核的两维宽度和第三卷积高斯核的两维宽度；Nn=2*round(4*〇n)+l ;
[0063] 其中所述round表示四舍五入。
[0064] 进一步地，
[0065] 所述第一求取单元，具体用于定位每一初始中心点所在的所述RON区域内的1*1 个像素；以每一像素为中心，定位图像中ROC区域；其中所述ROC区域的范围大小等于所对 应卷积高斯核的大小；及将第一卷积高斯核、第二卷积高斯核及第三卷积高斯核分别于所 对应的ROC区域进行单像素卷积得到对应的第一 Hessian矩阵、第二Hessian矩阵及第三 Hessian 矩阵；
[0066] 进一步地，所述第二求取单元具体用于利用C1 = CTra2Ilw :所述 ffi fil > ffl < Iti； ? A ?· 0 m 为 0 best ;
[0067] 选取大于阈值的像素点为候选点。
[0068] 本发明实施例提供了一种基于多尺度的光条中心提取方法及装置，通过提取图像 中光条区域的骨骼作为初始中心点，根据每一中心点处光条的宽度确定每一中心点所对应 的高斯核均方差，进而依据不同位置处的高斯核均方差确定光条中心点，形成最后的光条 中心；相对于现有方法一个高斯核均方差应用于整幅图像的光条中心提取方法，显然提取 精度更高，误差更小。
【附图说明】
[0069] 图1为本发明实施例一所述的基于多尺度的光条中心提取方法的流程示意图；
[0070] 图2为本发明实施例一待提取光条中心的图像效果图；
[0071] 图3为图2所述图像经噪声平滑处理获得的平滑图像；
[0072] 图4为图3中所述光条区域初始中心点部分示意图；
[0073] 图5为实施例所述的1?斯函数的TK意图；
[0074] 图6为实施例所述的RON和ROC的示意图；
[0075] 图7为图2经本发明实施例所述方法后所提取的光条中心；
[0076] 图8为本发明实施例所述的装置结构示意图。
【具体实施方式】
[0077] 以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
[0078] 实施例一：
[0079] 如图1所示，本实施例提供一种基于多尺度的光条中心提取方法，所述方法包括：
[0080] 步骤SllO :对图像进行噪声平滑处理，获取平滑图像；
[0081] 步骤S120 :通过骨骼化方法对所述平滑图像进行处理得到光条的初始中心点及 相应每一所述初始中心点的初始法线方向；
[0082] 步骤S130 :沿所述光条初始中心点的初始法线方向对光条横截面进行灰度高斯 函数拟合，获取光条每一位置处的光条宽度；
[0083] 步骤S140 :依据每一位置处的光条宽度，确定每一位置处的第一卷积高斯核的均 方差σ c及第一卷积高斯核的两维宽度N*N，并根据所述〇。及N*N确定第一高斯卷积核；
[0084] 步骤S150 :依据每一所述第一卷积高斯核，卷积求取每一所述初始中心点所在 1*1邻域范围RON内每一像素的第一 Hessian矩阵；所述1为大于3的正整数；
[0085] 步骤S160 :依据所述第一 Hessian矩阵求取光条中心像素级的候选点；
[0086] 步骤S170 :以每一所述候选点为基点，获取光条中心的亚像素坐标；
[0087] 步骤S180 :依据所述亚像素坐标，连接各所述光条中心形成光条中心。
[0088] 在所述步骤SllO中，对整幅图像做高斯滤波处理来平滑噪声。在进行高斯滤波 时，高斯函数的均方值的取值范围优选为1-10,如具体取值5或6等。图2为一幅高反光情 况下获取的光条原图；经过步骤SllO处理后形成了图3所示的平滑图像。
[0089] 步骤S120通过骨骼化方法得到光条的初始中心点及相应的初始法线方向，具体 的如图4中所述，每一个初始中心点对应了一个法线方向，在图4中分别以初始中心值为起 点的箭头进行表示。
[0090] 所述步骤S120具体可包括：
[0091] 子步骤1 :根据平滑图像光条的明暗不同，采用多阈值法处理光条图像；子步骤2 : 针对感兴趣阈值区域，基于条件膨胀算法，提取连通分量。为了方便后续的图像处理，所述 步骤S120还可包括：
[0092] 子步骤3 :根据面积约束和形状因子约束，消除小的干扰区域和大面积背景干扰 区域。
[0093] 选取满足第一预设条件的连通分量，将所述连通分量所对应的光条区域进行骨骼 化从而获得初始中心值，具体的如图4所示，其中图4中每一个点表示一个初始中心点。对 光条区域进行骨骼化后，得到的所述初始中心为一个具体的像素。
