基于多重去伪的快速椭圆检测算法研究
发布时间：2021-11-21 13:56
在计算机视觉领域中,检测和识别几何形状一直是一项重要的基础任务,而圆是自然界最基本的几何形状之一。通过透视投影到二维平面后,圆都会呈现椭圆的形状,因此,检测椭圆在检测细胞、虹膜和圆形工件等领域都有广泛应用。对图像中的椭圆进行快速、精确的检测有着广阔的应用前景和极大的研究价值。针对传统椭圆检测算法中弧段提取错误率较高、椭圆检测精度较低和检测速度较慢等问题,本文提出了一种基于多重去伪的快速椭圆检测算法。该算法首先对输入图像进行图像增强和边缘检测以提取边缘信息,再利用八邻域跟踪方法提取弧段,然后通过基于多重去伪的椭圆检测方法将弧段拟合成初始椭圆并去除其中的错误检测。本文的主要研究内容及工作如下:（1）针对输入图像不清晰的问题,本文提出了一种基于图像增强的预处理方法,通过对点和邻域的操作分别进行平滑和锐化处理,进而通过频域法进行滤波和去噪,增强图像的同时保护目标边缘特征。通过此预处理环节能够有针对性地增强图像局部特征,扩大不同特征之间的差异,使得边缘更好地被检测。（2）针对传统弧段提取方法提取弧段精确度较低的问题,本文提出了一种基于邻域跟踪的弧段生成方法。首先利用基于自适应阈值的Canny算子...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
椭圆参数示意图
第二章椭圆检测主要算法13图2-2几何距离示意图如图所示，几何距离直接将点到椭圆的最短距离作为误差，这样拟合的精度更高。本文介绍的基于几何距离的最小二乘拟合椭圆方法原理如下：图像中的椭圆由五个参数唯一确定：椭圆中心(,)ccxy，长轴a，短轴b，旋转角，记椭圆参数为(,,,,)cc=abxy。定义任一点的正交邻近点为点(,)iipxy到椭圆最小欧式距离的点"""(,)iipxy，对于m个边缘点，拟合椭圆的目标函数可以定义为：()(")(")TTFp=XXWWXX(2-10)其中X和"X分别表示m个边缘点和边缘点对应正交邻近点的坐标的列向量。W是对应的对称正定加权矩阵，用来调整权重。由式(2-10)可知，拟合椭圆需首先计算边缘点(,)iipxy在初始拟合椭圆上的正交邻近点(,)iipxy，然后在对椭圆上的点(,)iipxy进行参数拟合得到最优化解下的椭圆参数郒。为简化计算，将直角坐标系中心移至椭圆中心(,)ccxy。并将坐标系x轴置于椭圆长轴，坐标系y轴置于椭圆短轴，坐标系x轴与水平方向成角，新的坐标转换为：()cx=RXX(2-11)其中xxy=,cossinsincosR=，()cccXXXXYY=。则椭圆可以表示为：2222(,)10xyFxyab=+=(2-12)而pp又垂直于过点p的切线，pp与点p处椭圆的法向方向平行，则()0iFxx=，从而：2222(//1)/2(,)0()/()/iixaybFxyyyxaxxyb+==(2-13)对式(2-13)利用牛顿迭代法求解，迭代产生的初值作为样本点，即ip，再根
第二章椭圆检测主要算法1612()/2cx=x+x12()/2cy=y+y221212a=((xx)+(yy))/21212=arctan[(yy)/(xx)](2-19)其中11(x,y)和22(x,y)分别表示长轴的两个端点。通过求得四个参数，则椭圆参数只剩短轴一个，只需要在一维参数空间通过霍夫变换即可求得。通过上述求解步骤不难发现，该方法的核心在于找到长轴的两个端点，两个端点的精确度直接影响了后续参数的精确度和椭圆检测整体的精度。在此引入椭圆的两个性质：1.椭圆长轴的两个端点所做的切线互相平行。2.椭圆上只有当两个对称点为长轴或短轴的端点时，两点所做的切线才垂直于两点之间的连线。对称点是指与于图形边界的外法向量相反的两个点。如下图所示，A、B为长轴的两个端点，Al、Bl分别为过A、B两点的切线，则有Al垂直于AB，Bl垂直于AB。图2-3长轴两端点切线示意图通过以上两个性质我们得出结论：同一个椭圆上满足以上两个性质的两点为椭圆长轴或短轴的端点。