CN104573698B - 面向成像测量的图像纹理主方向识别方法 - Google Patents

面向成像测量的图像纹理主方向识别方法 Download PDF

Info

Publication number
CN104573698B
CN104573698B CN201410855025.XA CN201410855025A CN104573698B CN 104573698 B CN104573698 B CN 104573698B CN 201410855025 A CN201410855025 A CN 201410855025A CN 104573698 B CN104573698 B CN 104573698B
Authority
CN
China
Prior art keywords
msub
image
point
sliding window
texture
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.)
Active
Application number
CN201410855025.XA
Other languages
English (en)
Other versions
CN104573698A (zh
Inventor
王慧斌
张振
董伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201410855025.XA priority Critical patent/CN104573698B/zh
Publication of CN104573698A publication Critical patent/CN104573698A/zh
Application granted granted Critical
Publication of CN104573698B publication Critical patent/CN104573698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种面向成像测量的图像纹理主方向识别方法，首先选取一幅纹理图像，然后采用边缘检测算子对纹理图像进行边缘检测，接下来对边缘检测后的二值灰度图像做纹理主方向识别，采用滑动加窗子邻域策略，将局部直角坐标空间投射到同一块参数空间，直角坐标系中在同一直线上的点投射到参数坐标下，会叠加在一起，把子邻域内的所有特征点进行投票，在参数空间找出投票数的极值点对应的值，并且计算出经投票后参数坐标系下的加权均值。本发明可有效提高图像测量在实际应用精度，且操作简单，计算量小，存储负担小，精度高，鲁棒性强。

