CN103559494A - 一种平面图形对象的对称轴的检测方法 - Google Patents
一种平面图形对象的对称轴的检测方法 Download PDFInfo
- Publication number
- CN103559494A CN103559494A CN201310521085.3A CN201310521085A CN103559494A CN 103559494 A CN103559494 A CN 103559494A CN 201310521085 A CN201310521085 A CN 201310521085A CN 103559494 A CN103559494 A CN 103559494A
- Authority
- CN
- China
- Prior art keywords
- symmetry
- axis
- alpha
- point
- straight line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 claims description 44
- 238000012847 principal component analysis method Methods 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 4
- 238000011895 specific detection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及数字图像处理、模式识别技术领域,特别涉及一种平面图形对象的对称轴检测方法。该方法的搜索过程可以在(k,b)空间或(α,b)或(α,b’)空间进行,先在搜索空间内确定包含对称轴所对应点的一个搜索区域,然后在这个区域内,求出该平面图形对象的厚度为δ的壳与其相对于搜索空间内各点所对应的直线的对称图形交集的面积函数值,求取区域内面积函数的极大值点或最大值点,将各极大值点对应的直线作为对称轴的备选线,并最终确定一条(或几条)直线为对称轴,若对称轴存在且唯一,则最大值点对应的直线即为该平面图形对象的对称轴。本发明的方法能精确检测局部对称或准对称平面图形对象的对称轴。
Description
技术领域
本发明涉及数字图像处理、模式识别技术领域,特别是涉及一种平面图形对象的对称轴的检测方法。
背景技术
对称是自然界及人类社会中的物体普遍存在的一种形状特征。在人工视觉尤其是目标识别领域,对平面图形对称轴的识别通常是坐标轴重新标定及对象识别的基础。在车辆及建筑物识别、人脸识别、指纹识别、印章识别、脑部CT图像分析等领域,对称轴检测都是必需的基础环节。
平面图形对象的对称可分为以下三种情况:
1.严格对称:设P={(xi,yi)|i∈[1,N]}为平面图形对象,L为同一平面内直线。若 aa′⊥L,且|ao|=|oa′|,其中o为线段aa′与L的交点,则称P关于直线L严格对称。
2.局部对称:设P={(xi,yi)|i∈[1,N]}为平面图形对象,S={(xj,yj)|j∈[1,M]}为P的边界,L为同一平面内直线,若S1关于直线L严格对称,且其关于L的镜像点称P关于直线L局部对称。
平面图形对象对称轴的检测方法很多,一个严格轴对称的图形对象可以在空间域内用多种方法求取其对称轴的解析解,目前常用的有以下三种方法:
1.最小二乘法
该方法实际上是简单一元线性回归法,其原理为:轴对称图形对象(或其边界)可表示为点集P={(xi,yi)|i∈[1,N]},其对称轴可表示为直线y=kx+b,则
其中:
2.转动惯量法:
提及该方法的文献有:龚建伟、黄文宇、陆际联发表于《计量技术》2001年6期3-5页的文章“轴对称曲线对称轴的数值计算方法”。
该方法的原理为:轴对称图形对象(或其边界)可表示为点集P={(xi,yi)|i∈[1,N]}。将任一点(xi,yi)视为质量为1的质点,赋予了质量意义的图像目标相对于任一面内直线y=kx+b的转动惯量为:可以证明,若P为严格轴对称图形,当选取对称轴为旋转轴时,J取得极值。求取J(k,b)的极值点,有:
其中:
结合目标的其他信息选取k1、k2中的一个或两个为与对称轴对应的k值(图形对象有可能有两个对称轴)。
3.主元分析法:
提及该方法的文献有:卢春雨,张长水,闻芳等发表于《电子学报》1999年第27卷第5期25-28页的文章“基于主元分析的对称性检测”。
该方法的原理为:轴对称图形对象(或其边界)可表示为点集P={(xi,yi)|i∈[1,N]}。设:
X=(x1,x2,......,xN)T;Y=(y1,y2,......,yN)T;(X,Y)的协方差矩阵为
其中
求取∑的特征向量,则平面图性对象对称轴的方向是特征向量方向的子集。
一般假设对称轴通过对象形心结合方向向量及图形对象的实际情况可以确定其对称轴直线方程。
4.对称Hough变换法:
提及该方法的文献有:①Lei Y W和Wong k C发表在《模式识别通讯》1999年20卷第1期41-47页的文章“基于对称性的椭圆检测”(Lei Y W,Wong k C.Ellipse Detection Based onSymmetry.Pattern Recognition Letters,1999,20(1):41-47);②李俊、杨新、王峥等2001年3月发表于《模式识别与人工智能》第14卷第1期95-98页的文章“基于对称Hough变换的印章倾斜校正方法”。该方法的原理是:对图像目标边界点集P做对称Hough变换,若(s,θ)空间中存在明显峰值,则峰值一般对应于图形的对称轴。
