǎn)的種子集合，同時(shí)重新建立包含該點(diǎn)的連續(xù)域集合，然后跳轉(zhuǎn)至連續(xù)域集合遍歷步驟；如果二進(jìn)制黑白圖像CA'中無白色像素，則操作完成，所得分出的若干連續(xù)域集合為計(jì)算結(jié)果。
進(jìn)一步的，所述最小橢圓輪廓獲取步驟是對于每個(gè)連續(xù)域集合計(jì)算所有像素均能包括的最小橢圓輪廓，最小橢圓輪廓參數(shù)為{Ea,Eb,Ex,Ey}；具體包括：
連續(xù)域結(jié)合像素坐標(biāo)設(shè)置步驟：令表示一個(gè)包含Nc個(gè)像素的連續(xù)域集合，連續(xù)域集合中像素坐標(biāo)用(x,y)表示，坐標(biāo)的角標(biāo)表示像素的序號(hào)，計(jì)算橢圓中心點(diǎn)坐標(biāo)
像素坐標(biāo)平移步驟：移動(dòng)該連續(xù)域集合中所有像素坐標(biāo)，將橢圓中心平移到坐標(biāo)原點(diǎn)，新坐標(biāo)記為(x’,y’)，計(jì)算公式為x'＝x-Ex，y'＝y(tǒng)-Ey；所述坐標(biāo)原點(diǎn)可以任意定義；
主要變化方向計(jì)算步驟：使用主要成分分析方法PCA計(jì)算平移后像素分布的主要變化方向(vx,vy)；令B為A的協(xié)方差矩陣，即A的轉(zhuǎn)置乘以A本身，B＝ATA，則(vx,vy)為B特征分解后的最大特征值對應(yīng)的特征向量；
長軸Ea計(jì)算步驟：計(jì)算長軸長度，即在主要變化方向上像素分布的最大值和最小值的差，
短軸Eb計(jì)算步驟：計(jì)算短軸長度，即在垂直于主要變化方向上像素分布的最大值和最小值的差，
進(jìn)一步的，所述跑道圖像亮度色度值獲取步驟之前還包括對于存在色偏的相機(jī)，在執(zhí)行FOD圖像探測方法前要進(jìn)行色偏校正的矯正步驟：矯正步驟具體包括：
樣本獲取步驟：拍攝跑道多張不同區(qū)域的跑道彩色圖像，提取來自跑道不同區(qū)域的像素作為樣本，樣本數(shù)量NS不少于1萬個(gè)。
色偏判斷步驟：對所有樣本，分別計(jì)算紅色分量、綠色分量、藍(lán)色分量，然后計(jì)算紅色分量平均值、綠色分量平均值、藍(lán)色分量平均值；如果三個(gè)平均值中的最高平均值與最低平均值的比值大于色偏門限值，則認(rèn)為存在色偏，執(zhí)行矯正系數(shù)計(jì)算步驟；否則認(rèn)為不存在色偏，執(zhí)行跑道圖像亮度色度值獲取步驟；色偏門限值一般取值為1.05到1.2；
矯正系數(shù)計(jì)算步驟：如果存在色偏，計(jì)算紅色校正系數(shù)藍(lán)色校正系數(shù)或者紅色校正系數(shù)中任意兩個(gè)矯正系數(shù)，計(jì)算方法是以第三個(gè)顏色分量為基準(zhǔn)，計(jì)算矯正系數(shù)公式為：
其中代表兩個(gè)矯正系數(shù)分量，Q是第三顏色分量標(biāo)識(shí)；對應(yīng)的顏色分量標(biāo)識(shí)和Q表示的顏色分量標(biāo)識(shí)是紅色分量、綠色分量和藍(lán)色分量中各不相同的分量；其中，i表示樣本的編號(hào)；IP-i表示IR-i、IG-i、IB-i中任意兩個(gè)顏色分量值，IQ-i表示除過IP-i之外的第三個(gè)顏色分量值；代表或中任意兩個(gè)矯正系數(shù)；
矯正步驟：根據(jù)計(jì)算出的兩個(gè)矯正系數(shù)，得到對對應(yīng)顏色分量值IP-i進(jìn)行矯正；執(zhí)行跑道圖像亮度色度值獲取步驟。