Description

面向成像测量的图像纹理主方向识别方法
技术领域
本发明涉及图像纹理特征提取技术，具体涉及一种面向成像测量的图像纹理主方向识别方法。
背景技术
纹理分析在计算机视觉和图像处理领域占据很重要的地位。尤其是在基于成像测量技术中，纹理方向是纹理分析中一个很重要的特征，因此简单高效地获取纹理的方向信息已成为成像测量领域新的研究热点。
目前，比较通用的纹理方向特征提取方法Hough变换、Gabor小波、Radon变换，但这些方法存在以下的一些技术难点：(1)计算的空间、时间开销大，存储负担大，如Hough变换，它需要访问图片的每个像素点，时间复杂度近似等于图片总的像素个数，并且每个像素点都要对所有包含它的直线进行投票，形成一种一对多的映射模式，造成计算的盲目性和存储负担大；(2)精度低，如Gabor小波，进行织物纹理方向提取时，检测的精度仅能达到1°；(3)鲁棒性差，由于检测的纹理图像中可能含有成像暗噪声，在待检测图像中出现虚假直线，导致检测时出现误检。因此，上述问题制约了在工程上的应用。
发明内容
发明目的：本发明的目的在于解决现有技术中存在的缺陷，提供一种面向成像测量的图像纹理主方向识别方法。
技术方案：本发明的一种面向成像测量的图像纹理主方向识别方法，对选取的大小为L×H规则纹理图像进行边缘检测，其中，L和H的取值范围分别为(100，4000)和(100,3000)，在得到二值化灰度图像后识别纹理主方向，具体包括以下步骤：
(1)将灰度图像中灰度值为1的点定为特征点；
(2)以灰度图像的左上角的第一个像素点为滑动窗口起点，创建一个滑动窗口，找到滑动窗口的中心点，若此中心点是特征点，则将此中心点定为种子节点并记为M，而滑动窗口内区域为局部检测块并标记为Tm；若此中心点不是特征点，则继续向右滑动窗口，直到满足滑动窗口的中心点坐标为特征点时，则找到局部检测块Tm区域；
(3)在局部检测块Tm内选取位于图像右半部分窗口边缘的另一个特征点并记为Mi，然后通过M点坐标(xM,yM)和Mi点坐标计算出直线在参数坐标系下的坐标(θ,ρ)，其计算公式如下：
其中，θ表示检测到的直线与水平向右方向所成的夹角，且结果为待检测直线在直角坐标系下斜率的反正切函数值，ρ表示滑动窗内的边缘特征点Mi到种子节点M的长度且其值等于特征点Mi的横坐标与纵坐标在该直线上的投影值之和，当Tm右半部分的边缘特征点都被遍历后结束并得到滑动窗口内所有的ρ和θ；考虑到纹理图像中多数直线贯穿图像左半部分和右半部分，且方向一致，只需选取图像的右半部分进行计算就可以了
(4)设参数空间的分辨率为△ρ、△θ，在参数空间中对局部检测块Tm区域内计算出的参数坐标(θ,ρ)进行投票，找出局部投票值最大的点Cmax，并且对步骤(3)中所得的滑动窗口内所有满足投票数大于7的参数坐标(θ,ρ)中的ρ、θ进行加权平均，分别得到和；
(5)确定识别结果：当纹理图像的噪声强度小于0.3时，纹理主方向的识别结果为局部投票最值点的角度值的加权平均值；当纹理图像的噪声强度大于或等于0.3，用各滑动窗口识别出的值的加权平均值作为纹理主方向的识别结果。
进一步的，所述步骤(2)中滑动窗口的大小为且水平向右滑动的步进为一个像素单位，竖直向下滑动的步进为个像素单位。
进一步的，在所述步骤(4)中参数空间中，将参数坐标系下的投票区域划分为若干块网格，该网格是以参数坐标系下每一整数点坐标(θc,ρc)为中心，以长度为△θ＝0.5°、宽度为△ρ＝0.5pixel划定的矩形区域。
进一步的，所述步骤(4)投票的具体过程为：在Tm区域内计算各直线的参数坐标时，可能出现计算出的θ和ρ不为整数的情况，当θ和ρ在(θc±Δθ,ρc±Δρ)范围内，投票时就将属于参数坐标为θ和ρ直线上的特征点所持票投给(θc±Δθ,ρc±Δρ)网格，并用(θc,ρc)的累加器进行计数；若θ和ρ不在(θc±Δθ,ρc±Δρ)，则查看周围邻域，确定此点属于哪块邻域。
进一步的，所述步骤(5)中最值点的角度值的加权平均值的确定方法为：找出投票数最多的网格区域，并查看网格区域对应的θ，然后按照上述步骤，找出所有局部投票最值点的角度值，再对这些角度值做加权平均。
有益效果：与现有技术相比，本发明具有以下优点：
(1)操作简单，计算量小，识别纹理主方向前先对纹理图像进行边缘检测，突出图像中要进行投票的特征点，且将它们分块映射到同一参数空间，实现了多对一的映射关系，能够避免标准Hough变换计算的盲目性。
(2)存储负担小，由于识别过程中采用滑动窗口，做完1次局部检测就将种子节点灰度值清零，减少了后面投票过程的特征点个数，从而减小了累加器数组存储投票数的负担。
(3)精度高，鲁棒性强，当本发明中，待检测图片含有大量成像暗噪声时，采用领域抑制的投票加权方法，减小了图像噪声对识别结果带来的影响，并且识别精度能达到亚像素级。
综上所述，本发明能够满足纹理主方向识别的需求。
附图说明
图1为本发明的流程图；
图2为本发明实施例中选取的纹理图像；
图3为本发明实施例中纹理图像对应的灰度图像。
具体实施方式
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
首先，选取大小为168×168规则纹理图像，如附图2所示。
然后，用Sobel算子对纹理图像做边缘检测，得到二值化的灰度图像。若用Canny算子进行边缘检测会显示一些无用的边缘信息和虚假边缘，从而影响该方法识别的时间和占用过多的内存，失去了实时的意义，而Sobel算子有效地改善了这一缺点。
最后，采用本发明方法进行纹理主方向识别，其过程如图1所示：
(1)将灰度图像中灰度值为1的点定为特征点。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性，抑制了图像噪声的直流分量，突出了图像中的特征点。
(2)以图像的左上角的第一个像素点为滑动窗口起点，创建一个滑动窗口，滑动窗口的大小56×56，找到滑动窗口的中心点，如附图3所示。若此点是特征点，则将此点定为种子节点(记为M)，窗口内区域为局部检测块(标记为Tm)；若此点不是特征点，则继续向右滑动窗口，且水平向右滑动的步进为一个像素单位，竖直向下滑动的步进为56个像素单位，直到满足滑动窗口的中心点坐标为特征点时，则找到Tm区域。因为位于第28行第28列的这个点正好是滑动窗口的中心且灰度值为1，所以此点可以作为种子节点，将种子节点的坐标定为(0,0)，作为直角坐标系的原点。
(3)在Tm内选取位于图像右半部分窗口边缘的另一个特征点(记为Mi)，由M点坐标(0,0)和Mi点坐标(28,-12)计算直线在参数坐标系下的坐标(θ,ρ)，计算公式如下：
其中，θ表示检测到的直线与水平向右方向所成的夹角，其结果等于待检测直线在直角坐标系下斜率的反正切函数值，ρ表示滑动窗内的边缘特征点Mi到种子节点M的长度，其结果等于特征点Mi的横坐标与纵坐标在该直线上的投影值之和。上述结果θ＝-23°，ρ＝30为第一个滑动窗口内计算得到的一个参数坐标。当Tm的边缘特征点都被遍历后，得到了局部检测块所有直线的参数坐标。
(4)定义参数空间的分辨率为△ρ、△θ，在参数空间对Tm区域内的特征点进行投票，投票区域为一块块的小网格，小网格是以参数坐标系中每一整数点坐标(θc,ρc)为中心，以长度为△θ＝0.5°、宽度为△ρ＝0.5pixel划定的一小块矩形区域。由于在Tm区域内计算各直线的参数坐标时，可能出现计算出的θ和ρ不为整数的情况，当θ和ρ在(θc±Δθ,ρc±Δρ)范围内，投票时将属于参数坐标为θ和ρ直线上的特征点所持票投给(θc±Δθ,ρc±Δρ)网格，并用(θc,ρc)的累加器进行计数。在参数空间下找出局部投票值最大的点Cmax，Cmax＝30，此投票值对应的θ＝-23°。并且对滑动窗口内所有满足投票数大于7的参数坐标(θ,ρ)中ρ、θ进行加权平均，得到局部检测块检测结束后将P点的灰度值清0，跳到下一个局部检测块继续下一轮计算。直到滑动窗口滑到图像的右下角结束。
(5)确定识别结果：根据先验知识，纹理图像含较少噪声，最后纹理主方向的识别结果为局部投票最值点的角度值的加权平均值，经计算，附图2的纹理主方向为-18°。
通过上述实施例可以看出，本发明的计算量小计算过程简单，所得结果精度高、并且存储负担小。

