CN105069759A - 一种基于匹配滤波的Radon峰值增强方法 - Google Patents
一种基于匹配滤波的Radon峰值增强方法 Download PDFInfo
- Publication number
- CN105069759A CN105069759A CN201510522235.1A CN201510522235A CN105069759A CN 105069759 A CN105069759 A CN 105069759A CN 201510522235 A CN201510522235 A CN 201510522235A CN 105069759 A CN105069759 A CN 105069759A
- Authority
- CN
- China
- Prior art keywords
- radon
- wave filter
- peak value
- peak
- enhancement method
- 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.)
- Granted
Links
- 229910052704 radon Inorganic materials 0.000 title claims abstract description 45
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 title claims description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明所涉及的技术领域是图像增强技术,特别是涉及一种Radon变换的峰值增强方法。本发明包括:计算得到滤波器1的脉冲响应;计算得到滤波器2的脉冲响应;分别对滤波器1和滤波器2做中心化处理;将矩阵R(m,n)分别与hˊ1和hˊ2进行卷积运算;将卷积运算结果相乘,得到峰值增强之后的Radon变换矩阵。本发明所设计的滤波器符合Radon峰值的分布结构;峰值增强方法简单易行;峰值增强效果明显。
Description
技术领域
本发明专利请求书所涉及的技术领域是图像增强技术,特别是涉及一种Radon变换的峰值增强方法。
背景技术
Hough变换及其各种改进形式,包括:随机Hough变换,概率Hough变换,N-点Hough变换等是一种有效的直线检测工具。从数学角度来讲,Hough变换与二值函数的Radon变换等价,但是投影切片定理从理论上保证了Radon变换的计算效率更高。因此,直线检测问题也常常通过离散Radon变换来完成。基于Radon变换的直线检测技术的基本思想是:首先对二维图像进行Radon变换,Radon峰值对应的就是二维图像中的直线模式。因此,对于Radon直线检测技术来说,峰值检测是至关重要的一步。
为了更加准确地检测峰值,研究者提出了多种技术增强峰值结构。O'Rourke,J.和K.R.Sloan提出了两种自适应数据结构:动态量化空间(DQS's)结构和动态量化金字塔(DQP's)结构;O'Gorman和Sanderson则采用金字塔数据结构定位峰值。与此同时,Radon峰值特征及其蝶形区域特征也被用于增强峰值结构。例如,Furukawa和Shinagawa利用蝶形分布特征去除图像背景的影响,从而使峰值结构得到增强。Ji等人则对Radon蝶形区域特征进行了详细分析,提出一种基于蝶形模式的峰值增强算子。最近,研究者们采用图像空间信息增强Radon峰值结构。例如,Guo等人将纹理区域的边界像素进行加权,使得Radon变换的峰值结构更为突出。
发明内容
本发明的目的在于提供一种利用Radon峰值本身的分布特点以及匹配滤波器的基于匹配滤波的Radon峰值增强方法。
本发明的目的是这样实现的:
M×N维矩阵R(m,n)为图像的Radon变换矩阵,其中m=1,2,…M,n=1,2,…,N,M、N为正整数,具体步骤包括:
步骤1,计算得到滤波器1的脉冲响应:
h1(k)=1-|k/2|
其中,{h1(k)|k=-2,-1,0,1,2}为滤波器1的脉冲响应序列,|.|为绝对值运算;
步骤2,计算得到滤波器2的脉冲响应:
h2(l)=csc(|lΔ|)
其中,{h2(l)|l=-L2,-L2+1,...,-1,0,1,...,L2}为滤波器2的脉冲响应序列, 为向下取整函数,Δ=0.04π/(2L2+1),csc(.)为余割函数,|.|为绝对值运算;
步骤3,分别对滤波器1和滤波器2做中心化处理:
其中:i=1,2分别代表滤波器1和滤波器2,hi(k)为滤波器i的脉冲响应,L1=2,
步骤4,将矩阵R(m,n)分别与h'1和h'2进行卷积运算:
步骤5,将步骤4的卷积运算结果相乘,得到峰值增强之后的Radon变换矩阵:
Λ(m,n)=λ1(m,n)λ2(m,n)
其中,Λ(m,n),m=1,...,M,n=1,...,N为峰值增强之后的Radon变换矩阵。
本发明的有益效果在于:
1)所设计的滤波器符合Radon峰值的分布结构;2)峰值增强方法简单易行;3)峰值增强效果明显。
附图说明
图1(a)二值图像;
图1(b)图像(a)的Radon变换在X-Y平面的投影;
图1(c)峰值增强之后的Radon变换在X-Y平面的投影;
图1(d)原始Radon变换在X-Z平面的投影;
图1(e)增强之后的Radon变换在X-Z平面的投影。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明的目的是提供一种基于匹配滤波技术的、综合利用Radon峰值分布特点的Radon峰值增强方法。采用的技术方案是:1),利用滤波器1对图像的Radon变换进行滤波;2)利用滤波器2对图像的Radon变换进行再次滤波;3)将两次滤波操作的结果相乘,得到增强的Radon变换。