一種基于多層次特征描述的跑道FOD圖像探測裝置包括：
跑道圖像亮度色度值獲取模塊：采集跑道區(qū)域圖像，形成該跑道區(qū)域?qū)?yīng)的跑道彩色圖像，通過轉(zhuǎn)換矩陣K將跑道彩色圖像的紅綠藍(lán)分量轉(zhuǎn)換為亮度-色度方式表示；其中紅綠藍(lán)分量分別對應(yīng)是IR、IG、IB；亮度-色度表示方式中，CI表示亮度分量，CR、CB表示兩個(gè)色度分量；則：
二進(jìn)制黑白圖像獲取模塊：計(jì)算色度絕對值CA，令CA中絕對值大于TC的像素值為1，其余像素值為0，生成二進(jìn)制黑白圖像CA'；其中“1”代表白色像素；“0”代表黑色像素；
連續(xù)域集合獲取模塊：將二進(jìn)制黑白圖像CA'中的白色像素按照8鄰域相連法則分成若干連續(xù)域集合；
最小橢圓輪廓獲取模塊：對于所述若干連續(xù)域集合中每個(gè)連續(xù)域集合進(jìn)行計(jì)算，獲得若干連續(xù)域集合對應(yīng)的最小橢圓輪廓；其中最小橢圓輪廓包括連續(xù)域集合中所有像素，最小橢圓輪廓的參數(shù)為{Ea,Eb,Ex,Ey}；其中Ea,Eb分別表示最小橢圓的長軸和短軸長度，Ex,Ey分別表示最小橢圓的中心點(diǎn)坐標(biāo)；
FOD目標(biāo)判斷模塊：對每個(gè)最小橢圓輪廓進(jìn)行判斷，如果同時(shí)滿足條件：1)最小橢圓輪廓的短軸Eb長度大于T1；2)最小橢圓輪廓的長軸Ea與短軸Eb的乘積大于T2，則認(rèn)定為該最小橢圓輪廓圈定了一個(gè)FOD目標(biāo)T1是第一判決門限，T2是第二判決門限。
進(jìn)一步的，所述TC的取值為0.05到0.2之間；其中T1的取值在5到20之間，T2的取值在200到1000之間；所述或
其中KR、KG、KB表示轉(zhuǎn)換系數(shù)，KB的取值在0.05到0.12之間，KR的取值在0.2到0.3之間，KG＝1-KB-KR。
進(jìn)一步的，所述最小橢圓輪廓獲取模塊具體包括：
種子集合建立模塊：任意取二進(jìn)制黑白圖像CA'中的一個(gè)白色像素，建立包含該點(diǎn)的種子集合，建立包含該點(diǎn)的連續(xù)域集合，將該像素置為黑色。
連續(xù)域集合遍歷模塊：將種子集合中的第一個(gè)點(diǎn)刪除，將該點(diǎn)的上、下、左、右、左上、右上、左下、右下8個(gè)相鄰像素中的白色像素點(diǎn)加入種子集合，并同時(shí)加入連續(xù)域集合；同時(shí)，將這些白色像素置為黑色像素；
連續(xù)域集合形成模塊：重復(fù)連續(xù)域集合遍歷模塊，直到當(dāng)前的種子集合為空,當(dāng)前的連續(xù)域集合為分割出的一個(gè)連續(xù)域集合；
連續(xù)域集合完成模塊：如果圖像中仍有白色像素，在剩余白色像素中任意取一個(gè)點(diǎn)，重新建立包含該點(diǎn)的種子集合，同時(shí)重新建立包含該點(diǎn)的連續(xù)域集合，然后跳轉(zhuǎn)至連續(xù)域集合遍歷模塊；如果二進(jìn)制黑白圖像CA'中無白色像素，則操作完成，所得分出的若干連續(xù)域集合為計(jì)算結(jié)果。
進(jìn)一步的，所述最小橢圓輪廓獲取模塊是對于每個(gè)連續(xù)域集合計(jì)算所有像素均能包括的最小橢圓輪廓，最小橢圓輪廓參數(shù)為{Ea,Eb,Ex,Ey}；具體包括：
