[发明专利]一种基于霍夫变换与模板匹配的多边形目标分割方法

说明书

本发明公开了一种基于霍夫变换与模板匹配的多边形目标分割方法，首先对场景图像中的多边形物体进行边缘检测，采用霍夫变换筛选出与每个物体的参考边相对应的一簇斜率相近的直线；对边缘图像进行轮廓提取，结合单个物体模板的轮廓面积计算得到物体数目，通过K均值聚类算法获得与物体一一对应的表征物体方向特征的直线；依次沿每条直线滑动模板，滑动过程采取先稀疏后密集的策略，即在发现目标前将滑动步长设置较大以加快匹配速度，发现目标后将滑动步长设置较小，同时将模板进行小范围旋转和平移，以进一步提高匹配精度，直至找到每个物体的最佳匹配从而实现目标分割。本发明方法能够在提高计算效率的同时，保证较高的识别与分割准确率。

技术领域

本发明涉及一种基于霍夫变换与模板匹配的多边形目标分割方法，属于模式识别与图像处理领域。

背景技术

在工业自动化制造以及日常生产生活场景中，存在许多以具有较规则几何特征的物体为研究对象的目标识别与图像分割的问题场景，如智能制造领域中的零件识别检测、智慧交通领域中的交通标志识别等。由于所处的周围环境相对复杂，如光照因素、视角限制、对象间彼此邻接或无规律重叠摆放等，造成对该类目标的识别与分割的实现较困难。针对这一问题，可以借助图像处理领域中的几何特征检测手段以及模板匹配方法，捕捉图像中的研究对象的几何特征，并在此基础上进行模板匹配，以实现复杂环境下的具有较规则几何特征的目标的识别与分割。

霍夫变换是一种广泛应用于图像分析领域的几何特征检测方法，在目标的几何特性可以由数学表达式表示的前提下，算法会在表达式参数空间中执行投票来检测目标的位置与形状等信息。通常在应用中，先对图像进行预处理以及边缘检测，将原图像转化为只包含边缘信息的二值化图像。由于场景的复杂性以及其他干扰因素的存在，边缘图像中可能会出现像素点缺漏现象，或是存在噪声使得检测到的目标边缘偏离实际边界，所以无法直接进行目标识别与分割。

模板匹配是一种基本的模式识别方法，用于寻找某一特定对象在图像中出现的位置，进而实现对目标的识别。通常该方法从待识别图像中计算提取若干特征向量，与模板图像对应的特征向量进行比较，计算两者之间的某种相似性度量，进而找到最佳匹配位置。传统模板匹配用于目标识别时具有一定的局限性，主要表现在模板的平行移动匹配过程计算量较大耗时较长。

发明内容

针对现有技术的不足，本发明提出一种基于霍夫变换与模板匹配的多边形目标分割方法，能够在提高计算效率的同时保证较高的识别与分割准确率，具体实施步骤如下：

(a)获取存在彼此邻接或小范围重叠的多边形物体的场景图像，对图像进行边缘检测，采用霍夫变换寻找边缘对应的直线，指定参考边并通过阈值设定筛选出与每个物体的参考边相对应的一簇斜率相近的直线；

(b)对边缘图像进行轮廓提取得到轮廓面积，结合已知的单个物体模板的轮廓面积，计算得到物体的数目，进而通过K均值聚类算法分别对每个物体对应的直线簇进行聚类，获得与每个物体一一对应的表征物体方向特征的直线；

(c)依次沿每条直线滑动模板，进行模板匹配；滑动模板的过程采取先稀疏后密集的策略，即在发现目标前将滑动步长设置较大以加快匹配速度，发现目标后将滑动步长设置较小，同时将模板以中心点为原点进行小范围旋转以及沿与直线垂直的方向进行小范围平移，以进一步提高匹配精度，直至找到每个物体的最佳匹配从而实现目标识别与分割。

进一步地，所述的步骤(a)中，对于正多边形，指定任意一条边为参考边；对于不规则多边形，指定最长边为参考边。

进一步地，所述步骤(a)具体如下：

(1)对彼此邻接或存在小范围重叠摆放的多边形物体进行边缘检测，将边缘点集合记为P＝{P₁,P₂…P_k}；