最小二乘法不具有旋转不变性,即当P在坐标系内发生旋转时,用最小二乘法求得的直线与P的位置关系将发生改变,由于其误差较大且无法控制,只能用于对称轴的粗定位。
转动惯量法、主元分析法和对称Hough变换法理论上都具有旋转不变性,但转动惯量法和主元分析法当对称轴与x轴的夹角接近90°时,对称轴的检测误差显著增大。
转动惯量法和主元分析法在图形对象对称质量较高时能获得较好的检测结果,但当图形对象为部分对称(例如有明显的异常突起或缺损)或准对称时检测误差较大。之所以产生这种情况,是因为对于部分对称及准对称图形对象而言,其对称轴只是一种局部性质,而转动惯量法和主元分析法都是全局化的方法,图形对象的非对称部分在计算中会对结果产生无法消除的干扰。随着图形对象的整体对称程度的降低,距离方差极值法的计算精度迅速下降到较低的水平。其实,只要我们注意到即使是边界完全不对称的图形对象仍然可以用转动惯量法以及主元分析法分别求出两条“对称轴备选线”,就能理解这两种方法对于确定局部对称或准对称图形对象的对称轴既非充分条件也非必要条件。转动惯量法和主元分析法的应用范围虽然在精确检测图形对象对称轴的工作中受到很大限制,但其对于对称轴的快速粗定位仍然是很重要的方法。
对称Hough变换法可对局部对称的图形对象的对称轴进行检测。对称Hough变换可视为一种基于穷举法的累加器,不可避免地会产生大量的计算资源浪费。即使对于一些对称特征明显的图形对象,在保证识别率及识别精度的情况下对对称Hough变换做减少运算量的改进都是难以实现的,这使其一般很难进行实时性应用。另外,对称Hough变换法对图形对象边界的对称部分的对称度要求较高,无法用其检测准对称图形对象的对称轴。
在工程实践中,对称轴不具有识别难度的严格对称的图形对象很少见;多数图形对象为部分对称或准对称;即使部分对称的图形对象,其对称部分边界也经常对称程度不高,呈一定程度的准对称形态。通过以上对各对称轴检测方法的分析可知,目前没有对准对称图形对象的对称轴进行精确检测的方法,尤其是没有对局部对称与准对称图形对象的对称轴都能进行精确检测的通用方法。
发明内容
为了克服上述现有技术无法对局部对称及准对称图形对象的对称轴都能进行精确检测的不足,本发明提供了一种平面图形对象的对称轴的检测方法,该方法能精确检测局部对称或准对称平面图形对象的对称轴。
为实现上述目的,本发明的方案是:一种平面图形对象的对称轴检测方法,步骤如下:
(1)设P为平面图形对象,L:y=kx+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=k0x+b0,确定P的对称轴在(k,b)空间内的对应点的搜索区域为包含(k0,b0)的区域Ω;
(2)求出函数C(k,b)在区域Ω内各点处的函数值,其中,C(k,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
(3)求C(k,b)在Ω内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(k,b)在Ω内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
本发明还提供了另外一种局部对称或准对称平面图形对象的对称轴检测方法,该方法在(α,b)空间中进行检测,步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=x·tanα0+b0,确定P的对称轴在(α,b)空间内的对应点的搜索区域为包含(α0,b0)的区域Ω″;
(2)求出函数C(α,b)在区域Ω″内各点处的函数值,其中,C(α,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
(3)求C(α,b)在Ω″内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b)在Ω″内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
本发明还提供了第三种局部对称或准对称平面图形对象的对称轴检测方法,该方法将大量翻转运算转化为平移运算,可大幅度提高运算速度,步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=x·tanα0+b0,确定P的对称轴在(α,b’)空间内的对应点的搜索区域为包含(α0,b0’)的区域Ω′,其中,b0′=(1-cosα0)·y0+b0·cosα0+sinα0·x0,变量b’与b的映射关系为:b′=(1-cosα)·y0+b·cosα+sinα·x0,(x0,y0)为后续旋转运算的旋转中心;
(2)求函数C(α,b′)在区域Ω′内各点处的函数值,其中,C(α,b′)=Card(SSI(P1(α),L′(b′),δ)),Card(*)表示求取集合中元素数的运算,SSI(P1(α),L′(b′),δ)=P1s(α)∩P1s′(α,b′),P1(α)为将P以某定点(x0,y0)为中心顺时针旋转角度α得到的图形对象,P1s(α)为P1(α)的厚度为δ的壳,P1s(α)为P1(α)内距边界上至少一点距离不大于δ的所有点的集合,P1s′(α,b′)表示P1s(α)关于直线L′(b′):y=b′的线对称图形,P1s′(α,b′)只需将P1s′(α,b0′)作平移运算得到;
