CN104103078A - 一种螺旋对称中心检测方法 - Google Patents
一种螺旋对称中心检测方法 Download PDFInfo
- Publication number
- CN104103078A CN104103078A CN201410378746.6A CN201410378746A CN104103078A CN 104103078 A CN104103078 A CN 104103078A CN 201410378746 A CN201410378746 A CN 201410378746A CN 104103078 A CN104103078 A CN 104103078A
- Authority
- CN
- China
- Prior art keywords
- point
- ijk
- unique
- candidate
- helical
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种螺旋对称中心检测方法,该方法采用计算机视觉处理方法,既可以检测螺旋对称中心又可以检测圆对称中心。该方法在两个既有圆对称中心又有螺旋对称中心的图像数据集上进行验证,结果显示本发明检测方法可靠性较高,不仅对圆的对称中心检测有较高的准确率,对螺旋对称中心的检测也达到了较好的水平。
Description
技术领域
本发明涉及模式识别技术领域,具体是一种螺旋对称中心检测方法。
背景技术
圆形结构是一种最为常见的对称性结构。在模式识别及计算机视觉领域,圆对称中心检测及定位具有重要的应用价值。例如,2006年,Loy等人(参见ECCV,2006.)提出了一套基于SIFT特征提取及匹配的圆对称中心的检测定位方法;2012年,Lee,S.等人(参见IEEE Trans.Pattern Anal.Mach.Intell.,vol.31,no.9,pp.1659-1672,2010.)提出了一套基于频域变换的圆对称中心检测和定位方法。这些方法都可以实现圆对称中心的自动检测及定位。利用已有的圆对称中心检测及定位方法,人们可以进行目标识别、区域分割及目标跟踪。
在人类视觉世界中,圆对称性分为两种,一种是有限区域的圆对称性,另一种是无限区域的圆对称性。这一点在数学家weyl,H的《对称》一书中进行了科学的定义及划分。有限区域的圆对称性就是常见的封闭圆形模式,无限区域的圆对称性就是螺旋形的圆对称模式,也就是含有径向变化的旋转对称性,在《对称》一书中对这种螺旋对称性进行了数学描述,其公式可表示为对数螺线的形式,具体如下:
ρ=aebθ (1)
其中,a是初始极径,b是生长因子,θ是旋转角,ρ是当前极径。显然,当b为0时,螺旋对称就变为了圆对称,可见,圆对称式螺旋对称的一个特例。
螺旋对称性在自然界和人类世界中随处可见。例如:鹦鹉螺的横切面,海马卷曲的尾巴,大象卷曲的鼻子,台风俯视图,敦煌壁画中的祥云图案等。
对于单张图片的螺旋对称性检测及中心定位,目前没有这方面的专项技术。而传统的圆对称中心检测方法应用于螺旋对称性检测得不到准确的结果。本发明所提出的螺旋对称中心检测方法既可以检测传统的圆对称性中心,又可以检测螺旋对称性中心。
发明内容
针对现有技术的不足,本发明要解决的技术问题是,提出一种螺旋对称中心检测方法。该方法采用计算机视觉处理方法,既可以检测螺旋对称中心又可以检测圆对称中心。
本发明解决所述技术问题的技术方案是,设计一种螺旋对称中心检测方法,其特征在于该方法按以下步骤进行:
1)匹配三元组提取
①对待检测图像进行SIFT特征提取,得到所有的SIFT特征点及相应的特征点位置坐标、主方向和尺度值;
②为每一个特征点找到和它最为匹配的两个特征点(欧式距离意义下距离最小的点),这三个特征点形成一个三元组,从而得到一个三元组的集合;
2)候选螺旋对称中心点的生成
利用每个已提取的三元组所包含的三个特征点Pi,Pj,Pk,可以生成一个候选中心点Oijk。具体过程如下:
假设Oijk的位置已知,以Oijk为中心,经过三元组所包含的三个特征点Pi,Pj,Pk,可以画出一条等角螺线S;
Pi,Pj,Pk与Oijk的连线分别设为li,lj,lk,这三条连线与水平方向之间的夹角分别设为θi,θj,θk;
Pi,Pj,Pk的主方向与水平方向之间的夹角分别设为
经过Pi,Pj,Pk的S的切线分别设为qi,qj,qk;
li,lj,lk分别与qi,qj,qk的夹角是一个相等的角β;
在每一个特征点处,特征点主方向与过改点的螺线切线之间的夹角ω是常值;
由于其中u∈{i,j,k},从而有
其中,u,v∈{i,j,k},且u≠v。设中心点坐标为(xo,yo),有其中(xu,yu)是特征点的位置坐标;同时,是特征点的主方向;由此可以得到一个关于(xo,yo)的秩为二的二元二次方程组,解此方程组,可求出(xo,yo)。求出(xo,yo)后,将三个特征点到(xo,yo)的距离的均值d记录下来用于后面的权值计算;这样,每一个三元组都可以得到一个候选对称中心点坐标(xo,yo)和一个用来计算权值的d;