本发明的有益效果是,1)所设计的滤波器符合Radon峰值的分布结构;2)峰值增强方法简单易行;3)峰值增强效果明显。
设M×N维矩阵R(m,n)为图像的Radon变换矩阵,其中m=1,2,…M,n=1,2,…,N,M、N为正整数。本发明的具体实现步骤如下:
步骤1,根据公式(1)计算得到滤波器1的脉冲响应:
h1(k)=1-|k/2|(1)
其中,{h1(k)|k=-2,-1,0,1,2}为滤波器1的脉冲响应序列,|.|为绝对值运算。
步骤2,根据公式(2)计算得到滤波器2的脉冲响应:
h2(l)=csc(|lΔ|)(2)
其中,{h2(l)|l=-L2,-L2+1,...,-1,0,1,...,L2}为滤波器2的脉冲响应序列, 为向下取整函数,Δ=0.04π/(2L2+1),csc(.)为余割函数,|.|为绝对值运算。
步骤3,利用公式(3)分别对滤波器1和滤波器2做中心化处理:
其中:i=1,2分别代表滤波器1和滤波器2,hi(k)为滤波器i的脉冲响应,L1=2,
步骤4,利用公式(5)和(6)将矩阵R(m,n)分别与h'1和h'2进行卷积运算:
步骤5,利用公式(7)将步骤4的卷积运算结果相乘,得到峰值增强之后的Radon变换矩阵:
Λ(m,n)=λ1(m,n)λ2(m,n)(7)
其中,Λ(m,n),m=1,...,M,n=1,...,N为峰值增强之后的Radon变换矩阵。
图1(a)显示了一幅包含3条直线和一个圆的二值图像,图1(b)给出了该二值图像的Radon变换在X-Y平面投影图,图1(c)给出了采用本发明增强峰值之后的结果。为了清楚起见,图1(d)和图1(e)分别给出了原始Radon变换及其增强的Radon变换在X-Z平面的投影结果。可见,利用本发明,Radon变换的峰值结构得到了增强,而非峰值区域则被极大地抑制了。
Claims (1)
1.一种基于匹配滤波的Radon峰值增强方法,其特征在于:
M×N维矩阵R(m,n)为图像的Radon变换矩阵,其中m=1,2,…M,n=1,2,…,N,M、N为正整数,具体步骤包括:
步骤1,计算得到滤波器1的脉冲响应:
h1(k)=1-|k/2|
其中,{h1(k)|k=-2,-1,0,1,2}为滤波器1的脉冲响应序列,|.|为绝对值运算;
步骤2,计算得到滤波器2的脉冲响应:
h2(l)=csc(|lΔ|)
其中,{h2(l)|l=-L2,-L2+1,...,-1,0,1,...,L2}为滤波器2的脉冲响应序列, 为向下取整函数,Δ=0.04π/(2L2+1),csc(.)为余割函数,|.|为绝对值运算;
步骤3,分别对滤波器1和滤波器2做中心化处理:
其中:i=1,2分别代表滤波器1和滤波器2,hi(k)为滤波器i的脉冲响应,L1=2,
步骤4,将矩阵R(m,n)分别与h'1和h'2进行卷积运算:
步骤5,将步骤4的卷积运算结果相乘,得到峰值增强之后的Radon变换矩阵:
Λ(m,n)=λ1(m,n)λ2(m,n)
其中,Λ(m,n),m=1,...,M,n=1,...,N为峰值增强之后的Radon变换矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522235.1A CN105069759B (zh) | 2015-08-24 | 2015-08-24 | 一种基于匹配滤波的Radon峰值增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522235.1A CN105069759B (zh) | 2015-08-24 | 2015-08-24 | 一种基于匹配滤波的Radon峰值增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105069759A true CN105069759A (zh) | 2015-11-18 |
CN105069759B CN105069759B (zh) | 2018-02-13 |
Family
ID=54499117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510522235.1A Expired - Fee Related CN105069759B (zh) | 2015-08-24 | 2015-08-24 | 一种基于匹配滤波的Radon峰值增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069759B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020159622A1 (en) * | 1998-05-28 | 2002-10-31 | R2 Technology, Inc. | Method and system for fast detection of lines in medical images |
CN101630404A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 弱小目标二维图片噪声滤除中的匹配滤波方法 |
CN102609943A (zh) * | 2012-02-07 | 2012-07-25 | 中国人民解放军第二炮兵装备研究院第三研究所 | 一种基于线性Radon变换算法的图像处理方法 |
US20130308860A1 (en) * | 2012-05-16 | 2013-11-21 | Katholieke Universiteit Leuven, K.U. Leuven R&D | Feature Detection in Numeric Data |
-
2015
