一种复杂场景中精确的实时曲线检测方法

摘要

本发明公开了一种复杂场景中精确的实时曲线检测方法。通过图像获取设备得到待检测的图像，对该图像实施灰度化转换后利用Laplacian(4向)算子进行边缘检测，得到二值待检测图像。对于该二值图像，首先由随机采样点计算得到一个曲线参数，通过在测试区域选择若干个图像点，统计这些图像点中位于该曲线参数所对应的曲线上的个数。若位于该曲线上的点数大于某一阈值，则认为该曲线为候选曲线。然后利用证据积累方法进一步确定该候选曲线是否为真实曲线。本发明采用了新颖的候选曲线确定方法来有效提高曲线的检测速度。实验结果表明该方法具有快速、高精度、强鲁棒性等特点。

主权项

一种复杂场景中精确的实时曲线检测方法，其特征在于，通过图像获取设备得到待检测的图像，对该图像实施灰度化转换后利用Laplacian算子进行边缘检测，所述Laplacian算子为4向，得到二值待检测图像；对于该二值图像，首先由随机采样点计算得到一个曲线参数，通过在测试区域选择若干个图像点，统计这些图像点中位于该曲线参数所对应的曲线上的个数；若位于该曲线上的点数大于某一阈值，则认为该曲线为候选曲线，然后利用证据积累方法进一步确定该候选曲线是否为真实曲线；所述的实时曲线检测方法，包括以下步骤：A1创建边缘点集D、数组E以及数组I，初始化采样次数f＝0，A2从D中随机选取n个相互距离均大于阈值T_d的不同点d₁，...，d_n，计算由这n个点所确定的可能曲线，A3判断位于可能曲线上的测试点数s是否大于阈值t；若s＞t，则这条可能曲线被视为候选曲线，转A5；否则这条可能曲线不是候选曲线，转A4，A4f＝f+1；若f的值大于可允许的最大连续采样失败次数，检测结束；否则，转A2，A5统计测试区域内所有边缘点中位于这条候选曲线上的点数；若该点数大于阈值m_min，转A6；否则，这条曲线为虚假曲线，转A4，A6该候选曲线被视为真实曲线；判断已检测到的曲线条数是否达到预设的数目；若是，检测完成；否则，从D中删除位于该曲线上的所有点，更新数组E和I，重置f＝0，转A2；所述步骤A3中，为了能快速地选取测试点，需定义一个用于存储边缘点集中坐标信息的一维整型数组E，存储顺序为：按横坐标从小到大依次存储各边缘点的纵坐标，对于横坐标相同的点，按纵坐标从小到大依次存储各边缘点的纵坐标；为了能够快速获取横坐标为i的那些边缘点坐标，需定义一维整型数组I[width]，这里的width是待测图像的宽度，设横坐标为i的边缘点共有c_i个，所述i位于0≤i＜width之间，令I[0]＝0，则可定义于是，对于横坐标为i的所有边缘点的纵坐标，很方便地能够从E中得到，即第一个纵坐标为E[I[i]]，最后一个纵坐标为E[I[i]+c_i‑1]；对于c_i＝0的情形，因I[i]＞I[i]+0‑1，所以这种情况下，横坐标为i的边缘点不存在；所述选取测试点的方法如下：B1令j＝0，B2随机生成一个位于测试区域左边界和右边界横坐标之间的整数i；若0≤i＜width，转B3；否则，转B5，B3从数组E中可以获取横坐标为i的所有边缘点的纵坐标，B4从这些边缘点中得到横坐标为i的测试点，B5j＝j+1；如果j＝k，k取值为2或3中的一种，则结束；否则，转B2。