3)Hough空间voting
将所有的候选中心点坐标放到一个二维Hough空间中进行加权投票,并用一个高斯核(σ=5)对Hough空间中的点进行全局模糊,得到的局部极值点就是检测到的螺旋对称中心点;其中,每一个候选中心点的权值Wijk为:
式(3)中,dmax为所有d值中的最大值,dijk为当前候选中心点的d值。
本发明的有益效果在于:
1.提出了一种匹配三元组提取算法用于检测螺旋的对称中心。
2.提出了利用Hough空间加权投票方法来确定螺旋对称候选中心点。
3.本发明检测方法既可以检测螺旋的对称中心,又可以检测圆的对称中心,填补了世界范围内针对单张图像的螺旋对称中心检测方法的空白。
附图说明
图1为本发明螺旋对称中心检测方法一种实施例的候选螺旋对称中心点生成示意图。
图2为本发明螺旋对称中心检测方法一种实施例的检测集图像Dateset1。
图3为本发明螺旋对称中心检测方法一种实施例的检测集图像Dateset2
图4为本发明螺旋对称中心检测方法一种实施例的台风中心检测图,图4(a)、图4(b)分别为热带气旋、台风卫星云图原图,图4(a')、图4(b')为检测到中心的热带气旋、台风卫星云图。
具体实施方式
下面结合具体实施例及附图来进一步阐释本发明。
本发明设计的螺旋对称中心检测方法(简称检测方法),该方法按以下步骤进行:
1)匹配三元组提取
①对待检测图像进行SIFT特征提取,得到所有的SIFT特征点及相应的特征点位置坐标、主方向和尺度值。
②为每一个特征点找到和它最为匹配的两个特征点,该特征点是指欧式距离意义下距离最小的点,这三个特征点形成一个三元组,从而得到一个三元组的集合。
2)候选螺旋对称中心点的生成
利用每个已提取的三元组所包含的三个特征点Pi,Pj,Pk,可以生成一个候选中心点Oijk。具体过程如下:
假设Oijk的位置已知,以Oijk为中心,经过三元组所包含的三个特征点Pi,Pj,Pk,可以画出一条等角螺线S。
Pi,Pj,Pk与Oijk的连线分别设为li,lj,lk,这三条连线与水平方向之间的夹角分别设为θi,θj,θk。
Pi,Pj,Pk的主方向与水平方向之间的夹角分别设为
经过Pi,Pj,Pk的S的切线分别设为qi,qj,qk。
等角螺线的等角性表明:等角螺线上任一点和中心的连线都与经过该点的螺线切线有相等的夹角。因此,li,lj,lk分别与qi,qj,qk的夹角是一个相等的角β。
同时,Loy等人提出的圆对称中心检测方法中提出:在每一个特征点处,特征点主方向与过改点的螺线切线之间的夹角ω是常值。
由于其中u∈{i,j,k},从而有
其中,u,v∈{i,j,k},且u≠v。设中心点坐标为(xo,yo),有其中(xu,yu)是特征点的位置坐标,已知。同时,是特征点的主方向,也已知。由此可以得到一个关于(xo,yo)的秩为二的二元二次方程组,解此方程组,可求出(xo,yo)。求出(xo,yo)后,将三个特征点到(xo,yo)的距离的均值d记录下来用于后面的权值计算。这样,每一个三元组都可以得到一个候选对称中心点坐标(xo,yo)和一个用来计算权值的d。
3)Hough空间voting
将所有的候选中心点坐标放到一个二维Hough空间中进行加权投票,并用一个高斯核(σ=5)对Hough空间中的点进行全局模糊,所得到的局部极值点就是检测到的螺旋对称中心点。其中,每一个候选中心点的权值Wijk为:
式(3)中,dmax为所有d值中的最大值,dijk为当前候选中心点的d值。
在两个检测集上对本发明检测方法进行验证。Dateset1检测集包括21张图像(参见图3),26个圆对称中心。Dateset2检测集包括31张图像(参见图4),33个对称中心,其中圆对称中心占12.12%,螺旋对称中心占87.88%。应用本发明检测方法分别对两个检测集中的图像进行检测,当检测到的中心与实际中心的距离与图像对角线长度的比值小于1%时,认为检测正确,否则认为检测错误。得到的召回率(recall),准确率(precision)和综合评价指标(F1-measure)的结果如表1所示。此处的召回率是指检测正确的对称中心与实际对称中心的百分比。
表1检测结果统计表
本发明检测方法可靠性较高,不仅对圆的对称中心检测有较高的准确率,对螺旋对称中心的检测也达到了较好的水平。
由于螺旋对称性与自然界的生物生长及很多自然现象之间存在深入的内在联系,因此螺旋对称性检测具有广泛的应用价值。例如,台风、热带气旋的结构符合螺旋对称性,台风或热带气旋中心的检测在气象领域具有重要价值。应用本发明所提出的检测方法可以实现对台风或热带气旋中心的自动检测(参见图4)。
本发明未述及之处适用于现有技术。
Claims (2)
1.一种螺旋对称中心检测方法,该检测方法按以下步骤进行:
1)匹配三元组提取
