[发明专利]一种基于统计方法寻找等值线的槽脊点

说明书

本发明一种基于统计方法寻找等值线的槽脊点，曲线函数的极值点处一阶导数为0，拐点处二阶导数为0；极值点即为槽脊点，但实际中的曲线很难确定函数关系，比如等值线；对于随机、不确定的问题，基于概率统计理论的方法是目前比较理想的选择，使得其测试结果更加理想。

技术领域

本发明涉及自动识别槽线、脊线领域，特别涉及一种基于统计方法寻找等值线的槽脊点。

背景技术

基于DP算法的槽线自动判识：Douglas-Peucker算法是将曲线近似表示为一系列点，并减少点数量的一种算法，主要应用于轮廓提取，曲线简化等领域。本文参考DP算法提出了一种槽点提取方法。方法首先将等压线分为闭合和非闭合两类，再从单条等压线角度考虑，通过垂距阈值判断的方法得到等压线关键点，根据上述思想提取出的槽点可以保证等压线变形在规定的限差之内。

现有技术中曲线由拐点分割为曲线段，槽脊点应该是曲线段的曲率最大点。但测试结果并不理想。

发明内容

本发明的目的在于提供，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于统计方法寻找等值线的槽脊点，曲线函数的极值点处一阶导数为0，拐点处二阶导数为0；极值点即为槽脊点，但实际中的曲线很难确定函数关系，比如等值线；对于随机、不确定的问题，基于概率统计理论的方法是目前比较理想的选择。

进一步的，首先寻找曲线拐点，假设一条曲线为一辆汽车的运行轨迹，如果汽车左拐，相邻运动向量的叉积0，右拐，叉积0；如果持续左拐或右拐，叉积和必然持续增大或减小；否则，当左拐变为右拐时，叉积和开始减小；同理，当右拐变为左拐时，叉积和开始增大；因此，拐点即为叉积和的极大点或极小点。

进一步的，拐点将曲线分割为若干条曲线段，每条曲线段持续左拐或右拐；但依然可能包含多个极值点；按叉积绝对值降序排列曲线段顶点，根据顶点的相邻关系，确定极值点，即槽脊点，

进一步的，具体算法流程如下：

S1：循环遍历每一条等值线，计算相邻顶点构成的向量并归一化，生成向量数组；

S2：计算相邻向量的叉积，生成叉积数组；

S3：第0到i(i＝0i叉积个数)叉积求和，生成叉积和数组；

S4：递归寻找拐点，假设叉积和数组尺寸为n，b＝0，e＝n- 1；

S5：升序排列拐点索引；

S6：拐点将曲线分割为若干段，循环遍历每一段，寻找极值点，即为槽脊点。

进一步的，所述步骤S4中，

第一步：寻找b到e的叉积和绝对值最大点h；

第二步：如果h＝＝b或者h＝＝e-1，递归结束；

第三步：递归寻找b到h的叉积和绝对值最小点；

第四步：递归寻找h到e的叉积和绝对值最小点。

进一步的，所述步骤S6中：

第一步：按叉积绝对值降序排列该段顶点索引；

第二步：定义曲线段链表；

第三步：循环遍历该段顶点索引。

进一步的，所述第三步中在曲线段链表中寻找该顶点的相邻顶点；如果寻找成功，该顶点非极值点，将该顶点添加到相邻顶点所在曲线段；否则，该顶点为极值点，创建新的曲线段，添加该顶点。

与现有技术相比，本发明的有益效果为：曲线由拐点分割为曲线段，槽脊点应该是曲线段的曲率最大点，是的测试结果更加理想。

附图说明