【技术实现步骤摘要】
本专利技术涉及计算机视觉技术应用领域，特别涉及一种基于亚像素定位的图像边缘跟踪方法。
技术介绍
1、图像是人类获取信息的重要来源，而图像边缘作为图像主要的低层视觉特征，是图像信息的重要载体。伴随计算机技术的快速发展，计算机视觉技术也日新月异。图像边缘检测作为一种关键的计算机视觉技术，广泛的应用于工农业生产、视觉导航、医学影像与工程机器人等领域。图像边缘检测效果，直接影响到图像后续处理工作，如目标的识别与目标的姿态测量等。sobel算子法、prewitt算子法、roberts算子法与canny算法是应用较为广泛的集中图像边缘检测方法。对于边缘较为模糊、对比度较低的图像，常用的图像边缘检测效果较差，获取的图像边缘不连续，且具有一定的宽度，增大了图像后续处理难度。采用经典的canny算法检测图像边缘时，需根据外部环境亮度设置全局阈值，故该算法操作繁琐、低效。
2、通常，图像边缘检测方法获取的各个边缘像素点坐标均是以整形形式表示的，引入了截断误差，导致检测的图像边缘与实际边缘之间存在一定的偏差。常用的亚像素定位方法为插值法，受限于较弱的抗干扰能力，无法得到广大应用。采用深度学习的方式进行亚像素重定位时，虽效果不错，但可解释性不足，且对计算资源需求较高。对于航空航天等领域，受限于参考样本较少，深度学习过程中易出现训练不足的问题。
技术实现思路
1、本专利技术要解决现有技术中的技术问题，提供一种涉及图像识别、目标检测与三维视觉测量的基于亚像素定位的图像边缘跟踪方法。本专利技术的方法
2、为了解决上述技术问题，本专利技术的技术方案具体如下：
3、一种基于亚像素定位的图像边缘跟踪方法，包括以下步骤：
4、步骤1：选取梯度方向上的相邻像素中内积能量值最大且边缘方向上的相邻像素具有相同的边缘方向的像素点作为初始局部锚点；
5、步骤2：基于图像边缘像素点的边缘方向呈连续性的假设，确定后一个边缘像素点的搜索范围，获取多个候选边缘像素点；
6、步骤3：参照选取下一边缘像素点的规则，加权计算后得出多个候选边缘像素点的置信度，选取置信度最大的候选点作为下一个边缘点，并更新边缘方向；
7、步骤4：参照步骤2与步骤3的方法继续跟踪，直至搜索编码范围内所有像素点的内积能量值均为0，转至初始像素点的另一个边缘方向进行跟踪；
8、步骤5：将两个方向跟踪获取的边缘像素点组合，得到完整的图像边缘；
9、步骤6：以边缘像素梯度方向为约束，对每一个边缘跟踪获取的像素进行亚像素重定位。
10、在上述技术方案中，步骤3中的选取下一边缘像素点的规则包括：
11、1)该像素是其邻域内的极大值点；
12、2)内积能量幅值最大；
13、3)边缘方向与上一边缘像素相同。
14、在上述技术方案中，步骤2中的候选边缘像素点的数量为3个。
15、在上述技术方案中，步骤6具体包括：
16、取一边缘像素p作为亚像素重定位的起始点；
17、边缘像素p的邻域s(p)内的像素均满足方程：
18、g(qi)·(p-qi)＝0
19、对图像边缘像素p重定位，在取最小值的前提下，获取边缘像素p重定位后坐标值。
20、在上述技术方案中，对方程：
21、g(qi)·(p-qi)＝0
22、求解的过程为：
23、设边缘像素p(x0,y0)的梯度值为(gx,gy)，通过该边缘像素的直线为：
24、y＝kx+b,k＝-gy/gx,b＝y0-kx0
25、式中，k与b分别为直线斜率与常数项截距，将重定位后坐标限定在直线l上，则有：
26、
27、通过拉格朗日乘子法求解满足该模型线性约束的最小二乘估计：
28、
29、其中，λ表示拉格朗日乘子；构造辅助函数方程为：
30、f(β,λ)＝‖y-xβ‖2+2λ(aβ-b)＝(y-xβ)′(y-xβ)+2λ(aβ-b) (8)
31、式中，a、x和b均为参数矩阵，
32、将辅助函数方程中参数β各分量的偏导数设定为0，求解辅助函数f(β,λ)中β各分量的偏导数，使β各分量的偏导数等于0，得：
33、
34、其中，x′为矩阵x的转置矩阵，a′为矩阵a的转置矩阵；
35、有约束的最小二乘解表示为：
36、
37、其中，为拉格朗日算子的估计值；
38、无约束的最小二乘解
39、
40、得：
41、
42、由于矩阵a的秩为1，则参数矩阵a(x′x)-1a′是1阶可逆矩阵，则有：
43、
44、得到边缘像素p经亚像素重定位后的坐标
45、
46、在上述技术方案中，为确保亚像素定位算法的收敛性，求解原像素与重定位后像素之间的距离与距离阈值τ进行对比，当时，则认定该边缘像素重定位无效，保留原边缘像素的坐标值。
47、本专利技术具有以下有益效果：
48、本专利技术的基于亚像素定位的图像边缘跟踪方法，其中涉及的单像素边缘跟踪策略基于图像边缘方向呈连续性的假设，参考边缘像素点的局部极值与梯度方向，提取图像边缘像素组成的曲线集合。本专利技术的方法，对于边缘较为迷糊、对比度较低的图像，边缘检测的效果良好。提取的图像边缘没有过大的宽度，减少了冗余信息量，平滑，鲁棒性较强，简化了图像的后续处理。
49、本专利技术的基于亚像素定位的图像边缘跟踪方法，为了减小提取的图像边缘与实际边缘之间的偏差，以梯度方向为约束，参考相邻区域像素点的灰度值，对边缘像素进行亚像素重定位。
本文档来自技高网...【技术保护点】
1.一种基于亚像素定位的图像边缘跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，步骤3中的选取下一边缘像素点的规则包括：
3.根据权利要求1所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，步骤2中的候选边缘像素点的数量为3个。
4.根据权利要求1所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，步骤6具体包括：
5.根据权利要求4所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，对方程：
6.根据权利要求5所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，为确保亚像素定位算法的收敛性，求解原像素与重定位后像素之间的距离与距离阈值τ进行对比，当时，则认定该边缘像素重定位无效，保留原边缘像素的坐标值。
【技术特征摘要】
1.一种基于亚像素定位的图像边缘跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，步骤3中的选取下一边缘像素点的规则包括：
3.根据权利要求1所述的基于亚像素定位的图像边缘跟踪方法，其特征在于，步骤2中的候选边缘像素点的数量为3个。
4.根据权利要求1所述的基于亚像素定位的...
【专利技术属性】
技术研发人员：刘浩，姜金辰，任宏，孙海超，田睿，姜瑞凯，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。