①对待检测图像进行SIFT特征提取,得到所有的SIFT特征点及相应的特征点位置坐标、主方向和尺度值;
②为每一个特征点找到和它最为匹配的两个特征点,这三个特征点形成一个三元组,从而得到一个三元组的集合;
2)候选螺旋对称中心点的生成
利用每个已提取的三元组所包含的三个特征点Pi,Pj,Pk,可以生成一个候选中心点Oijk;具体过程如下:
假设Oijk的位置已知,以Oijk为中心,经过三元组所包含的三个特征点Pi,Pj,Pk,可以画出一条等角螺线S;
Pi,Pj,Pk与Oijk的连线分别设为li,lj,lk,这三条连线与水平方向之间的夹角分别设为θi,θj,θk;
Pi,Pj,Pk的主方向与水平方向之间的夹角分别设为
经过Pi,Pj,Pk的S的切线分别设为qi,qj,qk;
li,lj,lk分别与qi,qj,qk的夹角是一个相等的角β;
在每一个特征点处,特征点主方向与过改点的螺线切线之间的夹角ω是常值;
由于其中u∈{i,j,k},从而有
其中,u,v∈{i,j,k},且u≠v;设中心点坐标为(xo,yo),有其中(xu,yu)是特征点的位置坐标;同时,是特征点的主方向;由此可以得到一个关于(xo,yo)的秩为二的二元二次方程组;解此方程组,可求出(xo,yo);求出(xo,yo)后,将三个特征点到(xo,yo)的距离的均值d记录下来用于后面的权值计算;这样,每一个三元组都可以得到一个候选对称中心点坐标(xo,yo)和一个用来计算权值的d;
3)Hough空间voting
将所有的候选中心点坐标放到一个二维Hough空间中进行加权投票,并用一个高斯核(σ=5)对Hough空间中的点进行全局模糊,所得到的局部极值点就是检测到的螺旋对称中心点;其中,每一个候选中心点的权值Wijk为:
式(3)中,dmax为所有d值中的最大值,dijk为当前候选中心点的d值。
2.权利要求1所述的的检测方法,用于气象领域检测台风或热带气旋的螺旋对称中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410378746.6A CN104103078A (zh) | 2014-07-31 | 2014-07-31 | 一种螺旋对称中心检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410378746.6A CN104103078A (zh) | 2014-07-31 | 2014-07-31 | 一种螺旋对称中心检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104103078A true CN104103078A (zh) | 2014-10-15 |
Family
ID=51671198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410378746.6A Pending CN104103078A (zh) | 2014-07-31 | 2014-07-31 | 一种螺旋对称中心检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104103078A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537696A (zh) * | 2014-12-30 | 2015-04-22 | 天津大学 | 基于匹配特征三元组的单幅图像螺旋对称结构检测方法 |
CN104574395A (zh) * | 2014-12-30 | 2015-04-29 | 天津大学 | 一种单幅图像螺旋对称中心快速检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87101624A (zh) * | 1986-02-27 | 1987-09-09 | 英特莱戈公司 | 玩具车辆的轨道系统 |
WO2005015495A2 (en) * | 2003-07-24 | 2005-02-17 | Bausch & Lomb Incorporated | Online wavefront measurement and display |
CN101532926A (zh) * | 2008-12-12 | 2009-09-16 | 齐齐哈尔华工机床制造有限公司 | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 |
CN103604808A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种瓶盖缺陷视觉检测方法 |
-
2014
