一種基於自適應濾波的複雜背景下圖像多圓快速檢測方法
2023-05-27 02:07:46
一種基於自適應濾波的複雜背景下圖像多圓快速檢測方法
【專利摘要】本發明公開了一種基於自適應濾波的複雜背景下圖像多圓快速檢測方法,屬於計算機視覺在線檢測【技術領域】。應用Sage-Husa自適應卡爾曼濾波算法對各圓特徵的中心坐標及半徑進行估計，進而對特徵有效區域進行估計；在各圓特徵有效區域內，圖像局部增強後採用Canny邊緣檢測算法及最小二乘橢圓擬合法對圓特徵的中心坐標及半徑進行求解；應用結果有效判據對定位結果是否有效進行判定；若判定結果有效，則將特徵提取值作為檢測結果輸出；若判定結果無效，則將特徵參數估計值作為檢測結果輸出。本發明在複雜背景多圓定位過程中徹底拋棄了非常耗時的Hough變換，輸出測量結果前先對定位結果是否有效進行判定，並分別採取不同的對策，在保證精度的同時實現了圓檢測速度大幅提升，能滿足採用高解析度圖像傳感器的工業監測系統在線監測的要求。
【專利說明】一種基於自適應濾波的複雜背景下圖像多圓快速檢測方法
【技術領域】
[0001] 本發明涉及計算機視覺在線檢測【技術領域】，特別是一種基於自適應濾波的複雜 背景下多圓快速檢測方法。
【背景技術】
[0002] 計算機視覺技術具有非接觸性、經濟性、靈活性和集成性等優點，在工業測試與在 線檢測領域具有廣泛的應用前景。圓檢測是許多計算機視覺測量系統的關鍵步驟之一，近 年出現的一些測試系統中，要求計算機視覺算法在高解析度複雜背景中實現快速精確多圓 提取。
[0003] 傳統的圓檢測方法包括模版法、重心法、矩估計法、曲線擬合法和Hough變換法 等，其中，只有Hough變換法能在複雜背景下實現多圓定位，但實時性差、精度低。隨後出現 的隨機Hough變換、隨機圓檢測等算法可在一定程度上提高檢測速度，但實時性和精度無 法同時達到較高的水平，不能滿足工業在線檢測的要求。
[0004] 近年，國內外學者對複雜背景下多圓定位進行了深入的研究，提出了許多新的方 法，多圓定位的精度和實時性得到了一定程度的提高。現有方法已能夠滿足採用低解析度 圖像傳感器的工業監測系統在線監測的要求。但是上述改進仍以速度很慢的Hough變換為 基礎，隨著硬體技術的發展，工業檢測圖像的解析度越來越高，這些方法用於高解析度檢測 圖像時耗時將迅速增加，實時性差仍然是一個突出的問題。
【發明內容】
[0005] 本發明所要解決的技術問題是，針對上述現有技術的不足，提供一種基於自適應 濾波的複雜背景下圖像多圓快速檢測方法，對於背景複雜、解析度高的檢測圖像快速穩定 地實現多圓檢測。
[0006] 為解決上述技術問題，本發明所採用的技術方案是：一種基於自適應濾波的複雜 背景下圖像多圓快速檢測方法，包括以下步驟：
[0007] 1)利用Sage-Husa自適應卡爾曼濾波方法對各圓特徵的中心坐標及半徑進行估 計，得到特徵參數估計值，進而對特徵有效區域進行估計；
[0008] 2)在各圓的特徵有效區域內，圖像局部增強後採用Canny邊緣檢測方法及最小二 乘橢圓擬合法對各圓特徵的中心坐標及半徑進行求解，得到初次定位結果；
[0009] 3)應用優化的特徵定位結果有效判據對上述初次定位結果是否有效進行判定； [0010] 4)若步驟3)判定結果有效，則將步驟2)的初次定位結果作為檢測結果輸出；若 步驟3)判定結果無效，則將步驟1)的特徵參數估計值作為檢測結果輸出。
[0011] 所述步驟1)中，特徵有效區域為以下列四個點為頂點的正方形：
[0012] S(x(k |Α·-1)- r(k | Α· -1) - \\\y(k | A1 -1) + r(k | A* -1) + tr)
[0013] i.{x(k\k - l) + r(A· I A· ~l) + w,y(k\k -]) +r(k j A* - 1) + vr)