連續(xù)域結(jié)合像素坐標(biāo)設(shè)置模塊：令表示一個(gè)包含Nc個(gè)像素的連續(xù)域集合，連續(xù)域集合中像素坐標(biāo)用(x,y)表示，坐標(biāo)的角標(biāo)表示像素的序號(hào)，計(jì)算橢圓中心點(diǎn)坐標(biāo)
像素坐標(biāo)平移模塊：移動(dòng)該連續(xù)域集合中所有像素坐標(biāo)，將橢圓中心平移到坐標(biāo)原點(diǎn)，新坐標(biāo)記為(x’,y’)，計(jì)算公式為x'＝x-Ex，y'＝y(tǒng)-Ey；所述坐標(biāo)原點(diǎn)可以任意定義；
主要變化方向計(jì)算模塊：使用主要成分分析方法PCA計(jì)算平移后像素分布的主要變化方向(vx,vy)；令B為A的協(xié)方差矩陣，即A的轉(zhuǎn)置乘以A本身，B＝ATA，則(vx,vy)為B特征分解后的最大特征值對應(yīng)的特征向量；
長軸Ea計(jì)算模塊：計(jì)算長軸長度，即在主要變化方向上像素分布的最大值和最小值的差，
短軸Eb計(jì)算模塊：計(jì)算短軸長度，即在垂直于主要變化方向上像素分布的最大值和最小值的差，
進(jìn)一步的，所述跑道圖像亮度色度值獲取模塊之前還包括對于存在色偏的相機(jī)，在執(zhí)行FOD圖像探測方法前要進(jìn)行色偏校正的矯正模塊：矯正模塊具體包括：
樣本獲取模塊：拍攝跑道多張不同區(qū)域的跑道彩色圖像，提取來自跑道不同區(qū)域的像素作為樣本，樣本數(shù)量NS不少于1萬個(gè)。
色偏判斷模塊：對所有樣本，分別計(jì)算紅色分量、綠色分量、藍(lán)色分量，然后計(jì)算紅色分量平均值、綠色分量平均值、藍(lán)色分量平均值；如果三個(gè)平均值中的最高平均值與最低平均值的比值大于色偏門限值，則認(rèn)為存在色偏，執(zhí)行矯正系數(shù)計(jì)算模塊；否則認(rèn)為不存在色偏，執(zhí)行跑道圖像亮度色度值獲取模塊；色偏門限值一般取值為1.05到1.2；
矯正系數(shù)計(jì)算模塊：如果存在色偏，計(jì)算紅色校正系數(shù)藍(lán)色校正系數(shù)或者紅色校正系數(shù)中任意兩個(gè)矯正系數(shù)，計(jì)算方法是以第三個(gè)顏色分量為基準(zhǔn)，計(jì)算矯正系數(shù)公式為：
其中代表兩個(gè)矯正系數(shù)分量，Q是第三顏色分量標(biāo)識(shí)；對應(yīng)的顏色分量標(biāo)識(shí)和Q表示的顏色分量標(biāo)識(shí)是紅色分量、綠色分量和藍(lán)色分量中各不相同的分量；其中，i表示樣本的編號(hào)；IP-i表示IR-i、IG-i、IB-i中任意兩個(gè)顏色分量值，IQ-i表示除過IP-i之外的第三個(gè)顏色分量值；代表或中任意兩個(gè)矯正系數(shù)；
矯正模塊：根據(jù)計(jì)算出的兩個(gè)矯正系數(shù)，得到對對應(yīng)顏色分量值IP-i進(jìn)行矯正；執(zhí)行跑道圖像亮度色度值獲取模塊。
綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
本發(fā)明通過將紅綠藍(lán)分量值轉(zhuǎn)換為色度分量和亮度分量；然后根據(jù)色度絕對值生產(chǎn)二進(jìn)制黑白圖像后，進(jìn)行若干連續(xù)域結(jié)合劃分；根據(jù)若干個(gè)連續(xù)域劃分得到對應(yīng)的最小橢圓輪廓參數(shù)，根據(jù)該參數(shù)判斷某一跑道區(qū)域圖像是否存在FOD目標(biāo)。其中采用8鄰域相連法分成若干連續(xù)域集合，花粉速度較快。