- 2014-07-31 CN CN201410378746.6A patent/CN104103078A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87101624A (zh) * | 1986-02-27 | 1987-09-09 | 英特莱戈公司 | 玩具车辆的轨道系统 |
WO2005015495A2 (en) * | 2003-07-24 | 2005-02-17 | Bausch & Lomb Incorporated | Online wavefront measurement and display |
CN101532926A (zh) * | 2008-12-12 | 2009-09-16 | 齐齐哈尔华工机床制造有限公司 | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 |
CN103604808A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种瓶盖缺陷视觉检测方法 |
Non-Patent Citations (1)
Title |
---|
JIANDONG WANG: "Spiral symmetry centriod detection", 《ELECTONICS LETTERS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537696A (zh) * | 2014-12-30 | 2015-04-22 | 天津大学 | 基于匹配特征三元组的单幅图像螺旋对称结构检测方法 |
CN104574395A (zh) * | 2014-12-30 | 2015-04-29 | 天津大学 | 一种单幅图像螺旋对称中心快速检测方法 |
CN104537696B (zh) * | 2014-12-30 | 2017-07-04 | 天津大学 | 基于匹配特征三元组的单幅图像螺旋对称结构检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN104463856B (zh) | 基于法向量球的室外场景三维点云数据的地面提取方法 | |
CN105184801B (zh) | 一种基于多层次策略的光学与sar影像高精度配准方法 | |
CN104966065B (zh) | 目标识别方法及装置 | |
US20160314338A1 (en) | Method and apparatus for fingerprint identification | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN103761524B (zh) | 一种基于图像的线性目标识别与提取方法 | |
CN104992434B (zh) | 根据历史卫星图像在当前卫星图像上进行台风定位的方法 | |
CN103226584B (zh) | 形状描述符的构建方法及基于该描述符的图像检索方法 | |
CN103426186A (zh) | 一种改进的surf快速匹配方法 | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN107301636A (zh) | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 | |
CN104820718A (zh) | 基于地理位置特征与全局视觉特征的图像分类和检索方法 | |
CN105224937A (zh) | 基于人体部件位置约束的细粒度语义色彩行人重识别方法 | |
CN107688782A (zh) | 基于高分辨率光学遥感图像的油罐检测和储量分析方法 | |
CN102865859A (zh) | 一种基于surf特征的航空序列图像位置估计方法 | |
CN105184786B (zh) | 一种浮点型三角形特征描述方法 | |
CN105160303A (zh) | 基于混合匹配的指纹识别方法 | |
CN105160686A (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
CN109117717A (zh) | 一种城市行人检测方法 | |
CN101833763A (zh) | 一种水面倒影图像检测方法 | |
CN103605979A (zh) | 一种基于形状片段的物体识别方法及系统 | |
CN105045841A (zh) | 结合重力传感器与图像特征点角度的图像特征查询方法 | |
CN103714340A (zh) | 基于图像分块的自适应特征提取方法 | |
CN104103078A (zh) | 一种螺旋对称中心检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141015 |