预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110751631A(43)申请公布日2020.02.04(21)申请号201910959338.2G06K9/46(2006.01)(22)申请日2019.10.10(71)申请人郑州大学地址450000河南省郑州市高新技术开发区科学大道100号(72)发明人杨炯张健梁杰王帅普崔松涛(74)专利代理机构洛阳公信知识产权事务所(普通合伙)41120代理人王学鹏(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/13(2017.01)G06K9/32(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种快速高精度的矩形检测方法(57)摘要本发明提供一种快速高精度的矩形检测方法,本发明首先将待检测区域分割为若干个感兴趣区域,并分别对每一个感兴趣区域进行矩形检测;然后提取每一个感兴趣区域内子图像的亚像素轮廓,并分割亚像素轮廓为线段;定义多个判决条件的隶属度函数来判断任意4条线段是否可以组合成矩形,每个判决条件的结果是一个有关线段是否为矩形边的隶属度,并将多个判断条件的计算结果采用模糊数学的方法进行信息融合,以快速判断出任意4条线段是否可以组合成矩形,具有思路简单、精确度高以及耗时很少等优点。CN110751631ACN110751631A权利要求书1/2页1.一种快速高精度的矩形检测方法,其特征在于,包括以下步骤:S1:首先将待检测区域分割为若干个感兴趣区域,并分别对每一个感兴趣区域进行矩形检测;S2:提取每一个感兴趣区域内子图像的亚像素轮廓,并分割亚像素轮廓为线段;S3:定义多个判决条件来判断任意4条线段是否可以组合成矩形,每个判决条件的计算结果是一个有关线段是否为矩形边的隶属度函数;然后将多个判断条件的计算结果采用模糊数学的方法进行信息融合,并根据融合后得到的信息得出任意4条线段是否可以组合成矩形。2.根据权利要求1所述的一种快速高精度的矩形检测方法,其特征在于,所述步骤S3中的多个判决条件分别为:斜率条件、长度条件、相邻边正交以及矩形中心位置重合,将斜率条件、长度条件、相邻边正交以及矩形中心位置重合四者的隶属度函数采用模糊数学的方法进行信息融合,并根据融合后得到的信息得出任意4条线段是否可以组合成矩形。3.根据权利要求2所述的一种快速高精度的矩形检测方法,其特征在于:所述的步骤S3具体包括以下步骤:S31:定义任意4条线段分别为P1P2、P2P3、P3P4以及P1P4,任意4条线段的长度分别为P1P2=l1,P3P4=l2,P2P3=l3,P1P4=l4;S32:所述的斜率条件为:由于直线的斜率有可能不存在,故定义直线的斜率用角度来表示,其中,(x0,y0)和(x1,y1)分别为线段的端点坐标,则斜率条件的隶属度函数可以表示为:式中:b为角度差的阈值,w1为任意两直线xi、xj的斜率反正切值差的绝对值,即w1=|αi-αj|;S33:所述的长度条件为:若要满足矩形的长度条件,则需满足l1=l2,l3=l4,则长度条件的隶属度函数为:式中:c为长度差的阈值;w2为任意两直线xi、xj的长度差值的绝对值,即w2=|li-lj|;S34:所述的相邻边正交为:若要满足相临边正交,则相邻两边的角度差为即其中,则相邻边正交的隶属度函数为:2CN110751631A权利要求书2/2页式中:w3为任意两直线xi、xj的角度差的绝对值,即w3=arctanki-arctankj;S35:所述的矩形中心位置重合为:定义线段P1P2和P3P4的对角线交点为O1,线段P2P3和P1P4对角线交点为O2,O1和O2点重合时满足矩形的中心不变性,则矩形中心位置重合的隶属度函数为:式中:m,n均为中心点距离阈值,其中n>m,w4为两对角线交点之间的距离,即w4=O1O2。S36:将上述4个判决条件的隶属度函数采用模糊数学的方法进行信息融合,融合公式如下:式中:uj(wj)为第j个判别式得到的线段为矩形边的隶属度值,1-uj(wj)为第j个判别式得到的线段不是矩形边的隶属度值,当S>0时,4条线段可以组合成矩形,反之,S≤0时,4条线段无法组合成矩形。3CN110751631A说明书1/5页一种快速高精度的矩形检测方法技术领域[0001]本发明属于图像处理技术领域,具体涉及一种快速高精度的矩形检测方法。背景技术[0002]快速而准确地检测矩形在许多实际应用中具有重要的意义,例如,在汽车的车牌定位与识别和复杂背景下的二维码检测,矩形零件的识别与定位等。目前矩形检测方法的研究中大部分是基于Hough变换检测直线方法或者基于Harris角点检测方法检测矩形的。但Hough变换需要对每个像素点操作,导致基于Hough变换的矩