Claims (4)

1.一种面向成像测量的图像纹理主方向识别方法，其特征在于：对选取的大小为L×H规则纹理图像进行边缘检测，其中，L和H的取值范围分别为(100，4000)和(100,3000)，在得到二值化灰度图像后识别纹理主方向，具体包括以下步骤：
(1)将灰度图像中灰度值为1的点定为特征点；
(2)以灰度图像的左上角的第一个像素点为滑动窗口起点，创建一个滑动窗口，找到滑动窗口的中心点，若此中心点是特征点，则将此中心点定为种子节点并记为M，而滑动窗口内区域为局部检测块并标记为Tm；若此中心点不是特征点，则继续向右滑动窗口，直到满足滑动窗口的中心点坐标为特征点时，则找到局部检测块Tm区域；
(3)在局部检测块Tm内选取位于图像右半部分窗口边缘的另一个特征点并记为Mi，然后通过M点坐标(xM,yM)和Mi点坐标计算出直线在参数坐标系下的坐标(θ,ρ)，其计算公式如下：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>&amp;theta;</mi> <mo>=</mo> <mi>t</mi> <mi>a</mi> <msup> <mi>n</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>(</mo> <mfrac> <mrow> <msub> <mi>y</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> </msub> <mo>-</mo> <msub> <mi>y</mi> <mi>M</mi> </msub> </mrow> <mrow> <msub> <mi>x</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>M</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mtd> </mtr> <mtr> <mtd> <mi>&amp;rho;</mi> <mo>=</mo> <mo>|</mo> <msub> <mi>x</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> </msub> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&amp;theta;</mi> <mo>|</mo> <mo>+</mo> <mo>|</mo> <msub> <mi>y</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> </msub> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mi>&amp;theta;</mi> <mo>|</mo> </mtd> </mtr> </mtable> </mfenced>
其中，θ表示检测到的直线与水平向右方向所成的夹角，且结果为待检测直线在直角坐标系下斜率的反正切函数值，ρ表示滑动窗内的边缘特征点Mi到种子节点M的长度且其值等于特征点Mi的横坐标与纵坐标在该直线上的投影值之和，当Tm右半部分的边缘特征点都被遍历后结束并得到滑动窗口内所有的ρ和θ；
(4)设参数空间的分辨率为△ρ、△θ，且△ρ＝0.5pixel，△θ＝0.5°，将参数坐标系下的投票区域划分为若干块网格，在参数空间中对局部检测块Tm区域内计算出的参数坐标(θ,ρ)进行投票，找出局部投票值最大的点Cmax，并且对步骤(3)中所得的滑动窗口内所有满足投票数大于7的参数坐标(θ,ρ)中的ρ、θ分别进行加权平均，分别得到和局部检测块检测结束后将M点的灰度值清0，跳到下一个局部检测块继续下一轮计算，直到滑动窗口滑到图像的右下角结束；
(5)确定识别结果：当纹理图像的噪声强度小于0.3时，纹理主方向的识别结果为局部投票最值点的角度值的加权平均值；当纹理图像的噪声强度大于或等于0.3时，用各滑动窗口识别出的值的加权平均值作为纹理主方向的识别结果；
其中，最值点的角度值的加权平均值的确定方法为：找出投票数最多的网格区域，并查看网格区域对应的θ，然后按照上述步骤，找出所有局部投票最值点的角度值，再对这些角度值做加权平均。
2.根据权利要求1所述的面向成像测量的图像纹理主方向识别方法，其特征在于：所述步骤(2)中滑动窗口的大小为且水平向右滑动的步进为一个像素单位，竖直向下滑动的步进为个像素单位。
3.根据权利要求1所述的面向成像测量的图像纹理主方向识别方法，其特征在于：在所述步骤(4)中参数空间中，网格是以参数坐标系下每一整数点坐标(θc,ρc)为中心，以长度为△θ＝0.5°、宽度为△ρ＝0.5pixel划定的矩形区域。
4.根据权利要求1所述的面向成像测量的图像纹理主方向识别方法，其特征在于：所述步骤(4)投票的具体过程为：在Tm区域内计算各直线的参数坐标时，当θ和ρ在(θc±Δθ,ρc±Δρ)范围内，投票时就将属于参数坐标为θ和ρ直线上的特征点所持票投给(θc±Δθ,ρc±Δρ)网格，并用(θc,ρc)的累加器进行计数；若θ和ρ不在(θc±Δθ,ρc±Δρ)，则查看周围邻域，确定此点属于哪块邻域。
CN201410855025.XA 2014-12-31 2014-12-31 面向成像测量的图像纹理主方向识别方法 Active CN104573698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410855025.XA CN104573698B (zh) 2014-12-31 2014-12-31 面向成像测量的图像纹理主方向识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410855025.XA CN104573698B (zh) 2014-12-31 2014-12-31 面向成像测量的图像纹理主方向识别方法

