专利名称：在图像中检测椭圆型目标的方法及系统的制作方法
技术领域：
本发明涉及一种图像处理技术，尤其是涉及一种自动对图像中椭圆型目标的检测的方法，以及使用该处理方法的系统。
背景技术：
椭圆型目标检测是计算机视觉中的一个关键问题，其结果通常作为基元广泛应用于图像的匹配、识别、分析与理解中。因此椭圆检测在工业制造、生物医学等领域有着广泛的应用场景。
在解析几何中，一个椭圆可以用一系列在笛卡尔平面上的点组成，并在非退化条件下满足以下隐式方程F(a, X) = a · X = ax2+bxy+cy2+dx+ey+f = O,其中，a = [a b c d e f]T,x = [x2 xy y2 x y 1]T，x和y分别为椭圆上点的横坐标与纵坐标。参数a可以转化为一个更加常用的椭圆参数c = [X。y(l α β θ ]τ，其中Xc^Pytl分别中椭圆中心点横坐标与纵坐标，α和β分别为长半轴与短半轴长度，Θ是长半轴与横坐标的夹角。
在计算机视觉中，最常用的几何形状识别算法之一是P. V. C. Hough在1962获得的美国专利US3，069，654中公开的霍夫变换(Hough Transform)。它的基本思想是将图像中可能的几何形状转换到相应的参数空间并通过一个投票过程进行累加，然后在参数空间寻找峰值，并输出相对应的参数作为最终检测结果。霍夫变换的一个基本应用是在二值化的边缘图像中寻找直线。
在一个二维平面上，直线方程可表示为r = xcos(co)+ysin(co)。
设P为直线上与原点距离最近的点，!■为原点到P的距离，ω为由原点与P形成的直线与X轴之间的夹角。 直线霍夫变换检测的一个基本流程如下。首先，建立一个由r和 ω组成的二维参数空间累加器并清零。在每一个边缘点，对每一个可能的ω值计算r值， 并在相应的累加器元素加I。最后，在累加器中寻找峰值，峰值所在位置对应的r和ω值即为图像中直线的参数。如果累加器中含有多个峰值说明图像中包含多条不同的直线。最终检测结果的精度还取决于在建立参数空间累加器时对r和ω的离散精度。
由于对应椭圆型目标的椭圆方程中共有5个自由参数，如果使用上面介绍的传统霍夫变换，即使在对参数离散化时牺牲一部分精度，仍然需要在计算机内存建立一个庞大的5维累加器，不仅计算时间长，且计算过程内存需求大和精度差都制约着传统霍夫变换对椭圆型目标检测的应用。
为了解决传统霍夫变换在对多参数的几何图形检测时所遇到的问题，X. Lei等人提出了随机霍夫变换(Randomized Hough Transform, RHT)方法并发表在“A new curve detection method Randomized Hough Transform，，，Pattern Recognition Letters, vol. 11，pp. 331—338，1990。随机霍夫变换的基本思想主要包含以下三个方面
A、从图像中随机提取η个边缘点进行拟合,得出一个在参数空间的点。数值η应大于或等于参数空间维数，例如，在对椭圆进行检测时，η应大于等于5。
B、累加器用一个候选参数表P来代替。表P中的每一个元素代表参数空间中的一个点，每个元素还包含参数空间中这个点所对应的累加器得分。每获取一个新的拟合结果， 对P进行更新。首先对比新拟合系数与P中元素的相似度，找出最相似的一个元素。如果 它们的相似度小于一个预设的阈值，则将新拟合系数合并到P中的匹配元素，并将此元素 的累加器值加I。如果在P中找不到与新拟合系数相似的元素，将新拟合系数加入到P中作 为一个新的元素，并设对应的累加器值为I。
C、在候选参数表P中找出累加器值大于一个预设阈值的元素集合，这个P的子集 就代表了所检测到的目标集合。
由于在A中使用了随机抽样拟合，在合理定义抽样数目的前提下，计算时间相比 传统霍夫变换中对所有边缘点遍历大幅度减少。使用参数列表替代传统的累加器解决了传 统霍夫变换对计算机存储空间要求大的问题。同时，检测结果的精度可以由新拟合系数与 P中元素相似度的阈值来控制。
当使用随机霍夫变换进行椭圆检测时，通常每次需要随机提取5个点进行椭圆拟 合。在处理复杂图像和图像噪音比较大时，这会引入大量的无效采样，导致无效的参数计 算，并对无效参数分配P元素进行累积。根据椭圆的几何特征，Robert A. McLaughlin在一 篇名为“Randomized Hough transform improved ellipse detection with Comparison，， 的技术报告中描述了一种只使用3点进行椭圆拟合的随机霍夫变换方法。可以看到，随机 米样的3点落在同一椭圆上的概率远远大于随机米样5点落在同一椭圆上的概率。因此， 减少随机采样的点数是解决无效采样和累积的有效方法。