[0094] 假设（Xi, yi), i=l, 2, ···，η表示所述初始中心点，对于若干个所述初始中心点中 的任意一点（Xi, yj，在初始中心点中取其最邻近的2k个点（k为正整数)。例如，对于点 (χ3, y3)，q=5,则取（χι，yi)，（X2, y2)，......，（χη, yn)为所需的点列。利用最小二乘法将此 2k+l个点拟合直线，得到直线归一化的法线方向作为光条法线方向（nxl，nyl);且通常对应 于所述初始中心点的光条法线方向又称为光条法线方向初始值，以区分最终提取的光条中 的各中心点所对应的法线方向。
[0095] 步骤S130中，进行灰高斯函数拟合时所用的高斯函数可如图5所示；其中，高斯函 数的最大值为A，以y > 0. 2A为约束得到光条在各位置处的光条宽度；其中，所述光条宽度 记为Wi, i=l, 2,. . .，nl ;其中nl为大于1的整数。
[0096] 在步骤S140中，依据每一位置处的光条宽度确定每一位置处的第一卷积高斯核 均方差σ。，具体的可依据公式r=Wi/2及％ = r/s/?。
[0097] 所述步骤S140中确定所述第一卷积高斯核大小具体可为：依据所述第一 卷积高斯核均方差确定第一卷积高斯核的两维宽度Ν*Ν，在本实施例中依据公式 N=2*round(4*〇。)+1来确定。通常一个卷积高斯核对应一个矩阵；矩阵包括行和列；行数 对应矩阵的一个维度；列对应矩阵的另一个维度；在实施例中，所述第一卷积高斯核的两 维宽度为N*N，表示行数和列数相等。
[0098] 在所述步骤S150中，所述RON区域如图6中所示。其中，图6所示包括一个初始 中心点所在像素形成的5*5的RON区域（Region of neighborhood),和以RON区域内第一 个像素为中心的ROC区域（Region of convolution)。其中，图6中阴影对应的区域为所述 初始中心点所在像素。
[0099] 所述步骤S170可具体包括：依据每一候选点所对应的亚像素坐标是否满足第二 预设约束条件；确定满足第二预设约束条件的像素点坐标为所述光条中心点的亚像素坐 标。
[0100] 本实施例所述的方法，相对于现有方法对图像的光条区域进行了骨骼化来获取初 始中心点，获取每一位置处的第一卷积高斯核均方差来提取光条区域，从而大大的降低了 对整个光条区域采用同一个卷积高斯核方差导致的光条中心区域提取的误差大等问题，大 大的提1? 了光条提取的精度。
[0101] 所述计算出来的第一卷积高斯核均方差可能存在计算等各方面的偏差，为了进一 步的提1?光条提取的精度，本实施例还做了以下改进：
[0102] 在依据每一位置处的光条宽度，确定每一位置处的卷积高斯核均方差σ 0的之 后，所述方法还包括：
[0103] 依据〇 σ Q-delta σ ; σ+1= σ Q+delta 〇，确定每一位置处的卷积高斯核方差第 二卷积高斯核均方差σ i及第三卷积高斯核均方差σ+1;所述delta σ为卷积高斯核均方 差修正因子；所述deltao的取值范围可为1.Λ/!至5/七等值，具体取值范围可以根据光条 的组成以及设备可控精度等参数来确定；
[0104] 依据每一所述第二卷积高斯核，卷积求取相应RON内每个像素所对应的第二 Hessian矩阵；依据每一所述第三卷积高斯核，卷积求取相应RON内每个像素所对应的第三 Hessian 矩阵；
[0105] 在依据所述第一卷积高斯核及所述第一 Hessian矩阵求取光条中心像素级的候 选点之前，依据公式计算C = σ if; " Λ w Im ax计算所述RON内每一像素的,，形 成集合S;
[0106] 所述
[0107] 取所述S中最大值Ci所对应的卷积高斯核均方差为最佳卷积高斯核均方差 ^ best ?
[0108] 其中，所述m的取值为-1、0或+1 ;所述I XnJniax为所述〇ni所对应的Hessian矩 阵的模最大特征值；所述P 1为所述RON内第i个像素；所述I所述RON内像素总数；所述i 为小于所述I的整数。
[0109] 所述依据所述N及所述第一 Hessian矩阵求取光条中心像素级的候选点为：
[0110] 依据所述〇 best所对应的卷积高斯核求取最佳Hessian矩阵；
[0111] 依据所述最佳Hessian矩阵求取光条中心像素级的候选点；
[0112] 所述第二卷积高斯核及第三卷积高斯核的