[发明专利]一种基于图像的圆形小目标精确检测方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种基于图像技术的圆形小目标精确检测的方法。

背景技术

基于图像技术的运动目标实时检测技术在智能交通系统、智能监控系统、军事目标检测以及医学导航手术中的器械定位方面具有广泛的应用价值。工业现场、军事应用、医学气象等诸多领域往往需要快速检测出具有圆形特征的运动物体，以便进一步分析处理。

在基于形状特征的检测方法中，霍夫变换(Hough Transform,HT)是图像中识别几何形状的基本方法之一，特别是检测圆的一种有效方法。霍夫变换是利用空间对偶关系，把原空间的问题转换到对偶空间求解，即将图像空间中的给定曲线通过数学表达式变为参数空间中的一个点，进而将曲线检测问题转化为寻找参数空间的峰值问题。但是，当参数空间超过两维时，这种变换的时间消耗和内存需求急剧增大，在实际中难以实现和应用。为了解决这一问题，Xu等提出了随机霍夫变换(Randomized Hough Transform,RHT)，主要通过随机采样与动态链表存储来降低计算时间与存储空间；然而在处理复杂图像时，该方法会因为无目标的采样而引入无效积累，浪费大量计算时间和存储空间。为此，国内外学者对如何改进RHT做了进一步的研究，主要围绕随机采样效率和候选圆检测效率两方面开展研究。针对如何提高随机采样效率的问题，文献[1]利用随机采样点的标量三重积消除无效采样；文献[2]通过设置图像感兴趣区域来提高采样效率，利用迭代思想不断调整参数实现对圆的检测；文献[3]利用随机采样点的中垂线搜索圆上第三个点来提高采样效率；文献[4]利用直径上两个端点的梯度与两点连线平行的性质改进采样算法；而文献[5]则在只采样一点的情况下利用弦端点的切线与弦的夹角相等的性质搜索另外两点。针对提高候选圆检验效率，文献[6]通过不断更新待判断的圆心列表实现自适应的霍夫变换；文献[7]基于淘汰粒子群优化算法提高霍夫变换最优解的搜索速度；文献[8]将候选圆的外切正方形和内接正方形作为检验区域，并对该区域建立二维搜索表来加快检验速度。

在实际中，当目标距离摄像机较远时，其成像尺寸较小，目标细节信息不易观察，此时主要基于几何特征实现目标检测，因此利用随机霍夫变换能够实现圆形小目标的检测。但是，目标成像尺寸小，也会对随机霍夫变换法的检测精度产生影响。为了提高圆形小目标的检测精度，需要进一步进行检测。其中，最小二乘法(Least Squares Analysis)是一种数学优化技术，当已知多个未知量时，将测量数据按照误差最小化准则联系起来，通过使未知量的估计误差平方和最小来找到数据的最佳函数匹配。利用初始检测结果，获取目标的内边界轮廓点，使用最小二乘拟合来得到这些样本点的最佳拟合函数，即可达到提高目标检测精度的目的。

[1]Akihiko Torii,Atsushi Imiya.The Randomized-Hough-transform-based Method for Great-circle Detection on Sphere[J].Pattern Recognition Letters,2007,28(10):1186-1192.

[2]Wei Lu,Jinglu Tan.Detection of Incomplete Ellipse in Images with Strong Noise by Iterative Randomized Hough Transform(IRHT)[J].Pattern Recognition,2008,41(4):1268-1279.

[3]黎自强,滕弘飞.广义Hough变换:多个圆的快速随机检测[J].计算机辅助设计与图形学学报,2006,18(1)：27-33.

[4]王小华,谢君廷,李本伍.一种新的基于梯度方向角的圆检测算法[J].机电工程,2008,25(3):30-32.

[5]蒋联源,苏勤,祝英俊.快速随机Hough变换多圆检测算法[J].计算机工程与应用,2009,45(17):163-166.

[6]Julien Cauchiea,Valérie Fioletb,Didier Villersa.Optimization of an Hough transform algorithm for the search of a center[J].Pattern Recognition,2008,41(2):567-574.