Publications (2)

Publication Number Publication Date
CN104573698A CN104573698A (zh) 2015-04-29
CN104573698B true CN104573698B (zh) 2017-11-03

Family

ID=53089720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410855025.XA Active CN104573698B (zh) 2014-12-31 2014-12-31 面向成像测量的图像纹理主方向识别方法

Country Status (1)

Country Link
CN (1) CN104573698B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069799B (zh) * 2015-08-13 2017-03-22 深圳市华汉伟业科技有限公司 一种角点定位方法及装置
CN106909720B (zh) * 2017-03-20 2020-02-18 哈尔滨工大泰铭科技有限公司 一种有限元节点坐标快速提取方法
CN107218894B (zh) * 2017-04-28 2020-02-18 合肥市雅视智能科技有限公司 一种快速稳定的亚像素级精度器件厚度检测方法
CN108022266B (zh) * 2017-12-14 2024-02-02 杭州电子科技大学 面向光伏电池在线位置检测的人工智能图像识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101620732A (zh) * 2009-07-17 2010-01-06 南京航空航天大学 道路行驶线的视觉检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7336847B2 (en) * 2004-10-11 2008-02-26 Benq Corporation Texture error recovery method using edge preserving spatial interpolation

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101620732A (zh) * 2009-07-17 2010-01-06 南京航空航天大学 道路行驶线的视觉检测方法

Also Published As

Publication number Publication date
CN104573698A (zh) 2015-04-29

Similar Documents

Publication Publication Date Title
JP6125188B2 (ja) 映像処理方法及び装置
US11672471B2 (en) Osteoporosis diagnostic support apparatus
CN107301661A (zh) 基于边缘点特征的高分辨率遥感图像配准方法
CN104573698B (zh) 面向成像测量的图像纹理主方向识别方法
KR102199094B1 (ko) 관심객체 검출을 위한 관심영역 학습장치 및 방법
CN107016348B (zh) 结合深度信息的人脸检测方法、检测装置和电子装置
CN104899888B (zh) 一种基于Legendre矩的图像亚像素边缘检测方法
CN111160291B (zh) 基于深度信息与cnn的人眼检测方法
Nyaruhuma et al. Verification of 2D building outlines using oblique airborne images
CN105976392B (zh) 基于最大输出概率的车辆轮胎检测方法及装置
CN102750705A (zh) 基于图像融合的光学遥感图像变化检测
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
US11669978B2 (en) Method and device for estimating background motion of infrared image sequences and storage medium
CN114143519A (zh) 投影图像自动匹配幕布区域的方法及装置，投影仪
CN114494161A (zh) 基于图像对比的受电弓异物检测方法、设备及存储介质
CN111652844A (zh) 一种基于数字图像区域增长的x射线缺陷检测方法及系统
WO2014172875A1 (en) Moving object detection
US20180082129A1 (en) Information processing apparatus, detection system, and information processing method
CN110490848A (zh) 红外目标检测方法、装置及计算机存储介质
CN107767366B (zh) 一种输电线路拟合方法及装置
US20170140206A1 (en) Symbol Detection for Desired Image Reconstruction
CN103996022B (zh) 一种扫描答卷图像的边界定位方法
US7440636B2 (en) Method and apparatus for image processing
CN113362221A (zh) 用于门禁的人脸识别系统与人脸识别方法
CN115880643B (zh) 一种基于目标检测算法的社交距离监测方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant