一种基于自适应滤波的复杂背景下图像多圆快速检测方法
【专利摘要】本发明公开了一种基于自适应滤波的复杂背景下图像多圆快速检测方法,属于计算机视觉在线检测【技术领域】。应用Sage-Husa自适应卡尔曼滤波算法对各圆特征的中心坐标及半径进行估计，进而对特征有效区域进行估计；在各圆特征有效区域内，图像局部增强后采用Canny边缘检测算法及最小二乘椭圆拟合法对圆特征的中心坐标及半径进行求解；应用结果有效判据对定位结果是否有效进行判定；若判定结果有效，则将特征提取值作为检测结果输出；若判定结果无效，则将特征参数估计值作为检测结果输出。本发明在复杂背景多圆定位过程中彻底抛弃了非常耗时的Hough变换，输出测量结果前先对定位结果是否有效进行判定，并分别采取不同的对策，在保证精度的同时实现了圆检测速度大幅提升，能满足采用高分辨率图像传感器的工业监测系统在线监测的要求。
【专利说明】一种基于自适应滤波的复杂背景下图像多圆快速检测方法
【技术领域】
[0001] 本发明涉及计算机视觉在线检测【技术领域】，特别是一种基于自适应滤波的复杂 背景下多圆快速检测方法。
【背景技术】
[0002] 计算机视觉技术具有非接触性、经济性、灵活性和集成性等优点，在工业测试与在 线检测领域具有广泛的应用前景。圆检测是许多计算机视觉测量系统的关键步骤之一，近 年出现的一些测试系统中，要求计算机视觉算法在高分辨率复杂背景中实现快速精确多圆 提取。
[0003] 传统的圆检测方法包括模版法、重心法、矩估计法、曲线拟合法和Hough变换法 等，其中，只有Hough变换法能在复杂背景下实现多圆定位，但实时性差、精度低。随后出现 的随机Hough变换、随机圆检测等算法可在一定程度上提高检测速度，但实时性和精度无 法同时达到较高的水平，不能满足工业在线检测的要求。
[0004] 近年，国内外学者对复杂背景下多圆定位进行了深入的研究，提出了许多新的方 法，多圆定位的精度和实时性得到了一定程度的提高。现有方法已能够满足采用低分辨率 图像传感器的工业监测系统在线监测的要求。但是上述改进仍以速度很慢的Hough变换为 基础，随着硬件技术的发展，工业检测图像的分辨率越来越高，这些方法用于高分辨率检测 图像时耗时将迅速增加，实时性差仍然是一个突出的问题。
【发明内容】
[0005] 本发明所要解决的技术问题是，针对上述现有技术的不足，提供一种基于自适应 滤波的复杂背景下图像多圆快速检测方法，对于背景复杂、分辨率高的检测图像快速稳定 地实现多圆检测。
[0006] 为解决上述技术问题，本发明所采用的技术方案是：一种基于自适应滤波的复杂 背景下图像多圆快速检测方法，包括以下步骤：
[0007] 1)利用Sage-Husa自适应卡尔曼滤波方法对各圆特征的中心坐标及半径进行估 计，得到特征参数估计值，进而对特征有效区域进行估计；
[0008] 2)在各圆的特征有效区域内，图像局部增强后采用Canny边缘检测方法及最小二 乘椭圆拟合法对各圆特征的中心坐标及半径进行求解，得到初次定位结果；
[0009] 3)应用优化的特征定位结果有效判据对上述初次定位结果是否有效进行判定； [0010] 4)若步骤3)判定结果有效，则将步骤2)的初次定位结果作为检测结果输出；若 步骤3)判定结果无效，则将步骤1)的特征参数估计值作为检测结果输出。
[0011] 所述步骤1)中，特征有效区域为以下列四个点为顶点的正方形：
[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)
【权利要求】
1. 一种基于自适应滤波的复杂背景下图像多圆快速检测方法，其特征在于，包括以下 步骤： 1) 利用Sage-Husa自适应卡尔曼滤波方法对各圆特征的中心坐标及半径进行估计，得 到特征参数估计值，进而对特征有效区域进行估计； 2) 在各圆的特征有效区域内，图像局部增强后采用Canny边缘检测方法及最小二乘椭 圆拟合法对各圆特征的中心坐标及半径进行求解，得到初次定位结果； 3) 应用优化的特征定位结果有效判据对上述初次定位结果是否有效进行判定； 4) 若步骤3)判定结果有效，则将步骤2)的初次定位结果作为检测结果输出；若步骤 3)判定结果无效，则将步骤1)的特征参数估计值作为检测结果输出。
2. 根据权利要求1所述的基于自适应滤波的复杂背景下图像多圆快速检测方法，其特 征在于，所述步骤1)中，特征有效区域为以下列四个点为顶点的正方形：
其中，1)、(則?-1)分别为中心坐标估计值的横坐标和纵坐标；为半 径估计值；8<w<20。
3. 根据权利要求1所述的基于自适应滤波的复杂背景下图像多圆快速检测方法，其特 征在于，所述步骤2)中，采用形态学开闭双边滤波方法进行图像局部增强处理。
4. 根据权利要求2或3所述的基于自适应滤波的复杂背景下图像多圆快速检测方法， 其特征在于，所述步骤2)中，最小二乘椭圆拟合法对各圆特征的中心坐标求解采用的目标 函数为：
其中，η为Canny边缘检测后的离散边缘点的个数，XpYi为第i个离散边缘点的X和y坐标，约束条件设为A+C= 1，未知参数求解准则为：
圆的中心坐标（U。）为： 7
W
5. 根据权利要求4所述的基于自适应滤波的复杂背景下图像多圆快速检测方法，其特 征在于，所述步骤2)中，求解的半径为：
其中，
6.根据权利要求4所述的基于自适应滤波的复杂背景下图像多圆快速检测方法，其特 征在于，所述步骤3)中，优化的特征定位结果有效判据为： [Av(k)]T[Av(k)] ^ytr{[H(k)p(k|k-l)HT(k)+R(k)]A2}； 当上式成立时，判定结果有效，当上式不成立时，判定结果无效； 其中，v(k)为k时刻圆特征定位结果后计算的新息向量，= Z(k) = [x(k)y(k)r(k)]T, 1(1〇、7(1〇、1'(1〇分别为1^时刻圆特征的中心横坐标、纵坐 标和半径，iw*-= Φ(k,k-l)为由k-1时刻到k时刻的圆特征状态转 移矩阵，
'为k-Ι时刻到k时刻检测的时间间隔，为k-1 时刻圆特征状态参数；P(k|k-1)为一步预测均方差矩阵，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)为k-1时刻均方差矩阵，Γ(k，k-l)为 过程噪声驱动矩阵，Γ(k，k-1)为单位阵；Q(k-l)为k-1时刻过程噪声协方差矩阵；R(k) 为观测噪声协方差矩阵，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为遗忘因子，0.972 彡b彡 0.993 ; K(k-1)为k-1 时刻滤波增益矩阵，K(k-1) =p(k-11k-2)Ht (k-1) [H(k-1)p(k-11k-2) "al I)- tfOi-D+RGi-Dr1;权重矩阵A=O?2O，al、a2 取值为 1，2彡a3彡 5;2彡Y彡 10; _ 0 0 α3 观测矩岸
【文档编号】G06T7/00GK104463876SQ201410764315
【公开日】2015年3月25日 申请日期:2014年12月12日 优先权日:2014年12月12日
【发明者】王宪, 赵前程, 凌启辉, 王肖芬 申请人:湖南科技大学