CN103679725A - 基于直线检测和模板匹配的刀刃区域自动检索方法 - Google Patents

Abstract

本发明涉及图像处理技术，提供了一种基于直线检测和模板匹配的刀刃区域自动检索方法，具体包括：步骤S1：检测出待测图像中的所有直线；步骤S2：选取一个为奇数的边长值；步骤S3：以所述边长值在图像中构建正方形的待测刀刃区域，所述待测刀刃区域的中心点位置由检测出的直线确定；步骤S4：以模板匹配法对所述待测刀刃区域进行模板匹配，得到每个待测刀刃区域与其模板的相关系数；步骤S5：选取所述相关系数最大的待测刀刃区域为所求的刀刃区域；步骤S6：若步骤S5得到的刀刃区域不满足预定精度要求，则降低边长值并返回步骤S3。本发明可以实现保证精度条件下刀刃区域的快速自动检索。

Description

基于直线检测和模板匹配的刀刃区域自动检索方法

技术领域

本发明涉及图像处理技术，具体涉及一种基于直线检测和模板匹配的刀刃区域自动检索方法。

背景技术

遥感技术随着其快速发展为我们提供了全球范围的对地观测数据，它已经在军事、气象、农业等社会的各个领域得到了广泛的应用。但在受到散焦、景物与相机之间的相对运动、大气扰动等因素的影响下，在轨卫星获得的遥感图像存在着相当程度的图像退化。然而遥感图像是从距离地面数千千米高空的遥感平台获取的，即使存在微小的图像退化也可能导致严重的影像识别误差。所以如何从遥感图像中获取用于描述和恢复其图像退化的点扩散函数（PSF）就成为了一个重要的问题。刀刃法通过分析图像上具有明显灰度差的线性边缘区域（即刀刃区域）中边缘两边灰度分布情况求得PSF，已经被普遍应用在相关的研究中。而这一方法中，作为原始数据的刀刃区域直接决定了PSF的提取精度，而人工选取刀刃区域的方法对于大量遥感图像而言难以达到很高的精度和效率，所以如何适当地自动检索、选取刀刃区域就成了一个研究重点和研究难点。

模板匹配法是一种常用的图像识别方法，该方法通过计算图像中的各区域与模板的相关系数来找到目标区域。比如在一种刀刃区域的自动提取方法中，先检索匹配尺寸很小的模板（如3×3），对检索结果在刀刃区域的方向上扩大模板尺寸继续匹配，直到其匹配时的相关系数达到一定阈值为止。该方法用到的模板是尺寸由顶到底依次增大的树状模板结构。与对图像所有区域一一匹配的方法相比，该方法可以在保证精度的情况下降低算法复杂度，提高刀刃区域的检索速度。

但在该方法中，刀刃区域的大小是未知的，所以只能从最小的区域对整幅图像进行匹配检索，这一过程需要进行大量的矩阵运算，非常耗时；而且为了对应不同方向的刀刃区域，需要构建多个尺寸的各个方向的模板，其中很多模板都不一定会被用到，造成了很大程度的浪费，而且在构建过程也难以覆盖每一种可能的模板形状，因此整个方法的精度和效率都很有限。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供一种基于直线检测和模板匹配的刀刃区域自动检索方法，可以实现保证精度条件下刀刃区域的快速自动检索。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

