CN105069759B - 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
- CN105069759B CN105069759B CN201510522235.1A CN201510522235A CN105069759B CN 105069759 B CN105069759 B CN 105069759B CN 201510522235 A CN201510522235 A CN 201510522235A CN 105069759 B CN105069759 B CN 105069759B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- wave filter
- radon
- peak value
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
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。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h'1和h'2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:
<mrow>
<msubsup>
<mi>h</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
</munderover>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
其中:i=1,2分别代表滤波器1和滤波器2,hi(x)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:
<mrow>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
</mrow>
<mn>2</mn>
</munderover>
<msubsup>
<mi>h</mi>
<mn>1</mn>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mi>k</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>L</mi>
<mn>2</mn>
</msub>
</mrow>
<msub>
<mi>L</mi>
<mn>2</mn>
</msub>
</munderover>
<msubsup>
<mi>h</mi>
<mn>2</mn>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</mrow>
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 CN105069759A (zh) | 2015-11-18 |
CN105069759B true CN105069759B (zh) | 2018-02-13 |
Family
ID=54499117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510522235.1A Active 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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6404908B1 (en) * | 1998-05-28 | 2002-06-11 | R2 Technology, Inc. | Method and system for fast detection of lines in medical images |
US9042645B2 (en) * | 2012-05-16 | 2015-05-26 | Imec | Feature detection in numeric data |
-
2015
- 2015-08-24 CN CN201510522235.1A patent/CN105069759B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (3)
Title |
---|
SAR海洋图像舰船尾迹检测和定位方法;郑键 等;《系统工程与电子技术》;20060430;第28卷(第4期);533-537 * |
UND:Unite-Divide Method in Fourier and Radon Domains for Line Segment Detection;Daming Shi 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20130630;第22卷(第6期);2500-2505 * |
基于Radon变换和多尺度匹配滤波的SAR舰船尾迹定位方法;陈振林 等;《第十四届全国图象图形学术会议论文集》》;20080501;381-384 * |
Also Published As
Publication number | Publication date |
---|---|
CN105069759A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102800076B (zh) | 基于双字典学习的图像超分辨重建方法 | |
CN104067296B (zh) | 一维信号抽取的方法和装置 | |
Li et al. | Adaptive fractional-order total variation image restoration with split Bregman iteration | |
CN104574336A (zh) | 基于自适应亚模字典选择的超分辨率图像重建系统 | |
CN103559496A (zh) | 泡沫图像多尺度多方向纹理特征的提取方法 | |
CN103559697A (zh) | 基于fft的碎纸片纵切拼接复原算法 | |
CN102789633A (zh) | 基于k-svd和局部线性嵌套的图像降噪系统和方法 | |
Zhang et al. | Image inpainting based on wavelet decomposition | |
CN103390262A (zh) | 数字滤波器权重系数的获取方法和装置 | |
CN104657979A (zh) | 一种超声图像特征检测方法及系统 | |
Kaur et al. | Riesz fractional order derivative in Fractional Fourier Transform domain: An insight | |
CN103745443B (zh) | 提高图像质量的方法和设备 | |
CN105069759B (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 | |
Sethunadh et al. | Spatially adaptive image denoising using inter‐scale dependence in directionlet domain | |
Humberto Sossa Azuela et al. | Alternative formulations to compute the binary shape Euler number | |
Parlewar et al. | A 4-quadrant curvelet transform for denoising digital images | |
CN102970545A (zh) | 一种基于二维离散小波变换算法的静态图像压缩方法 | |
CN108537810B (zh) | 一种改进的Zernike矩亚像素边缘检测方法 | |
CN103646376A (zh) | 一种数字水印图像生成方法 | |
CN105389592A (zh) | 一种图像识别方法和装置 | |
CN106454382B (zh) | 一种量子图像制备方法 | |
Liu et al. | Study on the basic principle and image denoising realization method of curvelet transform | |
CN103077396B (zh) | 一种彩色图像的向量空间特征点提取方法及装置 | |
CN103279963A (zh) | 地理信息图像的压缩方法 |
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 |