1.一种同步检测图像中平行直线和平行曲线特征的方法,其特征在于,其包括以下步骤:
步骤1:将输入图像转化为灰度图像,获取边缘图像的链条集合E={e1,e2,...,em};
步骤2:将链条集合E={e1,e2,...,em}分解为直线边缘链条集合L={L1,L2,...,Ll}和平滑曲线边缘链条集合C={C1,C2,...,CC};
对每一条提取的连续边缘链条从其第h个像素点开始依次对边缘像素点局部进行角点检测和主方向估计,将边缘链条在角点处断开,并获取边缘链条方向编码数据,接着对光滑的边缘链条进行全局处理,从而将光滑的边缘链条分为两类,即直线边缘链条和平滑曲线边缘链条;
步骤3:对直线边缘链条集合L={L1,L2,...,Ll}进行处理和判断,获取平行直线对集合PL;
构建平行直线模型:
在笛卡尔坐标中,将满足如下准则的一对直线L1、L2定义为平行直线:其中, 为L1的角度, 为L2的角度,λθ为角度差阈值; 为斜率相似性准则; 为空间重叠性准则;
根据构建的平行直线模型对直线边缘链条集合L={L1,L2,...,Ll}进行平行性判断;获得直线边缘链条的角度信息,利用该信息判断两边缘链条的斜率差异是否小于所设角度差阈值λθ,若小于所设角度差阈值λθ,则进一步判断这两直线边缘链条在空间上相互投影是否具有重叠部分,若存在,则说明两直线边缘链条是平行的;
步骤4:对平滑曲线边缘链条集合C={C1,C2,...,CC}进行处理和判断,获取平行曲线对集合PC;
构建平行曲线模型:
在笛卡尔坐标系中,将满足如下准则的一对曲线C1与曲线C2定义为平行曲线:对于一对曲线C1与C2,在曲线C1上任意两点p1、p2,在曲线C2上总存在与其切线方向相同的对应点q1、q2,那么应当满足如下准则:其中,p1p2为p1、p2的连接线,q1q2为q1、q2的连接线,||p1p2‑q1q2||2为直线p1p2到直线q1q2的距离; 为直线p1p2的角度, 为直线q1q2的角度, 为角度差阈值;向量v1为直线p1p2所对应的弧段中心指向直线p1p2中心所形成的向量,向量v2为直线q1q2所对应的弧段中心指向直线q1q2中心所形成的向量,θv1v2为向量v1与向量v2的夹角;min||p1p2‑q1q2||2为最近邻准则、 为余弦相似性准则、θv1v2<90°为凹凸一致性准则;
根据构建的平行曲线模型对平滑曲线边缘链条集合C={C1,C2,...,CC}进行平行性判断;首先获得最近邻的曲线边缘链条对,然后分别对曲线边缘链条进行多边形化,由此获得对应弧线段的直线编码;将两曲线的直线编码数据分别进行相似性匹配,并对相似性较高的两直线段所对应的曲线段进行凹凸一致性的判断,若具有一致的凹凸性,则说明两直线段所对应的曲线段平行。
2.根据权利要求1所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤1具体步骤如下:
步骤1.1:将输入图像转化为灰度图像;
步骤1.2:对灰度图像进行平滑处理;
步骤1.3:获取平滑灰度图像的梯度幅值图以及其边缘方向图;
步骤1.4:获取锚点图像;
步骤1.5:通过智能路由进行锚点连接,绘制最终的边缘图像,获取边缘图像的链条集合E={e1,e2,...,em}。
3.根据权利要求1所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤2具体步骤如下:
步骤2.1:确定角点检测和主方向判断标准;
角点检测:对于边缘上任意像素(xj,yj)选择其左右相邻的h‑1个边缘像素点组成一个小邻域边缘像素数据;获取邻域像素的协方差矩阵,计算协方差矩阵S1的特征值λs11、λs12(λs11>λs12),若最小特征值λs12小于所设阈值Th1,则说明该边缘像素点邻域能拟合为直线段;若最小特征值λs12大于所设阈值Th1,则说明该边缘邻域像素点不能拟合为直线段,其中,(xj,yj)即为要检测的角点,将边缘链条在此处断开;
主方向:
或 θj∈(0,180]
其中,θj为第j个像素邻域的主方向,λs11、λs12(λs11>λs12)为第j个像素邻域协方差矩阵的特征值,xj为第j个像素邻域中第i个像素横坐标,为第j个像素邻域中2h‑1个像素横坐标均值,yj为第j个像素邻域中第i个像素纵坐标, 为第j个像素邻域中2h‑1个像素纵坐标T
均值,n为小邻域边缘像素点数,Xs为n个像素的零均值化横坐标矩阵,Xs为n个像素的零均T