图像中边缘点众多，如果一个个遍历两两匹配将花费大量的计算时间[46]。因此设计简化的步骤，可以通过对称性来对边缘点进行初筛。首先对图像中所有边缘点进行遍历，求得每一个边缘点对应的切线。其次对切线进行分类，利用性质一，每次从不同类别中找出两点，匹配切线的斜率。如果两线平行，则利用性质二对其进行计算。这样通过性质一进行初筛，再利用性质而进行匹配，能加快组合的速度。在实际的图像检测中，由于噪声和边缘检测误差的影响，边缘点的梯度并不能保证十分精确，从而导致求得的切线斜率并不精确。因此，设置阈值kTh，当两条切线斜率误差在kTh内时，则两切线平行。同理，在判定两线垂直时，也需
【参考文献】：
期刊论文
[1]机器视觉技术在工业中的应用[J]. 樊东,陈津徽,张元良. 科技风. 2020(13)
[2]基于改进轮廓提取的Hough变换椭圆检测方法[J]. 翟永立,丁雷,裴浩东. 现代电子技术. 2019(06)
[3]基于梯度分类的复杂背景椭圆快速检测方法[J]. 吴晨睿,张树有,何再兴. 浙江大学学报(工学版). 2018(05)
[4]机器视觉在多领域内的应用[J]. 李延浩. 电子技术与软件工程. 2018(01)
[5]基于霍夫变换椭圆检测的两种改进算法[J]. 陈余根,杨艳. 半导体光电. 2017(05)
[6]基于最小二乘法的椭圆拟合改进算法研究[J]. 陈若珠,孙岳. 工业仪表与自动化装置. 2017(02)
[7]特征弦约束随机Hough变换在椭圆检测中的应用[J]. 李艳荻,徐熙平,钟岩. 仪器仪表学报. 2017(01)
[8]基于欧氏距离图的随机Hough变换椭圆检测方法[J]. 高煜妤,王春芳. 现代电子技术. 2016(21)
[9]一种改进的Otsu阈值分割算法[J]. 周迪,夏哲雷. 中国计量大学学报. 2016(03)
[10]Canny算子边缘检测的一种改进方法[J]. 王佐成,刘晓冬,薛丽霞. 计算机工程与应用. 2010(34)
硕士论文
[1]基于深度网络架构的椭圆检测[D]. 张慧.大连理工大学 2019
[2]基于深度学习的医学图像增强算法的研究[D]. 刘蓬博.北京工业大学 2019
[3]基于机器视觉的电缆绞线质量检测的研究[D]. 万金建.贵州大学 2018
[4]机器视觉系统中的椭圆检测算法研究[D]. 赵光明.华中科技大学 2009
[5]部分遮挡条件下椭圆目标识别[D]. 钮毅.上海交通大学 2007
本文编号：3509635
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
椭圆参数示意图
第二章椭圆检测主要算法13图2-2几何距离示意图如图所示，几何距离直接将点到椭圆的最短距离作为误差，这样拟合的精度更高。本文介绍的基于几何距离的最小二乘拟合椭圆方法原理如下：图像中的椭圆由五个参数唯一确定：椭圆中心(,)ccxy，长轴a，短轴b，旋转角，记椭圆参数为(,,,,)cc=abxy。定义任一点的正交邻近点为点(,)iipxy到椭圆最小欧式距离的点"""(,)iipxy，对于m个边缘点，拟合椭圆的目标函数可以定义为：()(")(")TTFp=XXWWXX(2-10)其中X和"X分别表示m个边缘点和边缘点对应正交邻近点的坐标的列向量。W是对应的对称正定加权矩阵，用来调整权重。由式(2-10)可知，拟合椭圆需首先计算边缘点(,)iipxy在初始拟合椭圆上的正交邻近点(,)iipxy，然后在对椭圆上的点(,)iipxy进行参数拟合得到最优化解下的椭圆参数郒。为简化计算，将直角坐标系中心移至椭圆中心(,)ccxy。并将坐标系x轴置于椭圆长轴，坐标系y轴置于椭圆短轴，坐标系x轴与水平方向成角，新的坐标转换为：()cx=RXX(2-11)其中xxy=,cossinsincosR=，()cccXXXXYY=。则椭圆可以表示为：2222(,)10xyFxyab=+=(2-12)而pp又垂直于过点p的切线，pp与点p处椭圆的法向方向平行，则()0iFxx=，从而：2222(//1)/2(,)0()/()/iixaybFxyyyxaxxyb+==(2-13)对式(2-13)利用牛顿迭代法求解，迭代产生的初值作为样本点，即ip，再根