如果对目标检测图像有一定的先验知识，可以在检测早期使用先验知识对得到的 拟合参数在引入候选参数表P之前进行初步筛选。例如，在椭圆检测中，如果知道椭圆中心 可能出现的范围，或椭圆的长短半轴长度范围，或椭圆长半轴与横坐标的夹角范围，大量的 无效拟合参数可以在进行累积之前被过滤掉。发明内容
针对现有技术在椭圆检测过程中存在检测速度慢、计算机内存需求大和检测精度 不高的技术缺陷，本发明提出一种检测速度快且精度高的椭圆型目标的检测的方法及系 统。
本发明采用如下技术方案实现一种在图像中检测椭圆型目标的方法，其包括步 骤
A、给定一幅图像，使用边缘检测或脊线检测算法获取边缘图像；
B、从边缘图像中提取线段，生成线段列表；
C、随机从线段列表中提取L个线段，使用这L个线段进行椭圆拟合，并在椭圆拟合 结果通过验证时将椭圆拟合结果合并到候选参数表中；
D、重复步骤C直到满足停止条件，从候选参数表中选取并输出符合条件的椭圆候 选元素。
其中，所述从边缘图像中提取线段的步骤具体包括
对边缘图像进行细化处理，使得所有联通区域变为一个像素宽的线段；
在边缘图像中，找出所有的分叉点和端点；
对于在边缘图像中没有分叉点和端点的封闭曲线，随机从其上提取一点作为端
以端点为起点进行边缘跟踪，当遇到分叉点或端点时跟踪停止并将跟踪线路作为 一条线段存入线段列表中。
其中，所述从边缘图像中提取线段的步骤具体包括
对边缘图像进行细化处理，使得所有联通区域变为一个像素宽的线段；
提取边缘图像中的所有线段，存入线段列表中；
其中，对线段列表中的每一条线段进行角点点检测，并将线段在角点处截断成多 个子线段，每个子线段分别存入线段列表中。
其中，所述使用L个线段进行椭圆拟合的步骤中，将L个线段所包含的点集作为椭 圆拟合的输入。
其中，所述使用L个线段进行椭圆拟合的步骤具体包括
计算遍历线段列表中所有L组合的数目；
如果组合数目小于一个预设的阈值Sampth，将线段列表中提取L个线段的所有组 合方式分别以一个兀素存入样本列表中，否则，从线段列表中随机提取Sampth种组合方式 的L个线段分别以一个兀素存到样本列表中；
顺序从样本列表中提取一个元素，对迭代次数加1，以该元素对应线段组的点集作 为椭圆拟合的输入进行椭圆拟合。
其中，所述验证椭圆拟合结果的步骤具体包括
根据先验知识对椭圆参数范围进行设定；
检验当前的椭圆拟合结果是否在设定的参数范围之内，若是，则椭圆拟合结果通 过验证。
其中，所述将椭圆拟合结果合并到候选参数表的步骤具体包括
计算当前的椭圆拟合结果与候选参数表的每一个候选椭圆元素之间的相似度；
如果在候选参数表中存在一个与椭圆拟合结果匹配的候选椭圆元素，则将当前的 椭圆拟合结果与该匹配的候选椭圆元素进行合并，并将对相应的累加器值进行累加；
如果在候选参数表中没有与椭圆拟合结果匹配的候选椭圆元素，将当前的椭圆拟 合结果作为一个新的候选椭圆元素加入到椭圆候选列表，并将其相应的累加器复位。
其中，所述停止条件为以下其中之一
当椭圆拟合次数大于或等于一个阈值；
或，当候选参数表中的一个或多个候选椭圆元素的累加器得分大于或等于一个阈 值；
或，遍历样本列表中的所有元素。
其中，所述从候选参数表中选取并输出符合条件的椭圆候选元素的步骤具体包括 以下其中之一
根据候选参数表中的候选椭圆元素按累加器得分值进行从大到小的排序，将候选 参数表中前Nth个候选椭圆兀素输出；
或，从候选参数表中挑选累加器得分最高的候选椭圆元素并输出；
或,从候选参数表中挑出累加器得分大于或等于一个设定阈值对应的候选椭圆兀 素并输出。
另外，本发明还公开了使用了所述的在图像中检测椭圆型目标的方法的的图像检测系统。
与现有技术相比，本发明具有如下有益效果
本发明在对应用场合有先验知识的情况下，可以使用先验知识对椭圆拟合结果做一个初步的筛选。例如对胎儿头部检测时，可以知道捕圆的中心点一定在图像范围之内，捕圆的长短轴半径长度不会超过图像对角线长度的一半，而且可以将长短轴半径长度之比限定在一定范围之内。这样可以将大量的无效椭圆排除，减少后续计算压力。因此，使用本发明检测检测图像中的椭圆型目标具有运算速度快、所需计算内存需求小和检测精度高的优
图1是本发明一个实施例的流程示意图2是本发明另一个实施例的流程示意图。
具体实施方式
本发明提出图像中椭圆型目标的检测方法适用于需要检测图像中存在的椭圆型目标的应用场合。
参考图1所示的一个优选实施例中，本发明提出的椭圆型目标检测方法有如下实现步骤
步骤Sll :获取需要进行图像处理(即椭圆型目标检测)的一幅图像I (以下又简称为“原图”)。如果原图中噪声比较明显，例如超声B模式图像中的斑点状噪音，可以对先原图进行降噪处理。设迭代次数Iter为O。
步骤S12 :使用边缘检测方法对原图进行处理，得到一幅二值化的边缘图像。
在一个优选方案中，采用基于梯度的边缘检测方法。横向梯度索贝尔算子gx和纵向梯度索贝尔算子gy可分别表示为
