(t) I >Ti时，k'N(t)=ki^t)
[002引否则，k'^t)=k2^t);
[0029] 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k^NU)将轮廓中所有 轮廓点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的 决定 Τκ，当 |k'N(t) |<TK*max|k'^t) I 时，特征函数 f(t)=0
[0030] 否则，特征函数f(t) = l;
[0031] 分类后所得到的特征点和非特征点的分布并不连续，无法选取滤波器对其进行有 效的轮廓平滑。为了得到较好的轮廓平滑效果，有必要对同类型的轮廓点进行合并处理。
[0032] 合并模块：用于剔除由于噪声干扰产生的伪特征点，W及对无法形成连续区域的 特征点和非特征点进行合并操作，从而得到有效的特征区域与非特征区域:选定一个起始 点0,轮廓起始点向两侧延伸合并相邻的点，W该起始点类型作为该区域预设类型，向两侧 延伸各S Xμ〇时停止，其中S为预设的最小长度，在此实施例中，S= 17，
为0点处的实时曲率修正系数，'代表0点的曲率半径，；代表由上述窗函数得到的0 点的平均曲率半径，实时曲率修正系数μ〇用于根据不同点的曲率不同，自动修正延伸长度， 曲率大的地方需要的长度小些，曲率小的地方需要的长度大些，运样能有效减小合并后的 失真现象;分别计算两侧区域内相异点的个数Ν+1和Ν-1，若相异点的个数小于设定的该类 型相异点最小个数，则该区域与预设类型相同，否则，与预设类型相反;再W两个停止点0+1 和点0-1作为起始点重新开始计算，向外侧延伸S X μ〇+域S X μ〇-ι时停止，其中μ〇+ι和μ〇-汾别 代表点0+1和点0-1处的实时曲率修正系数，两侧区域内相异点个数为Ν+2,0-巧侧区域内 相异点个数为Ν-2,根据上述判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S 的比例计算相异点个数，计入相应的特征区域;对相邻的同类型区域进行合并，得到连续的 特征区域和非特征区域。
[0033] 滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维 纳滤波来进行一级滤除，此时图像信息还包含有残余乘性噪音，通过F滤波器F(x，y)=qX exp(-(x 2+y2)/护进行二级滤除，其中q是将函数归一化的系数，即JJqXe邱(-(x2+y 2)/护） dxdy = l，β为图像模板参数；
[0034] 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为GN(t)'=G(t)+Ni(t);假 设加性噪声为高斯白噪声:XN(t) ' = X(t)+gl(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中XN(t) ' 和 YN(t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gl(t，。2)和g2(t，。2)分别是均值为 零、方差为的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声；
[0035] 采用函避
计含噪轮廓进行平滑，命名为K滤波器，经过轮廓点分类和 区域划分，含噪轮廓GN(t)'表示为不同类型轮廓分段的组合：
其中Gf (t)表示包含特征区域的轮廓分段，Gff (t)表示包含非特征区域的轮廓分段，根据 轮廓特征分布选取K滤波器的参数，同时考虑全局特征和局部特征因素，在特征区域，为了 保留细节信息，令σ < m虹(σ',枯X任1)，在非特征区域，关注抑制噪声的效果，令 σ > rnax(o'.扣X σ〇)，其中〇/为先验估算得到的全局方差，σι为所选特征区域的先验估算方 差，〇〇为所选非特征区域的先验估算方差，扣为所选特征区域的平均实时曲率修正系数，的 为所选非特征区域的平均实时曲率修正系数;为了达到较好的平滑效果，选取每种类型区 域最小长度S的一半作为Κ滤波器85%置信区间的长度，从而根据两类区域的长度自适应不 同参数的Κ滤波器。
[0036] 在此实施例中，S = 17，阔值Τι = 0.24，窗函数宽度D e {7，9}，对噪声强度I e (10地，20地}的含噪图像有较好的平滑效果，该景观造型检测工具能够对景观轮廓进行识 另IJ，识别过程中能有效滤除目标轮廓噪声，使得造型师的景观造型效率提高了 40%，大大减 轻了造型师的劳动量。