第二章椭圆检测主要算法1612()/2cx=x+x12()/2cy=y+y221212a=((xx)+(yy))/21212=arctan[(yy)/(xx)](2-19)其中11(x,y)和22(x,y)分别表示长轴的两个端点。通过求得四个参数，则椭圆参数只剩短轴一个，只需要在一维参数空间通过霍夫变换即可求得。通过上述求解步骤不难发现，该方法的核心在于找到长轴的两个端点，两个端点的精确度直接影响了后续参数的精确度和椭圆检测整体的精度。在此引入椭圆的两个性质：1.椭圆长轴的两个端点所做的切线互相平行。2.椭圆上只有当两个对称点为长轴或短轴的端点时，两点所做的切线才垂直于两点之间的连线。对称点是指与于图形边界的外法向量相反的两个点。如下图所示，A、B为长轴的两个端点，Al、Bl分别为过A、B两点的切线，则有Al垂直于AB，Bl垂直于AB。图2-3长轴两端点切线示意图通过以上两个性质我们得出结论：同一个椭圆上满足以上两个性质的两点为椭圆长轴或短轴的端点。图像中边缘点众多，如果一个个遍历两两匹配将花费大量的计算时间[46]。因此设计简化的步骤，可以通过对称性来对边缘点进行初筛。首先对图像中所有边缘点进行遍历，求得每一个边缘点对应的切线。其次对切线进行分类，利用性质一，每次从不同类别中找出两点，匹配切线的斜率。如果两线平行，则利用性质二对其进行计算。这样通过性质一进行初筛，再利用性质而进行匹配，能加快组合的速度。在实际的图像检测中，由于噪声和边缘检测误差的影响，边缘点的梯度并不能保证十分精确，从而导致求得的切线斜率并不精确。因此，设置阈值kTh，当两条切线斜率误差在kTh内时，则两切线平行。同理，在判定两线垂直时，也需
【参考文献】：
期刊论文
[1]机器视觉技术在工业中的应用[J]. 樊东,陈津徽,张元良. 科技风. 2020(13)
[2]基于改进轮廓提取的Hough变换椭圆检测方法[J]. 翟永立,丁雷,裴浩东. 现代电子技术. 2019(06)
[3]基于梯度分类的复杂背景椭圆快速检测方法[J]. 吴晨睿,张树有,何再兴. 浙江大学学报(工学版). 2018(05)
[4]机器视觉在多领域内的应用[J]. 李延浩. 电子技术与软件工程. 2018(01)
[5]基于霍夫变换椭圆检测的两种改进算法[J]. 陈余根,杨艳. 半导体光电. 2017(05)
[6]基于最小二乘法的椭圆拟合改进算法研究[J]. 陈若珠,孙岳. 工业仪表与自动化装置. 2017(02)
[7]特征弦约束随机Hough变换在椭圆检测中的应用[J]. 李艳荻,徐熙平,钟岩. 仪器仪表学报. 2017(01)
[8]基于欧氏距离图的随机Hough变换椭圆检测方法[J]. 高煜妤,王春芳. 现代电子技术. 2016(21)
[9]一种改进的Otsu阈值分割算法[J]. 周迪,夏哲雷. 中国计量大学学报. 2016(03)
[10]Canny算子边缘检测的一种改进方法[J]. 王佐成,刘晓冬,薛丽霞. 计算机工程与应用. 2010(34)
硕士论文
[1]基于深度网络架构的椭圆检测[D]. 张慧.大连理工大学 2019
[2]基于深度学习的医学图像增强算法的研究[D]. 刘蓬博.北京工业大学 2019
[3]基于机器视觉的电缆绞线质量检测的研究[D]. 万金建.贵州大学 2018
[4]机器视觉系统中的椭圆检测算法研究[D]. 赵光明.华中科技大学 2009
[5]部分遮挡条件下椭圆目标识别[D]. 钮毅.上海交通大学 2007
本文编号：3509635
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3509635.html