值化横坐标转置矩阵,Ys为n个像素的零均值化纵坐标矩阵,Ys为n个像素的零均值化纵坐标转置矩阵;
已知该邻域像素曲率与其两个特征值的乘积成正比关系:2
κsj∝λs11λs12
其中,κsj为第j个像素邻域的曲率,因此曲率近似表示为:κsj=λs11λs12
步骤2.2:根据步骤2.1对所有边缘链条e1,e2,...,em进行角点检测,并依次计算每个像素邻域方向角度,将边缘链条在角点处断开,获得一系列光滑的边缘链条方向编码数据集SE={se1,se2,...,sen},其中,sei=(xi,yi,θi,ksi);
步骤2.3:对每一条边缘链条整体进行直线边缘和曲线边缘的判断,将光滑的边缘链条分别输入直线边缘链条集合L以及曲线边缘链条集合C;
步骤2.4:将曲线边缘链条集合C中的光滑曲线边缘链条进行曲率变化统计,若有一组连续的曲线边缘像素曲率出现突变,且从曲线起始点到曲率突变点之间的边缘长度大于20~30像素,那么将根据步骤2.3判断这段曲线边缘像素是否能够拟合为直线边缘链条,若满足将该段曲线边缘像素补充到直线边缘链条集合L;
步骤2.5:遍历所有的光滑边缘链条,根据步骤2.3进行分类,并根据步骤2.4对直线边缘链条进行补充,获得最终的直线边缘链条集合L和平滑曲线边缘链条集合C。
4.根据权利要求1所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤3具体步骤如下:
步骤3.1:构建平行直线模型:
在笛卡尔坐标中,将满足如下准则的一对直线L1、L2定义为平行直线:其中, 为L1的角度, 为L2的角度,λθ为角度差阈值; 为斜率相似性准则; 为空间重叠性准则;
步骤3.2:根据步骤3.1构建的平行直线模型,首先对输入的直线边缘链条集合L进行斜率相似性判断;
步骤3.3:根据步骤3.1的平行直线模型,满足斜率相似性准则的直线对进一步判断是否满足空间重叠性准则;两条斜率相似的直线之间夹角若满足∠k4k1k2<90°与∠k3k2k1<
90°,则说明两直线在空间上相互投影具有重叠部分,即两直线的平行是有效的,输入平行直线集合PL;
步骤3.4:遍历直线边缘链条集合L提取满足上述步骤3.2与3.3的直线对,获得最终的平行直线对集合PL。
5.根据权利要求1所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤4具体步骤如下:
步骤4.1:构建平行曲线模型:
在笛卡尔坐标系中,将满足如下准则的一对曲线C1与曲线C2定义为平行曲线:对于一对曲线C1与C2,在曲线C1上任意两点p1、p2,在曲线C2上总存在与其切线方向相同的对应点q1、q2,那么应当满足如下准则:其中,p1p2为p1、p2的连接线,q1q2为q1、q2的连接线,||p1p2‑q1q2||2为直线p1p2到直线q1q2的距离; 为直线p1p2的角度, 为直线q1q2的角度, 为角度差阈值;向量v1为直线p1p2所对应的弧段中心指向直线p1p2中心所形成的向量,向量v2为直线q1q2所对应的弧段中心指向直线q1q2中心所形成的向量,θv1v2为向量v1与向量v2的夹角;min||p1p2‑q1q2||2为最近邻准则、 为余弦相似性准则、θv1v2<90°为凹凸一致性准则;
步骤4.2:对每条曲线边缘链条进行顺序标号;按照曲线的存储顺序,分别将每个曲线所对应像素点赋值为当前曲线的顺序标号;
步骤4.3:选取每条曲线边缘链条上的局部曲率最大点;利用步骤2.3获得曲线边缘链条的曲率编码数据,曲率大于相邻曲线边缘像点曲率的点即为所需的局部曲率最大点;
步骤4.4:获取最近邻曲线边缘链条对;
步骤4.5:分别对最近邻曲线边缘链条对进行曲线多边形化,获得对应的直线编码数据;
步骤4.6:将曲线多边形化后的最近邻曲线对进行余弦相似性度量;
步骤4.7:对满足余弦相似的曲线段进行凹凸一致性的判断;
步骤4.8:曲线边缘链条段的匹配与融合,获得最终的平行曲线对,并将该曲线对输入平行曲线对集合PC;
步骤4.9:对所有最近邻平滑曲线对进行上述步骤检测,获得最终的平行曲线对集合PC。
6.根据权利要求3所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤2中h取值5。
7.根据权利要求3所述的同步检测图像中平行直线和平行曲线特征的方法,其特征在于,所述步骤2中阈值Th1取值0.25。