[发明专利]一种基于广义Pascal映射的椭圆检测加速方法

说明书

本发明涉及数字图像处理技术领域，提供一种基于广义Pascal映射的椭圆检测加速方法，包括：步骤100，利用椭圆检测方法中的边缘处理方法，从真实图像中提取较为准确的边缘点信息，并将边缘点连接成弧，将经过去噪处理后的弧集合，做为椭圆检测加速方法的输入；步骤200，利用广义Pascal映射，从步骤100输入的弧集合中筛选出可能属于同一个椭圆的有效候选弧组合；步骤300，计算候选椭圆的五个参数；依次重复步骤200到步骤300，直至找到弧集合中所有的有效候选弧组合及对应的候选椭圆；步骤400，对候选椭圆集进行聚类和验证，得到最终检测椭圆集。本发明能够减少无效椭圆拟合的计算，同时保证检测精确度。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于广义Pascal映射的椭圆检测加速方法。

背景技术

椭圆检测是计算机视觉系统中非常重要的基础任务之一，它在各种实践场景中得到了广泛的应用。如相机聚焦椭圆形物体、机器人操纵圆柱形物体，以及在无人机登陆或医疗诊断中的应用。这些自然场景中的应用不仅要保证椭圆物体的精准检测，还要在有限的计算资源中尽可能的减少计算，以保证动作的实时性。

最早的椭圆检测方法由霍夫变换(HT)开启，此方法通过在椭圆的五维参数空间进行投票找出椭圆边缘，并延伸出了概率霍夫变换(PHT)和随机霍夫变换(RHT)方法，但是它们都涉及到大量的投票候选对象，因此消耗了大量的计算资源。另外一种思想是利用椭圆边缘的几何约束来减少候选对象的数量，从而达到加速的目的，但是由于边缘点的基数大和离散性，所以在不依靠大量计算资源时，往往很难兼顾精度和效率两方面。一些基于弧的椭圆检测方法尝试利用弧段之间的几何关系，过滤一些无效的组合以加速拟合，但不可避免的仍然要计算椭圆参数，所以计算效率还是不高。

发明内容

为了克服现有椭圆检测方法在有限的计算资源中的实时性问题，本发明提供了一种基于广义Pascal映射的椭圆检测加速方法，可以嵌入椭圆检测方法中，利用加速模块通过少量的计算，选取有效的候选弧组合，减少了无效椭圆拟合的计算，同时保证了检测精确度。

本发明提供的一种基于广义Pascal映射的椭圆检测加速方法，包括以下过程：

步骤100，利用椭圆检测方法中的边缘处理方法，从真实图像中提取较为准确的边缘点信息，并将边缘点连接成弧，将经过去噪处理后的弧集合，做为椭圆检测加速方法的输入；

步骤200，利用广义Pascal映射，从步骤100输入的弧集合中筛选出可能属于同一个椭圆的有效候选弧组合，具体过程如下：

步骤201，从步骤100输入的弧集合中，选取两段弧或三段弧；

步骤202，分别选择两段弧的端点和中点组成六个特征点或者分别选择三段弧的端点组成六个特征点，然后利用六个特征点的坐标信息，通过广义Pascal映射，计算出六个特征点形成的三个映射点的坐标信息；

步骤203，利用映射点的坐标信息，通过最小二乘法拟合出回归线，并计算出三个映射点的最大误差；当最大误差小于阈值时，认定三个映射点共线，形成一个包含两段弧或三段弧的属于同一个椭圆的有效候选弧组合；

步骤300，根据步骤200输出的有效候选弧组合，计算候选椭圆的五个参数：中心坐标、长短轴、长轴与X坐标轴的偏转角度；依次重复步骤200到步骤300，直至找到弧集合中所有的有效候选弧组合及对应的候选椭圆；

步骤400，利用椭圆检测方法中的聚类和验证方法，对候选椭圆集进行聚类和验证，消除由误差导致的相似椭圆和错误椭圆，得到最终检测椭圆集。

优选的，步骤202，分别选择两段弧的端点和中点组成六个特征点或者分别选择三段弧的端点组成六个特征点，然后利用六个特征点的坐标信息，通过广义Pascal映射，计算出六个特征点形成的三个映射点的坐标信息，具体包括：