【權利要求】
1. 一種基於自適應濾波的複雜背景下圖像多圓快速檢測方法，其特徵在於，包括以下 步驟： 1) 利用Sage-Husa自適應卡爾曼濾波方法對各圓特徵的中心坐標及半徑進行估計，得 到特徵參數估計值，進而對特徵有效區域進行估計； 2) 在各圓的特徵有效區域內，圖像局部增強後採用Canny邊緣檢測方法及最小二乘橢 圓擬合法對各圓特徵的中心坐標及半徑進行求解，得到初次定位結果； 3) 應用優化的特徵定位結果有效判據對上述初次定位結果是否有效進行判定； 4) 若步驟3)判定結果有效，則將步驟2)的初次定位結果作為檢測結果輸出；若步驟 3)判定結果無效，則將步驟1)的特徵參數估計值作為檢測結果輸出。
2. 根據權利要求1所述的基於自適應濾波的複雜背景下圖像多圓快速檢測方法，其特 徵在於，所述步驟1)中，特徵有效區域為以下列四個點為頂點的正方形：
其中，1)、(則?-1)分別為中心坐標估計值的橫坐標和縱坐標；為半 徑估計值；8<w<20。
3. 根據權利要求1所述的基於自適應濾波的複雜背景下圖像多圓快速檢測方法，其特 徵在於，所述步驟2)中，採用形態學開閉雙邊濾波方法進行圖像局部增強處理。
4. 根據權利要求2或3所述的基於自適應濾波的複雜背景下圖像多圓快速檢測方法， 其特徵在於，所述步驟2)中，最小二乘橢圓擬合法對各圓特徵的中心坐標求解採用的目標 函數為：
其中，η為Canny邊緣檢測後的離散邊緣點的個數，XpYi為第i個離散邊緣點的X和y坐標，約束條件設為A+C= 1，未知參數求解準則為：
圓的中心坐標（U。）為： 7
W
5. 根據權利要求4所述的基於自適應濾波的複雜背景下圖像多圓快速檢測方法，其特 徵在於，所述步驟2)中，求解的半徑為：
其中，
6.根據權利要求4所述的基於自適應濾波的複雜背景下圖像多圓快速檢測方法，其特 徵在於，所述步驟3)中，優化的特徵定位結果有效判據為： [Av(k)]T[Av(k)] ^ytr{[H(k)p(k|k-l)HT(k)+R(k)]A2}； 當上式成立時，判定結果有效，當上式不成立時，判定結果無效； 其中，v(k)為k時刻圓特徵定位結果後計算的新息向量，= Z(k) = [x(k)y(k)r(k)]T, 1(1〇、7(1〇、1'(1〇分別為1^時刻圓特徵的中心橫坐標、縱坐 標和半徑，iw*-= Φ(k,k-l)為由k-1時刻到k時刻的圓特徵狀態轉 移矩陣，
'為k-Ι時刻到k時刻檢測的時間間隔，為k-1 時刻圓特徵狀態參數；P(k|k-1)為一步預測均方差矩陣，p(k|k-l) = 〇(k，k-l)p(k-l) 〇T(k，k-l) +r(k，k-l)Q(k-l)rT(k，k-l)，p(k-l)為k-1時刻均方差矩陣，Γ(k，k-l)為 過程噪聲驅動矩陣，Γ(k，k-1)為單位陣；Q(k-l)為k-1時刻過程噪聲協方差矩陣；R(k) 為觀測噪聲協方差矩陣，R(k) = (l-dk)R(k-l)+dk{[l-H(k)K(k-l)]V(k)vT(k)[l-H(k) K(k-l)]T+H(k)p(k-l)HT(k)}，dk = (l-bV(l-bk+1)，b為遺忘因子，0.972 彡b彡 0.993 ; K(k-1)為k-1 時刻濾波增益矩陣，K(k-1) =p(k-11k-2)Ht (k-1) [H(k-1)p(k-11k-2) "al I)- tfOi-D+RGi-Dr1;權重矩陣A=O?2O，al、a2 取值為 1，2彡a3彡 5;2彡Y彡 10; _ 0 0 α3 觀測矩岸
【文檔編號】G06T7/00GK104463876SQ201410764315
【公開日】2015年3月25日 申請日期:2014年12月12日 優先權日:2014年12月12日
【發明者】王憲, 趙前程, 凌啟輝, 王肖芬 申請人:湖南科技大學