权利要求
1.一种在图像中检测椭圆型目标的方法，其特征在于，所述方法包括步骤A、给定一幅图像，使用边缘检测或脊线检测算法获取边缘图像；B、从边缘图像中提取线段，生成线段列表；C、随机从线段列表中提取L个线段，使用这L个线段进行椭圆拟合，并在椭圆拟合结果通过验证时将椭圆拟合结果合并到候选参数表中；D、重复步骤C直到满足停止条件，从候选参数表中选取并输出符合条件的椭圆候选元素。
2.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述从边缘图像中提取线段的步骤具体包括对边缘图像进行细化处理，使得所有联通区域变为一个像素宽的线段；在边缘图像中，找出所有的分叉点和端点；对于在边缘图像中没有分叉点和端点的封闭曲线，随机从其上提取一点作为端点； 以端点为起点进行边缘跟踪，当遇到分叉点或端点时跟踪停止并将跟踪线路作为一条线段存入线段列表中。
3.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述从边缘图像中提取线段的步骤具体包括对边缘图像进行细化处理，使得所有联通区域变为一个像素宽的线段；提取边缘图像中的所有线段，存入线段列表中；其中，对线段列表中的每一条线段进行角点检测，并将线段在角点处截断成多个子线段，每个子线段分别存入线段列表中。
4.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述使用L个线段进行椭圆拟合的步骤中，将L个线段所包含的点集作为椭圆拟合的输入。
5.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述使用L个线段进行椭圆拟合的步骤具体包括计算遍历线段列表中所有L组合的数目；如果组合数目小于一个预设的阈值 Sampth，将线段列表中提取L个线段的所有组合方式分别以一个元素存入样本列表中，否则，从线段列表中随机提取种组合方式的L个线段分别以一个元素存到样本列表中；顺序从样本列表中提取一个元素，对迭代次数加1，以该元素对应线段组的点集作为椭圆拟合的输入进行椭圆拟合。
6.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述验证椭圆拟合结果的步骤具体包括根据先验知识对椭圆参数范围进行设定；检验当前的椭圆拟合结果是否在设定的参数范围之内，若是，则椭圆拟合结果通过验证。
7.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述将椭圆拟合结果合并到候选参数表的步骤具体包括计算当前的椭圆拟合结果与候选参数表的每一个候选椭圆元素之间的相似度；如果在候选参数表中存在一个与椭圆拟合结果匹配的候选椭圆元素，则将当前的椭圆拟合结果与该匹配的候选椭圆元素进行合并，并将对相应的累加器值进行累加；如果在候选参数表中没有与椭圆拟合结果匹配的候选椭圆元素，将当前的椭圆拟合结果作为一个新的候选椭圆元素加入到椭圆候选列表，并将其相应的累加器复位。
8.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述停止条件为以下其中之一当椭圆拟合次数大于或等于一个阈值；或，当候选参数表中的一个或多个候选椭圆兀素的累加器得分大于或等于一个阈值； 或，遍历样本列表中的所有元素。
9.根据权利要求1所述在图像中检测椭圆型目标的方法，其特征在于，所述从候选参数表中选取并输出符合条件的椭圆候选元素的步骤具体包括以下其中之一根据候选参数表中的候选椭圆元素按累加器得分值进行从大到小的排序，将候选参数表中前个候选椭圆兀素输出；或，从候选参数表中挑选累加器得分最高的候选椭圆元素并输出；或，从候选参数表中挑出累加器得分大于或等于一个设定阈值对应的候选椭圆元素并输出。
10.一种在图像中检测椭圆型目标的系统，其特征在于，所述系统使用了如权利要求 1-9任何一项所述的在图像中检测椭圆型目标的方法。
全文摘要
本发明公开一种在图像中检测椭圆型目标的方法及系统。其中，所述方法包括步骤A、给定一幅图像，使用边缘检测或脊线检测算法获取边缘图像；B、从边缘图像中提取线段，生成线段列表；C、随机从线段列表中提取L个线段，使用这L个线段进行椭圆拟合，并在椭圆拟合结果通过验证时将椭圆拟合结果合并到候选参数表中；D、重复步骤C直到满足停止条件，从候选参数表中选取并输出符合条件的椭圆候选元素。本发明具有运算速度快、所需计算内存需求小和检测精度高的优点。
文档编号G06K9/46GK103020626SQ201110297839
公开日2013年4月3日 申请日期2011年9月28日 优先权日2011年9月28日
发明者陆汇海, 刘龙 申请人:深圳市蓝韵实业有限公司