[0037] 实施例2:-种快速检测的景观造型检测工具，包括普通景观造型检测工具和安装 在景观造型检测工具上的识别装置，该景观造型检测工具能够对景观轮廓进行识别，其特 征是，包括建模模块、分段模块、合并模块和滤波模块；
[0038] 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参 数化方程表示为6(〇 = ^(〇,7(〇)，其中^(〇和7(〇分别表示轮廓点的坐标，*表示轮廓 曲线方程的参数，且te[0，l];
[0039] 含噪轮廓的弧长参数化方程表示为:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪 声部分化(t)=化(xi(t)，yi(t))，乘性噪声部分化(t)=化(X2(t)，y2(t));
[0040] 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GN(t)所对应的曲率分别 为k(t)和kN(t);由于受到噪声的影响，含噪轮廓GnU)上部分特征点的曲率值kN(t)不能准 确表示轮廓信息，为了得到准确的曲率，选宽度为De {10,12}的窗函数W(n)，对曲率kN(t) 进行邻域平均，得到平均曲率klN(t)，同时对窗口内的曲率值排序，选定中值曲率k2N(t)，将 平均曲率klN(t)和中值曲率k2N(t)差的绝对值与选定的阔值Τι = 0.24进行比较，根据比较结 果决定含噪轮廓曲率k^NU)，即：
[00川当 |kiN(t)-k2N(t) |〉Τι时，k'^t)=kiN(t)
[0042] 否则，k'^t)=k2^t);
[0043] 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k^NU)将轮廓中所有 轮廓点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的 决定 Τκ，当 |k'N(t) |<TK*max|k'^t) I 时，特征函数 f(t)=0
[0044] 否则，特征函数f(t) = l;
[0045] 分类后所得到的特征点和非特征点的分布并不连续，无法选取滤波器对其进行有 效的轮廓平滑。为了得到较好的轮廓平滑效果，有必要对同类型的轮廓点进行合并处理。
[0046] 合并模块：用于剔除由于噪声干扰产生的伪特征点，W及对无法形成连续区域的 特征点和非特征点进行合并操作，从而得到有效的特征区域与非特征区域:选定一个起始 点0,轮廓起始点向两侧延伸合并相邻的点，W该起始点类型作为该区域预设类型，向两侧 延伸各SXy〇时停止，其中S为预设的最小长度，在此实施例中S= 19，
为0点处的实时曲率修正系数，^代表0点的曲率半径，代表由上述窗函数得到的0 点的平均曲率半径，实时曲率修正系数μ〇用于根据不同点的曲率不同，自动修正延伸长度， 曲率大的地方需要的长度小些，曲率小的地方需要的长度大些，运样能有效减小合并后的 失真现象;分别计算两侧区域内相异点的个数Ν+1和Ν-1，若相异点的个数小于设定的该类 型相异点最小个数，则该区域与预设类型相同，否则，与预设类型相反;再W两个停止点0+1 和点0-1作为起始点重新开始计算，向外侧延伸SXy〇+域SXy〇-i时停止，其中μ〇+ι和μ〇-汾别 代表点0+1和点0-1处的实时曲率修正系数，两侧区域内相异点个数为Ν+2,0-巧侧区域内 相异点个数为Ν-2,根据上述判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S 的比例计算相异点个数，计入相应的特征区域;对相邻的同类型区域进行合并，得到连续的 特征区域和非特征区域。
[0047] 滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维 纳滤波来进行一级滤除，此时图像信息还包含有残余乘性噪音，通过F滤波器F(x，y)=qX exp(-(x 2+y2)/护进行二级滤除，其中q是将函数归一化的系数，即JJqXe邱(-(x2+y 2)/护） dxdy = 1，β为图像模板参数；
[0048] 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为GN(t)'=G(t)+Ni(t);假 设加性噪声为高斯白噪声:XN(t)'=X(t)+gl(t，o2)，yN(t)'=y(t)+g2(t，o2)，