（待发明人定稿后，复制权利要求的内容）

（三）有益效果

本发明至少具有如下的有益效果：

本方法的有益效果主要来源于以直线检测来缩小检索范围，再通过模板匹配法保证检索结果的精度。

具体来说，因为刀刃区域是图像上具有明显灰度差的线性边缘区域，所以可以通过图像中的直线来快速定位刀刃区域可能存在的位置。意思也就是说，刀刃区域实际上就是以一个线性边缘来将两个具有明显灰度差异的区域分隔开的图形，所以区域中间应该有一个尽可能为直线的边缘线条。根据这一特性就可以把直线上的一个点作为正方形刀刃区域的中心点（为修正直线偏移可以对直线上该点八邻域的点都构建一个刀刃区域），大小上只要使直线贯穿这一区域就可以了。在设定好检索区域的规格（也就是设定边长值，例如边长为7的区域规格就7×7；因为需要有中心点，所以边长值须为奇数）之后，就可以按此方法得到一系列待测刀刃区域。对于这些区域，再进行检测和筛选，找到一个最佳的区域作为检索结果。具体的检测和筛选可以先结合待测刀刃区域中直线的斜率由理论模型构建出一个同等规格的模板，然后计算待测刀刃区域与其模板的相关系数，就能定量地表示出该待测刀刃区域与理论模型的贴合程度，进而可以根据相关系数找到一个最佳的检索结果。

另外，由于刀刃区域越大PSF提取精度就越高，所以在设定检索区域规格时可以先设定的比较大，如果找不到相关系数符合预定要求的就再减小检索区域规格重新进行检索，如此就可以得到一个符合预定要求的规格尽可能大的刀刃区域。

可以看出，与背景技术相比，本发明提出的方法通过直线的检测避免了全局的模板匹配这一需要大量矩阵运算的过程，且利用直线大大减少了需要进行模板匹配的区域数量。而且对于用到的模板，在一种检索区域规格下，对一条直线上所有待测刀刃区域的模板只需要构建一次，减少了在模板构建上的算法开销。

而且相比较背景技术的检索方法，本发明提出的方法不仅可以保证得到的刀刃区域在与模板相关系数达到预定要求，而且在此基础上还能得到一个尽量大的刀刃区域，精度上有着进一步的提高。

另外，对于刀刃区域的规格无需人工选取，整个检索过程可以通过程序自动完成，从而本发明可以实现保证精度条件下刀刃区域的快速自动检索。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例中基于直线检测和模板匹配的刀刃区域自动检索方法流程图；

图2是本发明一个实施例中一幅具体图像的刀刃区域检索结果示意图；

图3是本发明一个实施例中从一幅具体图像检索出的11×11大小的刀刃区域。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提出了一种基于直线检测和模板匹配的刀刃区域自动检索方法，参见图1，具体包括：

步骤S1：检测出待测图像中的所有直线。

本方法是基于直线检测和模板匹配的，直线检测指的是在检索刀刃区域之前，先检测出图像中所有的直线。其多种具体检测方法属于现有技术，在此不再赘述。这里采样的方法为对影像进行边缘提取和直线检测以寻找影像的直线边缘区域，得出影像中线性较好的直线段。

步骤S2：选取一个为奇数的边长值。

如有益效果中所述，边长值的选取，也就是待测刀刃区域规格的确定是方法中的一个关键，为得到尽量精确的PSF，一般边长值选取的越大越好。而为了保证可以找到至少一个待测刀刃区域，所述边长值必须不大于所有所述直线在当前所有坐标轴上的最大投影长度。这一设置可以初步地限定边长值的设定范围，减小迭代次数。

而且为了保证待测刀刃区域有一个中心点，所以要使每个待测刀刃区域的边长都是奇数。

另外为了使PSF提取精度尽量高，需要使选取的待测刀刃区域尽量大，从而在此从较大的边长值，也就是较大规格开始检索，若找不到符合预定要求的再将边长值减少2个单位再至步骤S3处重新检索。需要说明的是，由于涉及的是图像处理，所以文中对坐标、长度、区域大小描述的单位都统一为像素，不对出现表示坐标、长度、或区域的数字的单位做过多说明。

另外，在此边长值的初始值可以在满足其他要求的情况下设定为15，而且若无特别的精度要求一般的边长值取值不大于15，原因如下：

由于PSF近似于高斯函数（已经有人通过实验证明），高斯函数是正态分布函数，高斯模板为离散的正态分布函数，当高斯模板为11×11时，相应的高斯函数σ约为5，将高斯模板归一化后的高斯函数的最大值，也就是高斯模板中点处的值约为0.2。也就是说，用这个高斯函数退化图像，每个点只有约20%的灰度留在原点，而80%的灰度被退化到了周围，已经接近于无法提取图像上的任何信息，所以PSF的规格为11×11已经到了可利用的极限，计算出11×11的PSF需要的刀刃区域大小为13×13，那么这里设定15×15已经完全保证了所得的刀刃区域能够计算出需要的PSF。

