一种基于模型滤波的圆检测方法技术

本发明专利技术公开了一种基于模型滤波的圆检测方法，该方法包括径向扫描、极坐标变换、基于模型的滤波处理和最小二乘圆检测四个步骤，根据圆在极坐标空间中的几何特征，建立圆在极坐标空间的数学模型，利用该模型去除噪声边缘点，能有效去除干扰边缘点，利用去噪后的边缘点，应用最小二乘法进行圆检测；该方法提高了圆检测精度，满足瓶口、瓶底等工业图像检测高速高精度的要求。

【技术实现步骤摘要】

本专利技术属于图像处理及基于机器视觉的工业检测领域，特别涉及一种基于模型滤波的圆检测方法。
技术介绍
圆检测是图像处理中一个重要而基础的问题，对于该问题我们通常关注算法的检测精度和执行速度。目前已经有大量圆检测方法，通常可以分为确定性和非确定性方法两类，其中确定性的方法更关注检测算法的精度，而非确定性的方法更关注算法执行速度。确定性的圆检测方法通常是基于Hough、Duda和Hart等提出的霍夫变换原理的(SHT)，霍夫变换是从参数空间所有可能情况中选取最优参数，因此，其精度通常非常高，检测结果通常作为评估其他方法检测精度的参考值，但由于基于霍夫变换的圆检测方法需要计算一个三维的累加器，因此需要的计算机内存容量大、计算代价大，执行速度慢，为降低对内存需求，Yuen于1990年在《ComparativestudyofHoughtransformmethodsforcirclefinding》中描述了一种基于梯度方向的霍夫圆检测方法(21HT)，该方法将圆检测分成两个步骤，首先利用一个二维向量来对每个边缘点的法线上像素累加，选择累加和最大值对应的坐标作为候选圆心，随后，计算所有边缘点到候选圆心距离，利用距离直方图得到圆半径，该方法是目前最流行的圆检测方法，其中Intel公司的开放视觉算法包Opencv中cvHoughCircles函数使用该算法实现。为提升算法速度，徐雷于1990年在《anewcurvedetectionmethod:RandomizedHoughTransform》中提出随机霍夫圆检测方法(RHT)，每次从所有边缘点中随机选择三个边缘点，通过一个三维累加器收集随机采样的三点所对于的圆参数，但是该方法对内存需求依然较大，该方法是最早的一种非确定性圆检测方法，随后，Chung和Chen年在《AnEfccientRandomizedAlgorithmforDetectingCircles》中利用随机采样的思想提出一种随机圆检测方法(RCD)，算法精度与RHT方法相当，但速度提升大致10倍，随后的十多年来，大量有关随机圆的改进算法被提出来，如chung于2007年、2011年分别在《Speedupthecomputationofrandomizedalgorithmsfordetectinglines,circles,andellipsesusingnoveltuning-andLUT-basedvotingplatform》和《Efficientsamplingstrategyandrefinementstrategyforrandomizedcircledetection》中提出的基于查表的随机圆检测法(TLRCD)，基于有效采样和改进策略的随机圆检测法(GRCD)，Huang于2012年在《Efccientsymmetry-basedscreeningstrategytospeeduprandomizedcircle-detection》中提出的基于对称策略的加速随机圆检测法(SRCD)，Marco于2014年在《Randomizedcircledetectionwithisophotescurvatureanalysis》中提出的基于等照度曲线的随机圆检测方法(Isophotes)，Zhang于2015年在《Afastandrobustcircledetectionmethodusingisoscelestrianglessampling》中提出基于等腰三角形采样的快速鲁棒随机圆检测法(ITCid)，这些方法执行速度快，定位误差通常在1个像素内，但该类方法都是基于随机采样一致性性的原理，属于非确定性的方法，每次检测结果可能有所差异。最小二乘圆检测法属于一种确定性圆检测方法，该方法通过直接求最小二乘解获取圆的参数，是最快速的圆检测方法，但检测结果易受噪声影响。圆检测在瓶口、瓶底图像定位应用中，上述三类方法(霍夫圆检测、最小二乘圆检测和随机圆检测方法)都有相关研究。2004年SHAFAIT应用霍夫变换圆检测法实现空矿泉水瓶底定位。国内，王耀南、马惠敏等人最先展开对空瓶检测系统和定位检测算法的具体研究，段峰、王耀南等人成功研制出我国首台空瓶检测机器人，并提出四种改进的重心法实现瓶口定位法、逐次逼近法、直方图滑动窗口法和瓶口定位综合方法，综合方法定位误差最小，但执行速度稍慢。2006年，严筱永、任明武等应用图像匹配算法和霍夫变换法圆检测实现瓶口、瓶底定位。2009年，马思乐、黄彬等在专利《一种空瓶瓶口缺陷的检测方法及装置》中使用最小二乘法实现瓶口、瓶底定位，该算法运行速度快，但抗干扰能力差。2013年，王贵锦、张淳等提出最小二乘法与改进的随机圆检测法相结合实现玻璃瓶瓶口定位的算法，该算法抗干扰能力较其他算法有所提高，但当瓶口出现缺失或存在大量连续干扰时需要两次检测瓶口边缘点，耗时长。为克服瓶口缺失和连续边缘点干扰，周显恩、王耀南等于2015年在论文《一种多次随机圆检测及拟合度评估的瓶口定位法》中提出多次随机圆评估法应用于瓶口定位，效果与霍夫变换相当，执行速度提升近40倍，但该方法仍会受到边缘干扰点数量的影响，同时周、王等还提出一种圆在极坐标空间模型，但并未直接使用该模型进行去噪处理，而是利用模型差分与实际测量值差分之间的误差大小进行去噪，该方法并不能很好改善最小二乘圆检测方法效果。目前，各类圆检测应用中有关滤波方法的研究不多，当存在大量干扰时圆检测精度易受影响，不能很好满足某些应用需求，为提升圆检测算法精度，为改善各类圆检测方法在瓶口、瓶底等工业检测图像中的应用效果，本专利技术提出一种基于模型去噪的圆检测方法，该方法根据圆在极坐标中的几何特征，建立圆在极坐标空间的数学模型，利用该模型去除噪声边缘点，并采用周在《一种多次随机圆检测及拟合度评估的瓶口定位法》中提出的圆拟合度标准进行模型拟合，随后对滤波后边缘点采用最小二乘实现圆检测，能极大改善圆检测准确度。
技术实现思路
针对现有技术中存在大量随机干扰和连续干扰边缘点时，圆检测误差大的问题，本专利技术提供了一种基于模型滤波的圆检测方法。一种基于模型滤波的圆检测方法，包括以下步骤：步骤1：获取待检测圆形对象图像；步骤2：以待检测圆形对象图像内部的某一位置作为径向扫描中心，对待检测圆形对象图像，进行径向扫描获取边缘点，总共进行Ns次径向扫描，最终获得N'个边缘点；步骤3：以径向扫描中心为极坐标原点，将步骤2获取的边缘点以极坐标表示，对于每个边缘点均满足下式：其中，Pi'为第i次扫描得到的边缘点，i为整数且i∈[1,Ns]，其中Ns表示扫描次数，R和D分别表示待检测圆形对象的半径和圆心与扫描中心之间的距离，β表示扫描中心和待检测圆形对象的圆心之间连线的极角；在极坐标下扫描圆心到边缘点之间的直线段的极径为d(i)，对应的极角为αi，αi＝iΔα，其中Δα表示相邻两次扫描之间的角度差；步骤4：根据N'个边缘点的极坐标通过非线性优化方法或者全局扫描方法求得最优的D、R和β参数；步骤5：将步骤4得到的最优的D、R和β参数代入步骤3的极坐标公式中，求得对应边缘点与扫描中心的理论计算值do(i)；步骤6：依据y(i)判断do(i)对应的边缘点是否属于有效边缘点：其中，本文档来自技高网...

