其中χN(t)'和 yN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標，gi(ty)和g2(ty)分別是均值為 零、方差為ο2的高斯白噪聲，用于模擬含噪目標輪廓中的加性噪聲；
[0049] 采用函數
巧含噪輪廓進行平滑，命名為Κ濾波器，經過輪廓點分類和 區(qū)域劃分，含噪輪廓GnU)'表示為不同類型輪廓分段的組合：
其中Gf (t)表示包含特征區(qū)域的輪廓分段，Gff (t)表示包含非特征區(qū)域的輪廓分段，根據 輪廓特征分布選取K濾波器的參數，同時考慮全局特征和局部特征因素，在特征區(qū)域，為了 保留細節(jié)信息，令σ含min(a'，jiii X〇i)，在非特征區(qū)域，關注抑制噪聲的效果，令 狂> max(o'，Ji〇 X 0〇):，其中0'為先驗估算得到的全局方差，〇1為所選特征區(qū)域的先驗估算 方差，〇〇為所選非特征區(qū)域的先驗估算方差，財為所選特征區(qū)域的平均實時曲率修正系數， 貼為所選非特征區(qū)域的平均實時曲率修正系數;為了達到較好的平滑效果，選取每種類型 區(qū)域最小長度S的一半作為K濾波器85%置信區(qū)間的長度，從而根據兩類區(qū)域的長度自適應 不同參數的K濾波器。
[0050] 在此實施例中，S = 19，闊值Τι = 0.24，窗函數寬度D e {10，12}，對噪聲強度I e (20地，30地}的含噪圖像有較好的平滑效果，該景觀造型檢測工具能夠對景觀輪廓進行識 另IJ，識別過程中能有效濾除目標輪廓噪聲，使得造型師的景觀造型效率提高了 40%，大大減 輕了造型師的勞動量。
[0051] 實施例3:-種快速檢測的景觀造型檢測工具，包括普通景觀造型檢測工具和安裝 在景觀造型檢測工具上的識別裝置，該景觀造型檢測工具能夠對景觀輪廓進行識別，其特 征是，包括建模模塊、分段模塊、合并模塊和濾波模塊；
[0052] 建模模塊，用于建立目標輪廓的參數化方程:對于給定的目標輪廓G(t)，其弧長參 數化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標，t表示輪廓 曲線方程的參數，且te[0，l];
[0053] 含噪輪廓的弧長參數化方程表示為:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪 聲部分化(t)=化(Xi(t)，yi(t))，乘性噪聲部分化(t)=化(X2(t)，y2(t));
[0054] 分段模塊，用于對輪廓的分段：目標輪廓G(t)和含噪輪廓GnU)所對應的曲率分別 為k(t)和kN(t);由于受到噪聲的影響，含噪輪廓GnU)上部分特征點的曲率值kN(t)不能準 確表示輪廓信息，為了得到準確的曲率，選寬度為DE {13,14}的窗函數W(n)，對曲率kN(t) 進行鄰域平均，得到平均曲率klN(t)，同時對窗口內的曲率值排序，選定中值曲率k2N(t)，將 平均曲率klN(t)和中值曲率k2N(t)差的絕對值與選定的闊值Τ? = 0.26進行比較，根據比較結 果決定含噪輪廓曲率k%(t)，即：
[005引 當 |kiN(t)-k2^t) |〉Τι時，k%(t)=kiN(t)
[0056] 否則，4%(1:)=42^1:);
[0057] 由于曲率值較大的輪廓點通常反映了目標的顯著特征，根據k%(t)將輪廓中所有 輪廓點劃分為特征點或非特征點，設定可變權值Τκ，通過判斷目標輪廓特征多少，自適應的 決定 Τκ，當 |k'N(t) |<TK*max|k%(t) I 時，特征函數 f(t)=0
[005引否則，特征函數f(t) = l;
[0059]分類后所得到的特征點和非特征點的分布并不連續(xù)，無法選取濾波器對其進行有 效的輪廓平滑。為了得到較好的輪廓平滑效果，有必要對同類型的輪廓點進行合并處理。
[0060] 合并模塊：用于剔除由于噪聲干擾產生的偽特征點，W及對無法形成連續(xù)區(qū)域的 特征點和非特征點進行合并操作，從而得到有效的特征區(qū)域與非特征區(qū)域:選定一個起始 點0,輪廓起始點向兩側延伸合并相鄰的點，W該起始點類型作為該區(qū)域預設類型，向兩側 延伸各S X μ〇時停止，其中S為預設的最小長度，在此實施例中