當(dāng)對某兩個(gè)三原色分量盡量矯正時(shí)，以第三種三原色分量為基礎(chǔ)，得到更加精準(zhǔn)的矯正系數(shù)值，為后續(xù)顏色分量矯正提供基礎(chǔ)。
對采集跑道區(qū)域彩色圖像存在色偏的相機(jī)，進(jìn)行色偏矯正，提高跑道區(qū)域彩色圖像的真實(shí)值。為后續(xù)處理提供基礎(chǔ)。
具體實(shí)施方式
本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。
本說明書中公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個(gè)特征只是一系列等效或類似特征中的一個(gè)例子而已。
技術(shù)方案如下：
從跑道彩色圖像中進(jìn)行FOD探測輸入為一幅彩色圖像，輸出為探測到FOD所在圖像區(qū)域，具體步驟如下，
步驟1：對于存在色偏的相機(jī)，在執(zhí)行FOD圖像探測方法前要進(jìn)行色偏校正；對于不存在色偏的相機(jī)，跳過此步驟。
步驟2：將彩色圖像的紅綠藍(lán)表示方式轉(zhuǎn)化為亮度-色度表示方式，轉(zhuǎn)化后在亮度上有很大差異的黑白灰在色度上差異微??；紅綠藍(lán)表示方式中，分別用IR、IG、IB分別表示圖像的紅綠藍(lán)分量值；亮度-色度表示方式中，分別用CI表示亮度分量，CR、CB表示兩個(gè)色度分量；轉(zhuǎn)換公式為
步驟3：計(jì)算色度絕對值，令CA中絕對值大于TC的像素值為1，其余像素值為0，生成二進(jìn)制黑白圖像CA'；TC的取值為0.05到0.2之間；其中，“1”代表白色像素，“0”代表黑色像素；
步驟4：將CA'中的白色像素按照8鄰域相連法則分成若干連續(xù)域集合；
步驟5：對于每個(gè)集合，計(jì)算將其所有像素均能包括的最小橢圓輪廓，橢圓輪廓的參數(shù)為{Ea,Eb,Ex,Ey}；其中Ea,Eb分別表示橢圓的長軸和短軸長度，Ex,Ey分別表示橢圓的中心點(diǎn)的坐標(biāo)；
步驟6：對每個(gè)橢圓輪廓如果同時(shí)滿足以下條件：短軸長度大于T1，長軸與短軸的乘積大于T2，則認(rèn)定為該橢圓圈定了一個(gè)FOD目標(biāo)；其中T1的取值在5到20之間，T2的取值在200到1000之間。
所述步驟1中，對于部分存在色偏的相機(jī)，在執(zhí)行FOD圖像探測方法前要進(jìn)行色偏校正，其具體方法為：
步驟11：拍攝多張不同區(qū)域的跑道照片，提取來自跑道不同區(qū)域的像素作為樣本，樣本數(shù)量NS不少于1萬個(gè)；
步驟12：對所有樣本，分別計(jì)算紅色、綠色、藍(lán)色的分量平均值；如果三個(gè)分量平均值中的最高平均值與最低平均值的比值大于色偏門限值則認(rèn)為存在色偏，否則認(rèn)為不存在色偏；色偏門限值一般取值為1.05到1.2之間；
步驟13：如果存在色偏，計(jì)算紅色校正系數(shù)和藍(lán)色校正系數(shù)
其中，i表示樣本的編號(hào)，IR-i、IG-i、IB-i分別表示第i個(gè)樣本的紅色、綠色、藍(lán)色值；
步驟14：按照公式來替代IR-i；按照公式代替IB-i；
對紅色和藍(lán)色分量值進(jìn)行校正，綠色分量值不變。