- 2015-08-24 CN CN201510522235.1A patent/CN105069759B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020159622A1 (en) * | 1998-05-28 | 2002-10-31 | R2 Technology, Inc. | Method and system for fast detection of lines in medical images |
CN101630404A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 弱小目标二维图片噪声滤除中的匹配滤波方法 |
CN102609943A (zh) * | 2012-02-07 | 2012-07-25 | 中国人民解放军第二炮兵装备研究院第三研究所 | 一种基于线性Radon变换算法的图像处理方法 |
US20130308860A1 (en) * | 2012-05-16 | 2013-11-21 | Katholieke Universiteit Leuven, K.U. Leuven R&D | Feature Detection in Numeric Data |
Non-Patent Citations (3)
Title |
---|
DAMING SHI 等: "UND:Unite-Divide Method in Fourier and Radon Domains for Line Segment Detection", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
郑键 等: "SAR海洋图像舰船尾迹检测和定位方法", 《系统工程与电子技术》 * |
陈振林 等: "基于Radon变换和多尺度匹配滤波的SAR舰船尾迹定位方法", 《第十四届全国图象图形学术会议论文集》》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105069759B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101930598B (zh) | 基于shearlet域非局部均值的自然图像去噪方法 | |
CN110084862B (zh) | 基于多尺度小波变换与深度学习的图像压缩感知算法 | |
CN101739666B (zh) | 基于一维快速哈特莱变换和匹配追踪的图像稀疏分解快速方法 | |
Zhang et al. | Image inpainting based on wavelet decomposition | |
CN104574336A (zh) | 基于自适应亚模字典选择的超分辨率图像重建系统 | |
CN102075749B (zh) | 压缩感知框架下基于非凸模型的图像压缩重构方法 | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
GB2492039A (en) | Two dimensional super resolution scaling | |
CN104252703A (zh) | 基于小波预处理和稀疏表示的卫星遥感图像超分辨率重构方法 | |
Mahmoud | A smart single matrix realization of fast walidlet transform | |
CN103745443B (zh) | 提高图像质量的方法和设备 | |
Wang et al. | A second-generation wavelet-based finite element method for the solution of partial differential equations | |
Mangaiyarkarasi et al. | A new digital image watermarking based on Finite Ridgelet Transform and extraction using ICA | |
Qayyum et al. | Designing of overcomplete dictionaries based on DCT and DWT | |
CN109816789A (zh) | 一种基于深度神经网络的三维模型参数化方法 | |
CN100553337C (zh) | 纯三维全相位滤波方法 | |
CN105069759A (zh) | 一种基于匹配滤波的Radon峰值增强方法 | |
CN103236041B (zh) | 一种基于Contourlet变换的图像超分辨率重建方法 | |
CN103985100A (zh) | 一种基于自适应观测组合优化的分块压缩感知方法 | |
CN103646376A (zh) | 一种数字水印图像生成方法 | |
CN103942775A (zh) | 基于最大核密度估计的相位相关亚像素匹配方法 | |
CN103530876B (zh) | 一种基于傅里叶变换的红外图像分析方法 | |
CN103632348B (zh) | 一种非线性图像多尺度几何表示方法 | |
CN103747268B (zh) | 一种分层自适应阈值视频去噪方法 | |
CN102722895B (zh) | 基于分数傅立叶变换的形状描述方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180213 |
|
CF01 | Termination of patent right due to non-payment of annual fee |