(3)求C(α,b′)在Ω′内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b′)在Ω′内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴,(α,b′)空间中的点(α*,b′*)对应的直线方程为L*:y=tan(α*)x+b*,其中,b*=(y0-tanα*·x0)+(b′*-y0)secα*。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
本发明达到的有益效果:
(1)本发明的方法先把对称轴确定在一个较小的区域内,在这个区域内检测对称轴,大大缩减了工作量,提高了工作效率,而且本发明的方法是完全旋转不变的,即使对称轴与y轴平行也能顺利识别且不影响识别精度;
(2)本发明的方法对图形对称度在相当大的分布范围内的局部对称或准对称图形对象都可实现对称轴的高精度检测,当图像质量较高时可基本实现对称轴的无误差检测,即本方法具有极强的鲁棒性;
(3)转动惯量法和主元分析法只能检测单对称轴或双对称轴的情况,本发明的方法则可以对多对称轴图形进行检测,只需扩大筛选范围,在(k,b)或(α,b)空间或(α,b’)空间内选择满足某阈值条件的所有极小值点,并逐一加以验证,就能检测出所有的局部对称轴。
附图说明
图1为本发明SSI(P,L,δ)的求解图示;
图2为旋转运算前后图形对象的壳及面内直线的对应关系图。
具体实施方式
下面结合附图对本发明进一步详细说明。
本发明在(k,b)空间的检测方法实施例:
该方法的具体步骤如下:
(1)设P为平面图形对象,L:y=kx+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=k0x+b0,确定P的对称轴在(k,b)空间内的对应点的搜索区域为包含(k0,b0)的区域Ω;
(2)求出函数C(k,b)在区域Ω内各点处的函数值,其中,C(k,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
如图1所示,将平面图形对象P的壳Ps相对于L进行镜像翻转,得到Ps关于L的镜像对称图形Ps′,将Ps与Ps′做与运算得到SSI(P,L,δ),C(k,b)为SSI(P,L,δ)的面积或其点集的点数。
(3)求C(k,b)在Ω内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(k,b)在Ω内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
本发明在(α,b)空间检测的方法实施例:
该方法的具体步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=x·tanα0+b0,确定P的对称轴在(α,b)空间内的对应点的搜索区域为包含(α0,b0)的区域Ω″;
(2)求出函数C(α,b)在区域Ω″内各点处的函数值,其中,C(α,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
如图1所示,将平面图形对象P的壳Ps相对于L进行镜像翻转,得到Ps关于L的镜像对称图形Ps′,将Ps与Ps′做与运算得到SSI(P,L,δ),C(α,b)为SSI(P,L,δ)的面积或其点集的点数。
(3)求C(α,b)在Ω″内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b)在Ω″内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
本发明在(α,b,)空间检测的方法实施例:
该方法的具体步骤如下:
如图2所示,该方法的具体步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,采用转动惯量法或最小二乘法或主元分析法将P的对称轴粗定位为直线y=x·tanα0+b0,该直线对应的(α,b)空间内的点为(α0,b0)。
(2)指定搜索范围为Ω′={(α,b′)|α∈(α1,α2),b′∈(b1′,b2′)}。为简化计算,各参数可设定如下:α1=α0-Δα;α2=α0+Δα;b1′=b0′-Δb;b2′=b0′+Δb,其中Δα、Δb为常数,b0′=y0+sinα0·x0+(b0-y0)cosα0,(x0,y0)为步骤(3)所述旋运算的旋转中心。
(3)求函数C(α,b′)在区域Ω′内各点处的函数值,其中,C(α,b′)=Card(SSI(P1(α),L′(b′),δ)),Card(*)表示求取集合中元素数的运算,SSI(P1(α),L′(b′),δ)=P1s(α)∩P1s′(α,b′),P1(α)为将P以某定点(x0,y0)为中心顺时针旋转角度α得到的图形对象,P1s(α)为P1(α)的厚度为δ的壳,P1s(α)为P1(α)内距边界上至少一点距离不大于δ的所有点的集合,P1s′(α,b′)表示P1s(α)关于直线L′(b′):y=b′的线对称图形,P1s′(α,b′)只需将P1s′(α,b0′)作平移运算得到;
