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；
[0090] 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)，其中χN(t)'和 yN(t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gi(ty)和g2(ty)分别是均值为 零、方差为02的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声；
[0091] 采用函数
巧含噪轮廓进行平滑，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(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 < mi妍α'，駐X巧)，在非特征区域，关注抑制噪声的效果，令 σ > max(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，口 0-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。
[0092] 在此实施例中，S = 25，阔值Τι = 0.26，窗函数宽度D e {17，19}，对噪声强度I e (50地，60地}的含噪图像有较佳的平滑效果，且细节信息保留情况较好，该景观造型检测工 具能够对景观轮廓进行识别，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50%，大大减轻了造型师的劳动量。
[0093] 最后应当说明的是，W上实施例仅用W说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可W对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
[0094] 数据仿真
[0095] 本景观造型检测工具的有益效果为:针对噪声种类的多样性和目前去噪方法的单 一性，采用一种新型的多次滤波装置，并提出了新的轮廓分段、合并手段和滤波函数;计算 量相对并不复杂，同时考虑了全局特征和局部特征的因素且平滑除噪效果好;考虑了轮廓 在不同类型区域之间的差异性，在抑制噪声和保留细节之间取得很好的平衡;根据不同点 的曲率不同，延伸长度相应地自动适应性改变，有效减小了合并后的失真现象。
[0096] 通过仿真，采用该装置与其它装置在噪声强度N下进行比较，对目标的识别率如下 表：
[0097]
【主权项】
1. 一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;其中， 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G (t) = (x(t)，y(t))，其中x(t)和y(t)分别表示轮廓点的坐标，t表示轮廓曲线 方程的参数，且te[〇，i]; 含噪轮廓的弧长参数化方程表示为4〃(〇=6(〇+他（〇+犯（〇6(〇,其中加性噪声部 分Ni(t)=Ni(xi(t)，yi(t))，乘性噪声部分N2(t)=N2(X2(t)，y2(t)); 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 ⑴和kN(t);选宽度为D的窗函数1(11)，0[{7,9}，对曲率1?(〇进行邻域平均，得到平均曲率 k1N(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k1N( t)和中值曲率k2N(t)差的绝对值与选定的阈值^进行比较，根据比较结果决定含噪轮廓曲率= 0.2，即： 当 |kiN(t)_k2N(t) 否贝 11，让、(1:)=1^(1:); 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^U)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 IkSU) | 时，特征函数f(t)=0 否则，特征函数f( t) = 1。2. 根据权利要求1所述的景观造型检测工具，其特征还在于，合并模块：用于剔除由于 噪声干扰产生的伪特征点，以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，以该起始点类型作为该区域预设类型，向两侧延伸各sxyo时停止，其中S为预设的 最小长度，银为〇点处的实时曲率修正系数，_代表〇点的曲 率半径，^T代表由i述窗函数得到的〇点的平均曲率半径，实时曲率修1系数m用于根 据不同点的曲率不同，自动修正延伸长度，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N+1和N-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;再以两个停止点〇+1和点Ο-i作为起始点重新开 始计算，向外侧延伸SXyo+^SXyo-i时停止，其中以糾和以^分别代表点0+1和点0-!处的实时 曲率修正系数，〇+1两侧区域内相异点个数为Ν+2,0^两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； 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的乘性噪音，通过F滤波器F(X，y) = qXeXp (-(x2+y2)/^2进行二级滤除，其中q是将函数归一化的系数，即：JJqX exp(-(x2+y2)/^2)d Xdy = 1，β为图像模板参数； 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为6〃(〇'=6(〇+见(〇;假设加 性噪声为高斯白噪声：XN(t) ' = x(t)+gi(t，〇2)，yN(t) ' = y(t)+g2(t，〇2)，其中xN(t) ' 和yN (^'分别表示去除乘性噪声后含噪轮廓上各点坐标以"^"和沿^^"分别是均值为零、 方差为σ2的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声； 采用函数对含噪轮廓进行平滑，命名为Κ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，(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，令〇 < h X 〇1>在非特征区域，为了提高抑制噪声的效果，令 其中(/为先验估算得到的全局方差，〇1为所选特征区域的先验估算方 差，σ〇为所选非特征区域的先验估算方差，Pi为所选特征区域的平均实时曲率修正系数，:Po 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K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K滤波器。
【专利摘要】本发明公开了一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，识别装置包括建模模块、分段模块、合并模块和滤波模块。本发明通过在景观造型检测工具上加装识别装置，景观造型检测工具能够对景观轮廓进行识别，识别过程中能有效滤除景观轮廓噪声，达到良好的识别效果。识别结果形象直观，可以很容易看出是否为指定形状，同时为下一步造型提供准确的轮廓支持，极大的减轻了人的负担。
【IPC分类】G06K9/00, G06K9/32
【公开号】CN105447485
【申请号】CN201610013290
【发明人】肖锐
【申请人】肖锐
【公开日】2016年3月30日
【申请日】2016年1月7日