[发明专利]一种直升机桨叶图像中圆形标识的快速分水岭检测方法

说明书

本发明公开了一种直升机桨叶图像中圆形标识的快速分水岭检测方法，包括步骤：1)并行处理框架构建；2)基于图像下采样的局部极值特征快速提取；3)基于预设模式的圆形标识局部极值识别；4)基于查找表的圆形标识感兴趣区域(Region of Interest，ROI)快速标记；5)ROI局部梯度计算；6)ROI局部分水岭变换。本发明的优点是，能准确提取低曝光桨叶图像中的所有圆形标识的单像素线宽连续边缘，提高了直升机桨叶图像中圆形标识的检测效率；同时，具有抗干扰能力强、自动化程度高的优点，可用于直升机桨叶运动参数视觉测量中的圆形标识检测和定位。

技术领域

本发明涉及一种几何标识快速分水岭检测方法，尤其是涉及一种低曝光高速旋转下直升机桨叶图像中圆形标识的快速分水岭检测方法。

背景技术

视觉测量直升机高速旋转桨叶时，图像具有低曝光、运动模糊、标识形变、高分辨率等特点，通过立体视觉精确测量桨叶上各人工标识的空间位置，要求快速、精确定位图像中的每一个人工标识，这是一个技术难题。

圆是具有旋转不变性的几何形状，圆形标识是机器视觉中最常用的人工标识之一。桨叶上的圆形标识经过成像时的透视变形和桨叶弹性变形，在图像中形成类圆目标。现有类圆检测方法有Hough变换法、形状参数阈值法和几何形状拟合方法。以上方法均对单个类圆识别有效，但对具有类圆属性的干扰轮廓，则无法区分。

Hough变换及其改进方法是目前应用最广的圆检测方法，主要优点为抗噪声性能好，能检测遮掩和重叠等情况的多个圆，但Hough变换检测圆中存在一对多的映射关系使得计算量大、占用内存多。为了提高效率，许多学者利用梯度和边缘信息，实现了多种基于随机抽样和参数聚类改进的Hough变换。但对于低曝光图像，梯度和边缘信息本身难以准确提取。现有边缘提取主要有基于阈值分割、基于梯度算子、分水岭方法和水平集分割方法等。大津阈值方法对内容简单的图像分割效果较好，当多个目标亮度变化较大，且和背景的占比差异越大时，分割准确度越差；基于梯度算子的方法中较有代表性的是Canny和EDPF(Edge Drawing Parameter Free)边缘检测方法，在低曝光图像中边缘漏检严重；各种分水岭(Watershed Transform,WST)和水平集分割法计算复杂、速度慢。

发明内容

本发明的目的在于提供一种低曝光高速旋转下直升机桨叶图像圆形标识的快速分水岭检测方法，旨在解决现有检测方法漏检和传统标记分水岭方法速度慢的问题。本发明方法具体包括以下步骤：

1.并行处理框架构建，具体包括以下步骤：

(1.a)根据桨叶上圆形标识数量Num＝Row×Col，开启大小为Num的线程池；

(1.b)把原始桨叶图像分成Num个图像子块，每个线程处理一个图像子块。

2.基于图像下采样的局部极值特征快速提取，具体包括以下步骤：

(2.a)在线程函数中使用中值滤波和高斯滤波对图像子块去噪；

(2.b)在线程函数中对去噪后的图像子块进行倍下采样；

(2.c)在线程函数中采用h极值变换对下采样后的图像子块进行局部极值提取；

(2.d)在线程函数中对局部极值进行连通域标记。

3.基于预设模式的圆形标识局部极值识别，具体包括以下步骤：

(3.a)在下采样图像中删除分块边界处只标记了单侧的伪极小值连通域；

(3.b)计算步骤(3.a)保留的各连通域的形状因子，排除圆度和惯性度小的干扰连通域。

(3.c)根据圆形标识矩阵排列的预设模式，识别圆形标识的局部极值。