基于亮度序均值标准差描述子的图像对称轴检测方法
【技术领域】
[0001] 本发明涉及计算机视觉中的图像特征自动检测领域，特别是数字图像中镜像对称 图形对称轴的检测。
【背景技术】
[0002] 图像中的镜像对称性度量在许多科学领域都有重要的应用价值，例如利用人脸的 对称特征进行人脸的识别与定位[1]，利用人体的近似对称性进行医学图像处理等[2]。已 有的镜像对称轴检测算法大致可以分为两类：基于特征点的检测方法和基于特征曲线的检 测方法。
[0003] 近年来，基于特征点的对称轴检测方法研究取得了一系列成果。G. Loy和J. Eklundh[3]提出基于图像的对称特性对特征点进行分组的方法，该方法能够检测局部 或全局对称性并能够在复杂的背景中定位对称轴，但需要计算所有对称性的方向和半 径。Guo[4]等人提出了镜面翻转不变的特征描述符架构（A framework for feature descriptors to be mirror reflection invariant，MIFT)，将 MIFT 应用到最常用的 SIFT 描述符上进行对称轴检测(简称，M-sift)。其目的是将原本在镜面翻转情况下失效的匹配， 转化成保持原有匹配所有优势同时又增加镜面反射不变性。其关键在于支撑区域内特征描 述符的重组，该方法的缺点在于：1)需要计算主方向的左指向特征信息和右指向特征信息； 2)支撑区域必须是常规形状（正方形或者圆形）；3)每个特征需要指定主方向来增强鲁棒 性。早期基于轮廓的镜面反射对称轴检测是通过增强对称边缘检测，从而寻找对称目标的
[5]。Wang等人[6]基于轮廓仿射不变性，提出一种旋转、反射和平移对称检测框架，主要采 用分组投票方法来确定对称类型。以上都是基于轮廓曲线的对称性检测方法，并没有充分 利用图像中的纹理信息。针对现有检测方法中存在的问题，本发明提出一种基于亮度序均 值标准差描述子[7]的图像对称轴检测方法，不同于现有的方法，本方法基于曲线匹配进 行图像对称轴的检测。首先选择与主方向确定无关的基于亮度序的曲线匹配描述子，获得 一幅图像中的所有匹配曲线对，然后引入梯度一致性度量和最小距离约束，由每组匹配曲 线对确定一个位点，最后对获得的所有的位点进行Hough变换确定图像的对称轴。本发明 提出的方法对图像的亮度、对比度、旋转以及噪声有较好鲁棒性，且易于实现。
[0004] 参考文献：
[1] Gareth Loy, Alexander Zelinsky. Fast Radial Symmetry for Detecting Points of Interest [J]. IEEE Trans on ΡΑΜΙ, 2003, 25(8), 959-973.
[2] Alexander V Tuzikov, Olivier Colliot, and Isabelle Bloch . Brain Symetry Plane Computationin MR Images Using Inertia Axes and Optimization [A].16th International Conference on Pattern Recognition (ICPR 02) Volume I[C]. Canada, QC, Quebec City:August 11-15，2002，10516-10519.
[3] G. Loy, J. Eklu ndh, Detecting symmetry and symmetric constellatio ns of features, In: Proc. European Conf. on Computer Vision, 2006, 508-521.
[4] Guo Xiaojiej Cao Xiaochun. MIFT: A framework for feature descriptors to be mirror reflection invariant. Image and Vision Computing 2012, 30, 546-556.
[5] D. Shenj H. Ipj E. Teohj Robust detection of skewed symmetries by combining local and semi-local affine invariants, Pattern Recognit. 2001，34 (7):1417-1428.
[6] Wang Zhaozhongj Fu Lianruij Li Y. F. Unified detection of skewed rotation, reflection and translation symmetries from affine invariant contour features. Pattern Recognition, 2014,47, 1764-1776.