如图2所示,将图形对象P的厚度为δ的壳以某点(x0,y0)为中心顺时针旋转角度α得到图形对象P1s(α),α∈(α1,α2),使b′在区间(b1′,b2′)上遍历,计算C(α,b′)=Card(SSI(P1(α),L′(b′),δ))。直线L1、L、L2分别对应于(α,b)空间中的点(α,b1)、(α,b0)、(α,b2),直线L1’、L’、L2’分别对应于(α,b′)空间中的点(α,b1′)、(α,b0′)、(α,b2′),其中bi=(y0-tanα·x0)+(bi′-y0)secα,i=1,2。在旋转运算前后,直线L1、L、L2分别与直线L1’、L’、L2’对应。
(4)改变α值,重复步骤(3)。
(5)求C(α,b′)在Ω′内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b′)在Ω′内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴,(α,b′)空间中的点(α*,b′*)对应的直线方程为L*:y=tan(α*)x+b*,其中,b*=(y0-tanα*·x0)+(b′*-y0)secα*。
当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象P的对称度较低时,可增大δ值以避免漏检及误检。
Claims (9)
1.一种平面图形对象的对称轴的检测方法,其特征在于,步骤如下:
(1)设P为平面图形对象,L:y=kx+b为面内直线,将P的对称轴粗定位为直线y=k0x+b0,确定P的对称轴在(k,b)空间内的对应点的搜索区域为包含(k0,b0)的区域Ω;
(2)求出函数C(k,b)在区域Ω内各点处的函数值,其中,C(k,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
(3)求C(k,b)在Ω内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据平面图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(k,b)在Ω内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
2.根据权利要求1所述的平面图形对象的对称轴的检测方法,其特征在于,采用转动惯量法或最小二乘法或主元分析法将平面图形对象P的对称轴粗定位为y=k0x+b0。
3.根据权利要求1所述的平面图形对象的对称轴的检测方法,其特征在于,当平面图形对象对称度较高时,可减小δ值以提高检测精度,当图形对象对称度较低时,可增大δ值以避免漏检及误检。
4.一种平面图形对象的对称轴的检测方法,其特征在于,步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,将P的对称轴粗定位为直线y=x·tanα0+b0,确定P的对称轴在(α,b)空间内的对应点的搜索区域为包含(α0,b0)的区域Ω″;
(2)求出函数C(α,b)在区域Ω″内各点处的函数值,其中,C(α,b)=Card(SSI(P,L,δ)),SSI(P,L,δ)=Ps∩Ps′,Ps为P的厚度为δ的壳,Ps为P内距边界上至少一点距离不大于δ的所有点的集合,Ps′表示Ps关于L的线对称图形,Card(*)表示求取集合中元素数的运算;
(3)求C(α,b)在Ω″内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b)在Ω″内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴。
5.根据权利要求4所述的局部对称或准对称平面图形对象的对称轴检测方法,其特征在于,采用转动惯量法或最小二乘法或主元分析法将平面图形对象P的对称轴粗定为y=x·tanα0+b0。
6.根据权利要求4所述的平面图形对象的对称轴的检测方法,其特征在于,当平面图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象对称度较低时,可增大δ值以避免漏检及误检。
7.一种平面图形对象的对称轴的检测方法,其特征在于,步骤如下:
(1)设P为平面图形对象,L:y=x·tanα+b为面内直线,将P的对称轴粗定位为直线y=x·tanα0+b0,确定P的对称轴在(α,b’)空间内的对应点的搜索区域为包含(α0,b0’)的区域Ω′,其中,b0′=(1-cosα0)·y0+b0·cosα0+sinα0·x0,变量b’与b的映射关系为:b′=(1-cosα)·y0+b·cosα+sinα·x0,(x0,y0)为后续旋转运算的旋转中心;
(2)求函数C(α,b′)在区域Ω′内各点处的函数值,其中,C(α,b′)=Card(SSI(P1(α),L′(b′),δ)),Card(*)表示求取集合中元素数的运算,SSI(P1(α),L′(b′),δ)=P1s(α)∩P1s′(α,b′),P1(α)为将P以某定点(x0,y0)为中心顺时针旋转角度α得到的图形对象,P1s(α)为P1(α)的厚度为δ的壳,P1s(α)为P1(α)内距边界上至少一点距离不大于δ的所有点的集合,P1s′(α,b′)表示P1s(α)关于直线L′(b′):y=b′的线对称图形,P1s′(α,b′)只需将P1s′(α,b0′)作平移运算得到;
