[发明专利]一种基于连续边缘特征的平面目标检测方法

摘要

本发明属于机器视觉图像处理技术领域，具体为一种基于连续边缘特征的平面目标检测方法。本发明方法包括：提取连续边缘特征、建立目标轮廓模型、基于Hough变换思想提取候选目标、对候选目标进行筛选并实现精确定位等步骤。尤其适用于在工业场景下，快速建立未知平面目标的模型并实现目标检测。本发明无需对于特定目标调整方法，可适用于各种平面目标（以及表面为平面的目标），一定程度上解决了目前视觉系统泛用能力较弱的问题。同时本发明具有较高的检测精度、高效的处理速率以及一定的抗噪能力。

主权项

1.一种基于连续边缘特征的平面目标检测方法，其特征在于，具体步骤为：(1)提取连续边缘特征；(2)建立目标轮廓模型；(3)基于Hough变换思想提取候选目标；(4)对候选目标进行筛选并实现精确定位；在步骤(1)所述提取连续边缘特征，具体步骤如下：(1.1)梯度计算；(1.2)边缘候选点提取；(1.3)连续边缘提取；步骤(1.1)所述的梯度计算，采用与Canny算法相同的公式对所有像素的梯度值及梯度方向进行计算，并将梯度方向的结果根据范围进行分类；步骤(1.2)所述的边缘候选点提取，根据边缘像素梯度值较高的特性，寻找局部区域内的梯度极值点作为显著边缘候选点；对于每个像素，考虑其周围h×h的邻域，如果该像素的梯度值为其邻域内最大的，就将其作为一个边缘候选点，这里h的取值根据目标的大小分布因素改变，当h的取值较大时，如果该像素为其h×h的邻域梯度值第二大的点，且梯度值最大的点不在该像素的(h/2)×(h/2)的邻域内，则将该像素也提取为边缘候选点；步骤(1.3)所述的连续边缘提取，是在已有候选边缘点的基础上，对候选点进行连接，得到连续边缘，设计方法如下：(a)枚举所有边缘候选点；(b)如果该候选点被已有边缘包含，转到(a)枚举下一个点；(c)根据该像素的梯度方向类型，沿着其边缘方向的两端分别寻找梯度最大且梯度方向相近的像素点作为后继；(d)在后继的基础上不断寻找新的后继，寻找原则同样是根据梯度方向类型；(e)重复(d)的操作，直到区域内找不到符合条件的后继，或者后继已被已有边缘包含，则将正在提取的边缘与该已有边缘合并为同一条边缘；(f)转到(a)枚举下一个点；(h)对于得到的所有边缘进行筛选，删除长度即包含的像素点个数小于一定阈值的边缘；步骤(2)所述的目标轮廓模型建立，对于配备设计图纸的目标，采用对设计图纸进行栅格化处理的方式建立轮廓模型；对于不具备设计图纸的目标，采用步骤(1)所提取的连续边缘特征作为轮廓模型；步骤(3)所述的基于Hough变换思想的候选目标提取，首先建立目标的参数模型表示(u,v,dir,scale)，其中，u,v为目标的图像坐标，以像素作为最小分辨率；dir为目标的平面旋转角度，将圆周划分成36个区域，每10°作为区域，而dir用来表示区域的编号，当目标旋转角度属于[0°,10°)时dir为0，当目标旋转角度属于[10°,20°)时dir为1，以此类推)；scale表示相对于轮廓模型的缩放因子，以0.1作为最小分辨率；以H(u,v,dir,scale)表示其权值，所有权值的初值均为0；在此参数模型的基础上，设计方法如下：(a)采用步骤(1)所述方法提取图像边缘信息即连续边缘特征；(b)枚举每一个边缘像素点(X_j,Y_j)，计算其梯度方向α_j；(c)对于每一个边缘像素点，同时枚举轮廓模型点集中的每一个点(x_i,y_i,θ_i)；(d)假设像素点(X_j,Y_j,α_j)与模型中的点(x_i,y_i,θ_i)为同一个点，计算在不同缩放因子条件下满足该假设的参数空间：(e)对满足假设的参数空间(u_ijk,v_ijk,dir_ijk,scale_ijk)及其附近参数空间(u_ijk±1,v_ij±1,dir_ij±1,scale_ijk)进行加权：(f)枚举完所有边缘像素后，假设得到的最高权值为H_max，选取所有权值大于0.8·H_max的参数对应的目标作为候选目标。