主权项 |
一种基于阴阳离散点采样模型的图像分析方法,其特征在于,首先,根据图像中待检测目标的类型、尺寸及噪声干扰程度,选择采样算子及邻域灰度均匀度评判阈值ξ,然后再利用上述采样算子及邻域灰度均匀度评判阈值ξ对图像进行采样计算,得到相应的阴采样图和阳采样图,最后,对所述阴采样图和阳采样图利用离散点编组方法进行处理,从而探测相应的目标;其中,所述采样算子U(pk)具体为: <mrow> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mfrac> <mn>1</mn> <msub> <mi>C</mi> <mrow> <mi>R</mi> <mo>-</mo> <mi>r</mi> </mrow> </msub> </mfrac> <msub> <mi>Σ</mi> <mrow> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>∈</mo> <msub> <mi>C</mi> <mrow> <mi>R</mi> <mo>-</mo> <mi>r</mi> </mrow> </msub> </mrow> </msub> <msub> <mi>g</mi> <mi>j</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <msub> <mi>C</mi> <mi>r</mi> </msub> </mfrac> <msub> <mi>Σ</mi> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>∈</mo> <msub> <mi>C</mi> <mi>r</mi> </msub> </mrow> </msub> <msub> <mi>g</mi> <mi>i</mi> </msub> <mo>|</mo> </mrow> <mrow> <mfrac> <mn>1</mn> <msub> <mi>C</mi> <mi>r</mi> </msub> </mfrac> <msub> <mi>Σ</mi> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>∈</mo> <msub> <mi>C</mi> <mi>r</mi> </msub> </mrow> </msub> <msub> <mi>g</mi> <mi>i</mi> </msub> </mrow> </mfrac> </mrow>式中,Cr和CR表示一同心圆的内圆和外圆,半径分别为r和R,其中r为采样半径,R≧r+1,CR‑r为同心圆环,pi为内圆Cr中的第i个像素,gi为像素pi的灰度值,pj为CR‑r圆环中的第j个像素,gj为CR‑r圆环中的第j个像素pj的灰度值;其中,所述利用采样算子及邻域灰度均匀度评判阈值对图像进行采样计算,得到相应的阴采样图和阳采样图的具体过程为:(1)将图像中的像素采样离散点分为阴采样点和阳采样点两个集合,即如果像素采样离散点位于灰度不均匀区域,则归入阴采样点集合,否则,如果像素采样离散点位于灰度均匀区域,归入阳采样点集合;(2)根据图像中待检测目标的类型,利用所述采样算子对所述阴采样点集合或阳采样点集合进行采样,获得阳采样图或阴采样图,具体为:阴采样图: <mrow> <mi>T</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>></mo> <mi>ξ</mi> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>≤</mo> <mi>ξ</mi> </mtd> </mtr> </mtable> </mfenced> </mrow>阳采样图: <mrow> <mover> <mrow> <mi>T</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> </mrow> <mo>‾</mo> </mover> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>></mo> <mi>ξ</mi> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>≤</mo> <mi>ξ</mi> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>其中,ξ为邻域灰度均匀度评判阈值;另外,所述利用离散点编组进行探测的具体过程为:首先,根据图像中待检测目标类型确定为面目标或线目标;其次,面目标采用阳采样图进行编组,线目标使用阴采样图进行编组,其中,所述采用阳采样图进行编组的具体过程为:1)确定阳采样图中的独立区域;2)跟踪所述独立区域的外边界:确定外边界的点,即非8连通的点,然后按照顺序连接各点;3)判断外边界是否符合待检测目标的几何模型,如果符合程度超过一定阈值,则记录该独立区域的编号及符合程度,否则,选择阳采样图中下一个独立区域,重复过程2)和3),直至所有独立区域处理完毕后,将符合程度最高的区域判定为待检测目标;所述采用阴采样图进行编组的具体过程为:a)确定阴采样图中的独立区域;b)按照最长的N维周边方向贡献度对应的方向跟踪曲线,其中一点的N维周边方向贡献度指,该点在N维周边方向中的每一个方向具有的连续性贡献的步数乘以每个方向一步所对应的距离,N=2n,n为自然数,n≥3,其中,以该点为中心点、以采样半径r为半径的圆圈内任意方向发现一个新的黑象素点,就认为该新黑象素点对中心点在这个方向上具有一步连续性贡献;c)判断跟踪的曲线是否符合待检测目标的几何模型,如果符合程度超过一定阈值,则记录该独立区域的编号及符合程度,否则,选择阴采样图中下一个独立区域,重复过程b)和c),直至所有独立区域处理完毕后,将符合程度最高的区域判定为待检测目标。 |