(3)求C(α,b′)在Ω′内所有的极大值点,将各极大值点对应的直线作为P的对称轴备选线,并根据平面图形对象的特征、检测的具体要求从备选线中确定P的对称轴或对应于P的某对称局部的局部对称轴;若P的对称轴或局部对称轴存在且唯一,则求取C(α,b′)在Ω′内的最大值点,该最大值点对应的直线即为P的对称轴或局部对称轴,(α,b′)空间中的点(α*,b′*)对应的直线方程为L*:y=tan(α*)x+b*,其中,b*=(y0-tanα*·x0)+(b′*-y0)secα*。
8.根据权利要求7所述的局部对称或准对称平面图形对象的对称轴检测方法,其特征在于,采用转动惯量法或最小二乘法或主元分析法将平面图形对象P的对称轴粗定位为y=x·tanα0+b0。
9.根据权利要求7所述的平面图形对象的对称轴的检测方法,其特征在于,当图形对象P的对称度较高时,可减小δ值以提高检测精度,当图形对象对称度较低时,可增大δ值以避免漏检及误检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310521085.3A CN103559494A (zh) | 2013-10-30 | 2013-10-30 | 一种平面图形对象的对称轴的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310521085.3A CN103559494A (zh) | 2013-10-30 | 2013-10-30 | 一种平面图形对象的对称轴的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103559494A true CN103559494A (zh) | 2014-02-05 |
Family
ID=50013735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310521085.3A Pending CN103559494A (zh) | 2013-10-30 | 2013-10-30 | 一种平面图形对象的对称轴的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103559494A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599294A (zh) * | 2015-01-23 | 2015-05-06 | 河南理工大学 | 基于亮度序均值标准差描述子的图像对称轴检测方法 |
CN105825528B (zh) * | 2016-03-14 | 2018-07-10 | 天津工业大学 | 一种图像对称轴检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281651A (zh) * | 2007-04-05 | 2008-10-08 | 奥多比公司 | 图像中对称性的自动检测和映射 |
CN102663762A (zh) * | 2012-04-25 | 2012-09-12 | 天津大学 | 医学图像中对称器官的分割方法 |
US20130202174A1 (en) * | 2012-02-06 | 2013-08-08 | Samsung Medison Co., Ltd. | Method and apparatus for obtaining symmetry information of objects |
-
2013
- 2013-10-30 CN CN201310521085.3A patent/CN103559494A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281651A (zh) * | 2007-04-05 | 2008-10-08 | 奥多比公司 | 图像中对称性的自动检测和映射 |
US20130202174A1 (en) * | 2012-02-06 | 2013-08-08 | Samsung Medison Co., Ltd. | Method and apparatus for obtaining symmetry information of objects |
CN102663762A (zh) * | 2012-04-25 | 2012-09-12 | 天津大学 | 医学图像中对称器官的分割方法 |
Non-Patent Citations (3)
Title |
---|
GARETH LOY ET AL: "detecting symmetry and symmetric constellations of feartures", 《ECCV 2006,PART II,LNCS 3952》 * |
SHENGZHI DU ET AL: "high accuracy hough transform based on butterfly symmetry", 《ELECTRONICS LETTERS》 * |
