[发明专利]基于最大熵准则的椭圆物体特征提取方法

说明书

本发明公开了一种基于最大熵准则的椭圆物体特征提取方法，其对椭圆状物体的图片进行预处理以去除噪声，并检测出所有包含野值在内的边缘数据点；以模型方式描述预处理后图片中的椭圆状物体部分所对应的待求解椭圆与每个边缘数据点之间的代数距离；引入最大熵准则，得到基于最大熵准则的优化问题；根据凸共轭函数的性质，对基于最大熵准则的优化问题进行转化；将转化后的问题分解为两个子问题，子问题一可以转化为标准的二阶锥规划问题，子问题二具有闭式解；采用迭代的方式求解椭圆的一般方程式中的参数，拟合得到预处理后图片中的椭圆状物体部分所对应的椭圆，进而确定椭圆状物体的位置；优点是能够准确提取出椭圆状物体的位置特征。

技术领域

本发明涉及一种物体特征提取方法，尤其是涉及一种基于最大熵准则的椭圆物体特征提取方法。

背景技术

椭圆拟合是图像处理中必不可少的基本技术，其已广泛应用于计算机视觉、天文观测、自动化生产和医学诊断等领域。例如，虹膜是一种重要的生物特征，虹膜识别技术在安防、国防和电子商务等领域有着重要的应用，虹膜识别的首要任务是虹膜定位，眼睛和相机的相对运动使得瞳孔图像呈现椭圆状，因此可借助图像阈值分割、边缘检测和椭圆拟合等图像处理技术，确定瞳孔区域，为后续的虹膜定位奠定基础，其中，椭圆拟合为提取虹膜特征的核心技术。

目前，实现椭圆拟合的基本方法有很多，例如霍夫变换(HT)和最小二乘(LS)等。在椭圆拟合所需的数据点的预处理过程中，由于镜面反射或者物体遮挡等原因，采集到的数据点往往引入有大的噪声，即野值，该野值误差通常远大于边缘数据点误差，导致椭圆拟合精度显著下降，因此，减轻野值对椭圆拟合的影响是一项紧迫的任务。

用于减轻野值对椭圆拟合贡献的方法已经被广泛的关注和研究，常用的野值处理方法有基于数据点稀疏组合方法和基于加权最小二乘法(WLS)的方法。基于数据点稀疏组合方法需要假设误差上界已知，相比之下，基于WLS的方法更高效、更简单，被更加广泛的使用。上述两种方法对于野值的稳健性不够高，在存在较多野值的情况下，两种方法均可能失效。

最近熵的概念已成功地应用于非线性、非高斯信号处理，特别是脉冲噪声环境下的信号处理。考虑到熵也可以用来度量数据点与真实椭圆之间的相似性。因此，研究一种将最大熵准则引入到椭圆拟合中来实现椭圆物体特征提取，且对野值鲁棒的方法是有必要的。

发明内容

本发明所要解决的技术问题是提供一种基于最大熵准则的椭圆物体特征提取方法，其在椭圆拟合的过程中针对每个边缘数据点引入一个权重，并利用了一范数的鲁棒性，提高了椭圆拟合精度，进而根据拟合的高精度椭圆确定椭圆状物体的位置特征。

本发明解决上述技术问题所采用的技术方案为：一种基于最大熵准则的椭圆物体特征提取方法，其特征在于包括以下步骤：

步骤1：对椭圆状物体进行拍照获取图片；然后采用形态学操作对图片进行预处理，得到预处理后图片；再采用边缘检测技术从预处理后图片中检测出所有包含野值在内的边缘数据点，设定检测出的包含野值在内的边缘数据点的个数为N个；其中，N为正整数，N≥5；