為0點處的實時曲率修正系數，代表0點的曲率半徑，;代表由上述窗函數得到的0 點的平均曲率半徑，實時曲率修正系數μ〇用于根據不同點的曲率不同，自動修正延伸長度， 曲率大的地方需要的長度小些，曲率小的地方需要的長度大些，運樣能有效減小合并后的 失真現(xiàn)象;分別計算兩側區(qū)域內相異點的個數Ν+1和Ν-1，若相異點的個數小于設定的該類 型相異點最小個數，則該區(qū)域與預設類型相同，否則，與預設類型相反;再W兩個停止點0+1 和點0-1作為起始點重新開始計算，向外側延伸S X μ〇+域S X μ〇-ι時停止，其中μ〇+ι和μ〇-汾別 代表點0+1和點0-1處的實時曲率修正系數，兩側區(qū)域內相異點個數為Ν+2,0-巧側區(qū)域內 相異點個數為Ν-2,根據上述判定條件，依次確定各段輪廓類型，長度不足S的部分根據其與S 的比例計算相異點個數，計入相應的特征區(qū)域;對相鄰的同類型區(qū)域進行合并，得到連續(xù)的 特征區(qū)域和非特征區(qū)域。
[0061] 濾波模塊:乘性噪聲由于和圖像信號是相關的，隨圖像信號的變化而變化，采用維 納濾波來進行一級濾除，此時圖像信息還包含有殘余乘性噪音，通過F濾波器F(x，y)=qX exp(-(x 2+y2)/護進行二級濾除，其中q是將函數歸一化的系數，即JJqXe邱(-(x2+y 2)/護） dxdy = l，β為圖像模板參數；
[0062] 乘性噪聲濾除后，含噪目標輪廓的弧長參數化方程表示為GN(t)'=G(t)+Ni(t);假 設加性噪聲為高斯白噪聲:XN(t) ' = X(t)+gl(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中XN(t) ' 和 YN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標，gl(t，。2)和g2(t，。2)分別是均值為 零、方差為的高斯白噪聲，用于模擬含噪目標輪廓中的加性噪聲；
[0063] 采用函數
計含噪輪廓進行平滑，命名為K濾波器，經過輪廓點分類和 區(qū)域劃分，含噪輪廓GN(t)'表示為不同類型輪廓分段的組合：
其中Gf (t)表示包含特征區(qū)域的輪廓分段，Gff (t)表示包含非特征區(qū)域的輪廓分段，根據 輪廓特征分布選取K濾波器的參數，同時考慮全局特征和局部特征因素，在特征區(qū)域，為了 保留細節(jié)信息，令σ這mto(〇VPi X化)，在非特征區(qū)域，關注抑制噪聲的效果，令 σ > max(o'，p〇 X σ(,)·其中(/為先驗估算得到的全局方差，σι為所選特征區(qū)域的先驗估算 方差，〇〇為所選非特征區(qū)域的先驗估算方差，扣為所選特征區(qū)域的平均實時曲率修正系數， 貼為所選非特征區(qū)域的平均實時曲率修正系數;為了達到較好的平滑效果，選取每種類型 區(qū)域最小長度S的一半作為Κ濾波器85%置信區(qū)間的長度，從而根據兩類區(qū)域的長度自適應 不同參數的Κ濾波器。
[0064] 在此實施例中，S = 21，闊值Τι = 0.26，窗函數寬度D e {13，14}，對噪聲強度I e {30dB，4(MB}的含噪圖像有較好的平滑效果，計算量和細節(jié)信息保留情況均在可接受區(qū)間 內且取得較佳的平衡，該景觀造型檢測工具能夠對景觀輪廓進行識別，識別過程中能有效 濾除目標輪廓噪聲，使得造型師的景觀造型效率提高了 45%，大大減輕了造型師的勞動量。
[0065] 實施例4: 一種快速檢測的景觀造型檢測工具，包括普通景觀造型檢測工具和安裝 在景觀造型檢測工具上的識別裝置，該景觀造型檢測工具能夠對景觀輪廓進行識別，其特 征是，包括建模模塊、分段模塊、合并模塊和濾波模塊；
[0066] 建模模塊，用于建立目標輪廓的參數化方程:對于給定的目標輪廓G(t)，其弧長參 數化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標，t表示輪廓 曲線方程的參數，且te[0，l];
[0067] 含噪輪廓的弧長參數化方程表示為:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪 聲部分化(t)=化(xi(t)，yi(t))，乘性噪聲部分化(t)=化(X2(t)，y2(t));
[0068] 分段模塊，用于對輪廓的分段：目標輪廓G(t)和含噪輪廓GN(t)所對應的曲率分別 為k(t)和kN(t);由于受到噪聲的影響，含噪輪廓GnU)上部分特征點的曲率值kN(t)不能準 確表示輪廓信息，為了得到準確的曲率，選寬度