李俊 等: "基于对称Hough变换的印章倾斜校正方法", 《模式识别与人工智能》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599294A (zh) * | 2015-01-23 | 2015-05-06 | 河南理工大学 | 基于亮度序均值标准差描述子的图像对称轴检测方法 |
CN105825528B (zh) * | 2016-03-14 | 2018-07-10 | 天津工业大学 | 一种图像对称轴检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN105550683A (zh) | 基于视觉的指针式仪表自动读取系统和方法 | |
CN103697855A (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
Cheng et al. | An automatic and robust point cloud registration framework based on view-invariant local feature descriptors and transformation consistency verification | |
Peng et al. | Harris scale invariant corner detection algorithm based on the significant region | |
Ao et al. | A repeatable and robust local reference frame for 3D surface matching | |
Mu et al. | A novel Shi-Tomasi corner detection algorithm based on progressive probabilistic hough transform | |
CN107710229B (zh) | 图像中的形状识别方法、装置、设备及计算机存储介质 | |
Yang et al. | Auto-recognition Method for Pointer-type Meter Based on Binocular Vision. | |
CN103530654A (zh) | 一种二维图形的对称轴的检测方法 | |
CN103559494A (zh) | 一种平面图形对象的对称轴的检测方法 | |
Hong et al. | Natural landmarks based localization algorithm for indoor robot with binocular vision | |
CN110766728A (zh) | 基于深度学习的组合图像特征精确匹配算法 | |
Xu | Blob detection with the determinant of the Hessian | |
Akizuki et al. | DPN-LRF: A local reference frame for robustly handling density differences and partial occlusions | |
Chang et al. | The shape of patterns tells more: Using two dimensional Hough transform to detect circles | |
Li et al. | Corner Detection of Hand Gesture | |
CN113302662A (zh) | 一种基于sgh描述3d局部特征的3d形状匹配方法及装置 | |
Kwon et al. | Ellipse detection method based on the advanced three point algorithm | |
Zeng et al. | A Robust Indoor Localization Method Based on DAT-SLAM and Template Matching Visual Odometry | |
Zhang et al. | Performance Evaluation of Feature Detection Methods for Visual Measurements. | |
Chen et al. | Image alignment using pyramid structure with harris corner detection | |
CN111652894B (zh) | 一种面向飞行器的环形目标自适应检测方法 | |
Ye et al. | Research on Vision-based Autonomous Landing of Unmanned Aerial Vehicle | |
US20240230842A9 (en) | Method and apparatus of filtering dynamic objects in radar-based ego-emotion estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140205 |