[7] 王志衡，智珊珊，刘红敏，基于亮度序的均值标准差描述子，模式识别与人工智能， 2013，26(4) :409-416。
【发明内容】
[0005] 本发明针对数字图像中的镜像对称轴检测问题，提供了一种基于曲线匹配的图像 对称轴检测方法。为了实现本目的，本发明基于亮度序均值标准差描述子的图像对称轴检 测方法，包括以下步骤： 步骤Sl :获取图像并将其转化为灰度图像； 步骤S2:检测图像中的曲线； 步骤S3 :利用f献"干志衡等，某于亮度序的询倌标准差描沭子，樽式识别与人工智 能，2013, 26,4,DD409-416"提供的方法计算图像中任一曲线的亮度序均值标准差描述子， 以下简称描述子； 步骤S4 :利用描述子进行曲线匹配； 步骤S5 :对于一组匹配曲线对，按照下述步骤计算匹配曲线对上距离最小的梯度一致 点对的中点： 步骤S51 :获得匹配曲线对上的梯度一致点对； 步骤S52 :计算距离最小的梯度一致点对的中点； 步骤S6 :利用Hough变换获得图像对称轴。
[0006] 本发明提出的基于亮度序均值标准差描述子的图像对称轴检测方法，直接利用现 有的曲线匹配技术，首先获得一幅图像中的所有匹配曲线对，然后查找每组匹配曲线对上 梯度一致的点对，并引入最小距离约束，获取每组匹配曲线对上距离最小的梯度一致点对 的中点，最后对获得的所有的中点位置进行Hough变换确定图像的对称轴。该方法对图像 的亮度、对比度、旋转以及噪声有较好鲁棒性，且易于实现。
【附图说明】
[0007] 图1为本发明基于亮度序均值标准差描述子的图像对称轴检测方法流程图。
[0008] 图2a为实施例中使用的原始图像。图2b为利用Canny算子在图2a上检测的曲 线图，图中丢弃了像素数少于20的曲线；图2c为曲线匹配结果图，每组匹配曲线对使用直 线连接；图2d为图2a对称轴检测结果图。
【具体实施方式】
[0009] 如图1所示为本发明基于亮度序均值标准差描述子的图像对称轴检测方法流程 图，包括：获取图像并将其转化为灰度图像、检测图像中的曲线、利用文献[7]提供的方法 计算图像中任一曲线的亮度序均值标准差描述子、利用描述子进行曲线匹配、获得匹配曲 线对上的梯度一致点对、计算距离最小的梯度一致点对的中点，最后利用Hough变换获得 图像对称轴。各步骤的具体实施细节如下： 步骤Sl :获取图像并将其转化为灰度图像； 步骤S2 :检测图像中的曲线；具体方式为：利用Canny边缘检测算子对图像进行曲线 检测，并舍弃像素数少于20的曲线； 步骤S3:利用文献"王志衡等，基于亮度序的均值标准差描述子，模式识别与人工智 能，2013，26,4，pp409-416"提供的方法计算图像中任一曲线的亮度序均值标准差描述子， 以下简称描述子； 步骤S4 :利用描述子进行曲线匹配；具体方式为：记步骤S2获得的曲线 的描述子分别为，其中为曲线个数，对于中的任 一描述子A，分别计算A与中其它-个描述子之间的欧式距尚，记与4 间欧式距离取得最小值、次小值的描述子分别为巧、，距离最小值、次小值分别为
【主权项】
1. 一种基于亮度序均值标准差描述子的图像对称轴检测方法，其特征在于，包括步 骤： 步骤S1 ;获取图像并将其转化为灰度图像； 步骤S2 ;检测图像中的曲线；具体方式为；利用Canny边缘检测算子对图像进行曲线 检测，并舍弃像素数少于20的曲线； 步骤S3 :利巧专献"书煮衡等，某于亮麼序的拘值标准差描沐子，樽式识别与人工智 能，2013, 26,4,卯409-416"提供的方法计算图像中任一曲线的亮度序均值标准差描述子， W下简称描述子； 步骤S4 :利用描述子进行曲线匹配；具体方式为：记步骤S2获得的曲线 的描述子分别为，其中y为曲线个数，对于a，心中的任 一描述子A，分别计算A与中其它乂_1个描述子之间的欧式距离，记与公_ 间欧式距离取得最小值、次小值的描述子分别为％、〇.，距离最小值、次小值分别为 卸沿马)、绞':阳利用KKDR(巧)=马巧马巧巧）计算描述子巧的NNDR值，女口果 巧DR位）< 与，则C巧q:为一组匹配曲线对，其中阔值I；取值范围为0. 8?0. 85 ;记图像中 匹配曲线对为K皮=0=...，玄，J：为匹配曲线对个数； 步骤S5 :对于一组匹配曲线对(C;，巧:.|，按照下述步骤计算匹配曲线对上距离最小的 梯度一致点对的中点： 步骤S51 ;获得匹配曲线对上的梯度一致点对；具体方式为；对于图像中的一组匹 配曲线对(C.i:吗I，记点PsC为曲线C,上的一点，点P's 为曲线上的一点；记点P 在X方向和方向的梯度分量分别为、每P，点F在X方向和方向的梯度分量分别 为忠y和命 1。.，如果血，。、命和續.y同时满足如下；个条件；（1) I龙P -Ap.|<r2 ，口）I却> -却古I <了2，（3)庶^ -娘。。.化沪.命f < 0，阔值马的取值范围为0. 5?3,则P和 P,为供:cy上的一组梯度一致点对，记为巧/>:巧，同时记d'w=|护-巧I为梯度一致点对 巧:C巧的距离； 步骤S52;计算距离最小的梯度一致点对的中点；具体方式为；按照步骤S51计算 (Ci,巧)上所有的梯度一致点对，记距离最小的梯度一致点对为巧(巧，巧I，计算的中 点位直为A4 = I.巧-巧|y6 ; 步骤S6 ;利用Hou曲变换获得图像对称轴，具体方式为：根据步骤S5获得图像中所有 匹配曲线对1C,,q I。表=1，1 _装对应的中点集合抖/;}，对集合{M,}进行化U曲变换获得图 像的对称轴。
【专利摘要】本发明涉及一种基于亮度序均值标准差描述子的图像对称轴检测方法，包括：获取图像并将其转化为灰度图像、检测图像中的曲线、利用文献提供的方法计算图像中任一曲线的亮度序均值标准差描述子、利用描述子进行曲线匹配、获得匹配曲线对上的梯度一致点对、计算距离最小的梯度一致点对的中点，最后利用Hough变换获得图像对称轴。本发明提供的方法对图像的亮度变化、对比度变化、旋转以及噪声有较好鲁棒性，运算简单且易于实现。
【IPC分类】G06T7-60
【公开号】CN104599294
【申请号】CN201510034581
【发明人】刘红敏, 熊文俊, 邓超, 王静, 智珊珊, 王志衡, 贾利琴, 霍占强, 姜国权
【申请人】河南理工大学
【公开日】2015年5月6日
【申请日】2015年1月23日