[发明专利]一种基于图像处理的集装箱锁孔轮廓提取方法

权利要求书

1.一种基于图像处理的集装箱锁孔轮廓提取方法，包括如下步骤：

步骤1：用安装在吊具上的摄像头采集下方集装箱的图像；

步骤2：利用基于HOG+SVM的集装箱锁孔粗定位方法获得上下锁孔的粗定位范围，该锁孔粗定位区域的宽度为width，高度为height，单位为像素，记为锁孔粗定位图像F₁，图像大小为A_keyhole：

A_keyhole＝width×height (1)；

步骤3：通过区域分割方法Graph-Based Segmentation对图像F₁进行超像素分割，将图像分割为n₁个超像素区域，记超像素区域集合S＝{R_i(x_i,y_i)|i＝1,2,3,…,n₁}，其中R_i是由m_i个像素组成的超像素区域，x_i和y_i分别表示区域R_i中心点的横坐标和纵坐标，R_i＝{p_j|j＝1,2,3,…,m_i}，p_j表示区域R_i中的像素；

步骤4：利用直方图对比度显著性计算方法HC计算集合S中所有超像素区域的显著性值，得到超像素的显著值集合S_sal＝{v_i|i＝1,2,3,…,n₁}，v_i为超像素区域R_i的显著值；将S_sal中显著值最高的超像素区域，记为R_sal＝{p_j|j＝1,2,3,…,n_sal}，其中n_sal表示R_sal中的像素数量；

步骤5：计算集合S中所有超像素中心点到超像素R_sal中心点的曼哈顿距离，并根据距离从小到大排序，得超像素集合S₁＝{R_w|w＝1,2,3,…,n₁}；

步骤6：进行锁孔区域拼凑，锁孔区域集合区域填充度c_old＝0；

步骤7：计算得锁孔区域集合S₂＝{p_u|u＝1,2,3,…,n₂}，区域集合S₂的外接矩形为R_box(x_box,y_box,w_box,h_box)，其中p_u表示集合S₂中的像素，n₂表示S₂中的像素数量，x_box和y_box分别表示区域集合S₂外接矩形左上角的横坐标和纵坐标，w_box和h_box分别表示区域集合S₂外接矩形的宽度和高度；

步骤8：采用式(8)或(9)计算锁孔外接矩形R_hole(x_hole,y_hole,w_hole,h_hole)，x_hole和y_hole分别表示锁孔外接矩形左上角的横坐标和纵坐标，w_hole和h_hole分别表示锁孔外接矩形的宽度和高度；

步骤9：利用GrubCut图割算法对图像F₁进行处理，设置图像的前景和背景区域；将外接矩形内区域设置为可能的前景区域，矩形外区域设置为背景区域，须满足条件n₂≥λ₂，其中λ₂为事先给定的锁孔大小阈值；若不满足条件n₂≥λ₂，设置集合S₂中像素为可能的前景区域，区域R_sal中像素为前景区域，图像F₁中的其余部分为背景区域；

步骤10：将GrubCut图割算法迭代λ₃次，可得锁孔轮廓图像F₂，λ₃为事先给定的图割迭代次数；

步骤6具体如下：

步骤6.1：从超像素集合S₁中取出元素R₁，加入到集合S₂中，在S₂中记为R_n；并将元素R₁从S₁中删除，对集合S₁根据距离长度从小到大重新排序；

步骤6.2：计算集合S₂中的像素数量N：

其中n为集合S₂中超像素的数量，m_n为S₂中超像素的像素数量；

步骤6.3：提取集合S₂中像素横坐标的最小值和最大值分别记为x₁和x₂，集合S₂中像素纵坐标的最小值和最大值分别记为y₁和y₂；计算得集合S₂中像素组成图像的最小外接矩形R(w,h)，其中w表示矩形R的宽度，h表示矩形R的高度，矩形面积为A：

w＝x₂-x₁ (4)

h＝y₂-y₁ (5)

A＝w×h (6)

步骤6.4：计算区域合并后的区域填充度c_new：

步骤6.5：若满足条件c_new≥c_old，则将c_new的值赋予c_old；反之，将元素R_n从S₂中删除；重复步骤6.1到6.5，直至或迭代次数大于λ₁，其中λ₁表示事先给定的最大迭代次数。