【技术保护点】
一种基于模型滤波的圆检测方法，其特征在于，包括以下步骤：步骤1：获取待检测圆形对象图像；步骤2：以待检测圆形对象图像内部的某一位置作为径向扫描中心，对待检测圆形对象图像，进行径向扫描获取边缘点，总共进行Ns次径向扫描，最终获得N'个边缘点；步骤3：以径向扫描中心为极坐标原点，将步骤2获取的边缘点以极坐标表示，对于每个边缘点均满足下式：d(i)=Dcos(αi-β)+D2cos2(αi-β)+R2-D2]]>其中，Pi'为第i次扫描得到的边缘点，i为整数且i∈[1,Ns]，其中Ns表示扫描次数，R和D分别表示待检测圆形对象的半径和圆心与扫描中心之间的距离，β表示扫描中心和待检测圆形对象的圆心之间连线的极角；在极坐标下扫描圆心到边缘点之间的直线段的极径为d(i)，对应的极角为αi，αi＝iΔα，其中Δα表示相邻两次扫描之间的角度差；步骤4：根据N'个边缘点的极坐标通过非线性优化方法或者全局扫描方法求得最优的D、R和β参数；步骤5：将步骤4得到的最优的D、R和β参数代入步骤3的极坐标公式中，求得对应边缘点与扫描中心的理论计算值do(i)；步骤6：依据y(i)判断do(i)对应的边缘点是否属于有效边缘点：f(i)=1,y(i)≤Dth0,y(i)>Dth]]>其中，y(i)＝|do(i)‑d(i)|，Dth是一个阈值参数，取值范围为1至5之间；当f(i)为1则表明该点为有效边缘点，否则为干扰点；步骤7：将属于干扰点的边缘点进行滤除，同时，将有效边缘点作为检测圆上的边缘点，采用最小二乘圆检测方法完成圆检测。...

【技术特征摘要】
1.一种基于模型滤波的圆检测方法，其特征在于，包括以下步骤：步骤1：获取待检测圆形对象图像；步骤2：以待检测圆形对象图像内部的某一位置作为径向扫描中心，对待检测圆形对象图像，进行径向扫描获取边缘点，总共进行Ns次径向扫描，最终获得N'个边缘点；步骤3：以径向扫描中心为极坐标原点，将步骤2获取的边缘点以极坐标表示，对于每个边缘点均满足下式：d(i)=Dcos(αi-β)+D2cos2(αi-β)+R2-D2]]>其中，Pi'为第i次扫描得到的边缘点，i为整数且i∈[1,Ns]，其中Ns表示扫描次数，R和D分别表示待检测圆形对象的半径和圆心与扫描中心之间的距离，β表示扫描中心和待检测圆形对象的圆心之间连线的极角；在极坐标下扫描圆心到边缘点之间的直线段的极径为d(i)，对应的极角为αi，αi＝iΔα，其中Δα表示相邻两次扫描之间的角度差；步骤4：根据N'个边缘点的极坐标通过非线性优化方法或者全局扫描方法求得最优的D、R和β参数；步骤5：将步骤4得到的最优的D、R和β参数代入步骤3的极坐标公式中，求得对应边缘点与扫描中心的理论计算值do(i)；步骤6：依据y(i)判断do(i)对应的边缘点是否属于有效边缘点：f...

【专利技术属性】
技术研发人员：王耀南，周显恩，朱青，毛建旭，吴成中，冯明涛，王海洲，郑叶欣，蒋笑笑，彭玉，刘学兵，严佳栋，范涛，黄森林，吴昊天，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43