步骤S3：以所述边长值在图像中构建正方形的待测刀刃区域，所述待测刀刃区域的中心点位置由检测出的直线确定。

由有益效果中所述，由于边长值已经确定了，构建待测刀刃区域就是要决定刀刃区域的中心点取在哪里。根据刀刃区域的定义和要求，要有一条直线贯穿所确定的刀刃区域，而且尽量将该区域平分。基于这一要求，就可以在直线中寻找可能符合要求的中心点位置：

对于每一条直线，设其在两坐标轴上的较大投影长度为L，当前的边长值为l。

对于L<l的直线，不可能存在可以选取的待测刀刃区域，所以不予考虑；

对于L=l的直线，存在唯一一个可以选取的待测刀刃区域，取其中点为对应的中心点；

对于L>l的直线，存在(L-l+1)个可以选取的待测刀刃区域，从直线中间开始向两边找到(L-l+1)个点作为中心点。

但在实际操作中可能存在直线偏移，为修正这一偏移，把原有的每一个已取得的中心点的八邻域中的点也选作一个待测刀刃区域的中心点，就不会漏掉其中可能由于直线偏移而没有选取到的待测刀刃区域。

步骤S2和S3就是在根据直线来缩小待测刀刃区域的范围，一般而言，以任意的边长值并以图像中每一个点都作为一个待测刀刃区域的中心点，最终同样地可以得到该边长值下的刀刃区域检索结果，并可以充分地保证其是最优的。但是这样的计算量太过巨大，所以通过图像检测出的直线，根据刀刃区域自身的性质可以减小这一检索范围，达到保证精度提高效率的目的。

步骤S4：以模板匹配法对所述待测刀刃区域进行模板匹配，得到每个待测刀刃区域与其模板的相关系数。

对于每一个选取的待测刀刃区域，先构建其模板。与常用的模板匹配法相同，设该待测刀刃区域中直线的斜率为k，所述模板就是一个与待测刀刃区域规格相同的正方形区域，其中有一条斜率为k的直线通过区域中心点。该直线两侧区域的灰度值分别设为最高和最低，该直线经过的像素点根据直线所分的面积大小来决定灰度为最高或最低。

然后对每一个待测刀刃区域与其模板进行相关系数的卷积计算，得到该待测刀刃区域与其模板的相关系数（取绝对值），相关系数就代表了每个刀刃区域与其模板的匹配程度，其中所述卷积计算是对两个区域中的灰度值进行的，由于模板匹配法属于已有技术，故在此不再详述其具体计算过程。

步骤S5：选取所述相关系数最大的待测刀刃区域为所求的刀刃区域。

意思就是说从所有选取的待测刀刃区域中找到一个所述相关系数最大的作为当前边长值下的检索结果，这一结果就代表了与对应模板匹配程度最高的待测刀刃区域。

步骤S6：若步骤S5得到的刀刃区域不满足预定精度要求，则降低边长值并返回步骤S3。

如果当前边长值下匹配程度最高的待测刀刃区域也不能满足预定的精度要求，比如说相关系数的阈值要求，那么就将边长值减去2返回步骤S3再进行检索。比如，初始15×15的检索下得到的待测刀刃区域与其模板的相关系数仅为0.8，小于当前边长值15下阈值0.95的要求，那么就以13×13返回步骤S3重新进行检索，直到某一个边长值下的检索结果满足这一相关系数阈值要求为止。

