文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 基于最小二乘法的改进的随机椭圆检测算法
侵权投诉

基于最小二乘法的改进的随机椭圆检测算法

图像处理 环境建模 最小二乘法 计算机视觉

1362

浙 江 大 学 学 报(工学版)

使用可能椭圆Eijk求解自适应阈值Td:

第42卷

的数值时(也就是处理包含大小差别较大的残缺椭圆的图像),采用直接椭圆拟合算法得到的偏小的可能椭圆,会因为较小的Tr值而被算法确认为真椭圆,从而产生误检.由于在检测到一个椭圆后,算法会将在这个椭圆上的边缘点去除,这种误检就可能导致一个真实存在的椭圆被分割成数个椭圆弧,继而引发更多的误检,使得算法的检测效率很低.

3)算法只考虑了当选取的点之间距离较近时会拟合出虚假的椭圆,没有排除当距离过大时算法会从不同椭圆弧中拟合出虚假椭圆的情况.后一种情况会当Tr较小时,被算法确认为真椭圆,降低算法检测的效率.

Td=|au2A+buAvA+vc2A+duA+evA+1|,uA=u0+(A+ddiff)!cos ,vA=v0+(A+ddiff)!sin .

式中:u0、v0为椭圆的中心点坐标,ddiff为点到椭圆边界的最大距离,A、 分别为椭圆的长轴长度和椭圆的偏转角度.

在迭代过程中,需要考虑在边缘二值图像中噪声的影响.过量的噪声将会延长迭代收敛的过程,因此在执行之前需要将这些噪声点从边缘图像中去除.本文采用黎自强等人

[6]

提出的去除孤立和半连续噪声

2 改进的RED算法

2.1 改进的椭圆提取过程

在RED算法的实际拟合过程中,用来拟合的边缘点始终位于最后拟合出来的椭圆的边界上.假设这些边缘点位于一个真实的椭圆上,那么可以选择适当的代数距离来收集距离拟合出的可能椭圆边界一定范围内的边缘点:

D=|au2+buv+cv2+du+ev+1|.

然后通过重新收集和重新拟合的迭代过程来找出这个真实的椭圆.通过此过程,无须事先找出最适合的Ta,只要将选取的3个点之间的距离控制在一定的范围即可.

在新的提取过程中,求取适当的代数距离阈值非常关键.一般来说,如果一个点位于椭圆上,那么理想的D值应该为零.实际上,由于图像是光栅化的,边缘上的点几乎不可能准确地落在椭圆的边界上.图1显示了一系列椭圆的D值的最大值和平均值.这些椭圆的长轴、短轴、中心位置都是一致的,惟一不同的就是椭圆长轴和X轴的夹角.

从图1中不难看出,在实际情况下,光栅化后椭圆的D值大小随 发生很大的变化.因此,本算法

点的方法.这两类噪声点的定义如下:在图像空间中,若Pi(ui,vi)的8个相邻点都不是图像点,则称P为孤立噪声点.若Pi(ui,vi)的4 4邻域满足:1)边界点都不是图像点;2)除了Pi(ui,vi),在其相邻点中还有1~3个图像点,则称P为半连续噪声点.

2.2 改进算法的具体步骤

改进的RED算法只须在原有算法的步骤5)和6)中插入新的椭圆提取过程.具体流程如下.

1)初始化T=0;设置最大迭代次数Tt和最小变化率Tn,用于算法的终止;将ne的值赋给nold.

2)用收集来的位于可能椭圆边界附近的边缘点组成的可能椭圆边界点集合Ve来重新拟合可能椭圆Eijk;T=T+1.

3)根据可能椭圆Eijk求解Td的大小;遍历集合V中的边缘点,寻找D#Td的边缘点,更新ne和可能椭圆边界点集合Ve,并将ne赋给nnew;如果|nnew-nold|/nold>Tn并且T<Tt,则跳转到步骤2);否则算法终止,V=V-Ve;输出椭圆参数.

3 实验结果

在一台Celeron2.0GHz的计算机上利用Matlab6.5对改进的RED算法进行了仿真图片和实际图片的实验.主要分析算法改进前后检测的时间、准确率[7]和抗噪声的能力.对于每一副图片,取100次检测的结果作为样本.选用的参数在各个实验中分别给出.在下面的图表中用Orig表示原RED算法,Mod表示改进的RED算法.

实验1 分别用原RED算法和改进的RED算法对3幅640 480的仿真图片进行检测,如图2(a)所示.其中图片1含有3个不同方向的完整椭

图1 D 曲线Fig.1 D curves

圆;图片2含有3个不同方向的重叠的椭圆;图片33,

上一页第3页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email