其中步驟13及步驟14可分別對應(yīng)用步驟113以及步驟114代替：或者分別對應(yīng)用步驟123級步驟124代替；
其中步驟113：如果存在色偏，計(jì)算綠色校正系數(shù)和藍(lán)色校正系數(shù)
其中，i表示樣本的編號(hào)，IR-i、IG-i、IB-i分別表示第i個(gè)樣本的紅色、綠色、藍(lán)色值；表示紅色校正系數(shù)；
其中步驟114：按照公式來代替IG-i；按照公式來代替IB-i；
對綠色和藍(lán)色分量值進(jìn)行校正，紅色分量值不變。
其中步驟123：如果存在色偏，計(jì)算紅色校正系數(shù)和紅色校正系數(shù)
其中，i表示樣本的編號(hào)，IR-i、IG-i、IB-i分別表示第i個(gè)樣本的紅色、綠色、藍(lán)色分量值；
其中步驟124：按照公式來替代IR-i；按照公式代替IG-i；
對紅色和綠色分量值進(jìn)行校正，藍(lán)色分量值不變。
所述步驟2中，轉(zhuǎn)換矩陣K為
其中KR、KG、KB表示轉(zhuǎn)換系數(shù)，KB的取值在0.05到0.12之間，KR的取值在0.2到0.3之間，KG＝1-KB-KR。
轉(zhuǎn)換矩陣K也可以為
所述步驟4的具體步驟包括
步驟41：任意取一個(gè)白色像素，建立包含該點(diǎn)的種子集合，建立包含該點(diǎn)的連續(xù)域集合，將該像素置為黑色。
步驟42：將種子集合中的第一個(gè)點(diǎn)刪除，將該點(diǎn)的上、下、左、右、左上、右上、左下、右下8個(gè)相鄰像素中的白色像素點(diǎn)加入種子集合，并同時(shí)加入連續(xù)域集合；同時(shí)，將這些白色像素置為黑色。
步驟43：重復(fù)步驟42，直到當(dāng)前的種子集合為空,當(dāng)前的連續(xù)域集合為分出的一個(gè)集合。
步驟44：如果圖像中仍有白色像素，在剩余白色像素中任意取一個(gè)點(diǎn)，重新建立包含該點(diǎn)的種子集合，同時(shí)重新建立包含該點(diǎn)的連續(xù)域集合，然后跳轉(zhuǎn)至步驟42。如果圖像中無白色像素，操作完成，所得分出的若干集合為計(jì)算結(jié)果。
所述步驟5中，對于每個(gè)集合，計(jì)算將其所有像素均能包括的最小橢圓輪廓，參數(shù)為{Ea,Eb,Ex,Ey}計(jì)算的具體方法為
步驟51：令表示一個(gè)包含Nc個(gè)像素的集合，像素的坐標(biāo)用(x,y)表示，坐標(biāo)的角標(biāo)表示像素的序號(hào)，計(jì)算橢圓中心點(diǎn)坐標(biāo)
步驟52：移動(dòng)集合中所有像素坐標(biāo)，將橢圓中心平移到坐標(biāo)原點(diǎn)，新坐標(biāo)記為(x’,y’)，計(jì)算公式為x'＝x-Ex，y'＝y(tǒng)-Ey。
步驟53：使用主要成分分析方法(PCA)計(jì)算平移后像素分布的主要變化方向(vx,vy)；令B為A的協(xié)方差矩陣，即A的轉(zhuǎn)置乘以A本身，B＝ATA，則(vx,vy)為B特征分解后的最大特征值對應(yīng)的特征向量。
步驟54：計(jì)算長軸長度，即在主要變化方向上像素分布的最大值和最小值的差，
步驟55：計(jì)算短軸長度，即在垂直于主要變化方向上像素分布的最大值和最小值的差，
本發(fā)明并不局限于前述的具體實(shí)施方式。本發(fā)明擴(kuò)展到任何在本說明書中披露的新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。