需要说明的是，这里所说的预定精度要求是用户根据对具体图像的处理精度要求来设定的，具体而言可以考虑到具体图像的分辨率和当前待测刀刃区域规格做相应的调整。预定精度要求越高，找到的刀刃区域精度就可能会有一定幅度的提升，但对应的收敛速度可能会变慢，而且过于严格的预定精度要求可能会导致无效的检索结果（如1×1的刀刃区域，其与模板的相关系数必然为1）。用户无特殊要求的默认情况下，可以取所得相关系数不小于阈值(0.95-(n-1)*0.005/2)的预定精度要求，其中n代表当前边长值。

在一幅具体图像中依本方法检索到的刀刃区域参见图2（原图像）和图3（选取的刀刃区域），图2中的黑色方框（大小11×11，单位为像素）即为选取的刀刃区域，图3即为这一区域的放大图。可见，选取出的刀刃区域明显为具有明显灰度差的线性边缘区域，证明了本方法的有效性。

本发明结合直线检测法和模板匹配法实现刀刃区域检索，首先检测出图上的直线边缘，再根据直线选出候选的正方形区域，最后利用刀刃模板对候选区域进行匹配，得出最终最合适的刀刃区域。本发明对不同规格进行递减的检测，选取了最为合适的规格的刀刃区域，免除了人工选取刀刃区域规格，对适配规格的直线中点的邻域点也进行了候选区域提取，避免了直线边缘检测中直线偏移造成的误差。

综上所述，本方法通过直线检测缩小了刀刃区域检索范围，又通过模板匹配法保证了刀刃区域的选取精度，此外，本发明可以自动选择合适规格的刀刃区域，避免了人工选取刀刃区域规格带来的误差，实现了保证精度条件下刀刃区域的快速自动检索。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于直线检测和模板匹配的刀刃区域自动检索方法，其特征在于，该方法包括：

步骤S1：检测出待测图像中的所有直线；

步骤S2：选取一个为奇数的边长值；

步骤S3：以所述边长值在图像中构建正方形的待测刀刃区域，所述待测刀刃区域的中心点位置由检测出的直线确定；

步骤S4：以模板匹配法对所述待测刀刃区域进行模板匹配，得到每个待测刀刃区域与其模板的相关系数；

步骤S5：选取所述相关系数最大的待测刀刃区域为所求的刀刃区域；

步骤S6：若步骤S5得到的刀刃区域不满足预定精度要求，则降低边长值并返回步骤S3。

2.根据权利要求1所述的方法，其特征在于，所述选取一个为奇数的边长值包括：

选取一个为奇数的边长值，所述边长值不大于所有所述直线在当前所有坐标轴上的最大投影长度。

3.根据权利要求2所述的方法，其特征在于，所述选取一个为奇数的边长值进一步包括：

选取一个为奇数的边长值，所述边长值不大于15。

4.根据权利要求1所述的方法，其特征在于，所述以所述边长值在图像中构建正方形的待测刀刃区域，所述待测刀刃区域的中心点位置由检测出的直线确定包括：

以所述边长值在图像中构建正方形的待测刀刃区域，使每一个所述待测刀刃区域的中心点在一条贯穿该待测刀刃区域的直线上。

5.根据权利要求1所述的方法，其特征在于，所述以所述边长值在图像中构建正方形的待测刀刃区域，所述待测刀刃区域的中心点位置由检测出的直线确定进一步包括：

以所述边长值在图像中构建正方形的待测刀刃区域，使每一个所述待测刀刃区域中心点的一个邻域点在一条贯穿该待测刀刃区域的直线上。

6.根据权利要求1所述的方法，其特征在于，以模板匹配法对所述待测刀刃区域进行模板匹配，得到每个待测刀刃区域与其模板的相关系数包括：

结合检测出的直线构建对应每一个所述待测刀刃区域的模板；

对每一个待测刀刃区域与其模板进行相关系数的卷积计算，得到该待测刀刃区域与其模板的相关系数。

7.根据权利要求1所述的方法，其特征在于，所述预定精度要求包括所述相关系数不小于预定的阈值。

8.根据权利要求1所述的方法，其特征在于，所述降低边长值包括将所述边长值在原有数值上减去2。

Images