基于水流法的寬線檢測算法
【專利摘要】本發明屬于計算機數字圖像處理技術領域，具體為一種基于水流法的寬線檢測算法。其步驟為：構建地貌海拔圖：將輸入的彩色圖像轉化為灰度圖像，采用導向濾波對灰度圖像進行邊緣保留的平滑處理，以圖像灰度信息作為海拔數據構建地貌海拔圖；水流法獲取寬線響應圖：計算平滑后圖像的粗糙度圖像，通過Otsu選取粗糙度較大的像素點作為候選水分子，在地貌海拔圖上利用水流法得到寬線響應圖，水流法坡閾值和幾何閾值參數自適應選取；寬線提取：計算輸入圖像的暗度信息或明度信息來消除錯誤的線響應，通過一些形態學操作進行平滑處理，獲得最終寬線檢測結果。本發明方法能夠檢測出線的厚度，能自適應地檢測出紋理形狀、厚度各異的寬線，可極大的提高寬線檢測的準確度。
【專利說明】
基于水流法的寬線檢測算法
技術領域
[0001] 本發明屬于計算機數字圖像處理技術領域，具體涉及一種基于水流法的寬線檢測 算法。
【背景技術】
[0002] 線檢測已經被廣泛應用在中醫舌診、生物特征檢測和航拍圖像中道路和河流檢測 等。然而目前大多數線檢測方法忽略了線厚度，對噪聲敏感，難以適應紋理形狀和厚度各異 的線檢測。傳統的邊緣檢測算法，如Canny算子，僅僅提取寬線的邊緣，沒有考慮線的厚度。 還有一些基于邊緣的檢測算法，把寬線看成由兩條平行邊緣組合成的目標，這種方法首先 在圖像中找出所有邊緣信息，然后通過分析這些邊緣信息來找出需要的目標邊緣，然而這 種方法忽略了線的厚度，線的厚度信息在許多應用中是非常有價值的。
[0003] -種流行的線檢測算法是將線當作山脊或山谷，采用微分的幾何性質來檢測線。 然而二階導數被使用，使得這種方法對噪聲是敏感的。另一種廣泛被使用的線檢測算法為 基于區域估計的方法，如WLD線檢測算子、LWF線檢測算子。基于區域估計的線檢測算法的目 標旨在提取出整個寬線。WLD線檢測算子是基于各向同性的線響應核來提取出寬線。LWF線 檢測算子是基于密度估計核來檢測寬線。這種基于區域估計的線檢測算法對噪聲是魯棒 的，由于沒有采用微分幾何性質。WLD線檢測算子能提取出整個寬線，適應于不同厚度的寬 線檢測。但是由于WLD線檢測算子是基于圓形核的各向同性估計，易受周圍相似灰度值的線 和區域的影響。LWF線檢測算子具有實時和對噪聲魯棒的優勢，然而它僅僅只能檢測出小目 標，并且沒有提供自適應地參數選擇方法，使得它的通用性比較弱。
[0004] 為了解決這些問題，本發明提出了一種基于水流法的寬線檢測算法。首先，導向濾 波被用來平滑輸入的灰度圖像，導向濾波具有邊緣保留的優點;然后，以濾波后圖像灰度信 息作為海拔數據構建地貌海拔圖，在地貌海拔圖上采用水流法得到寬線響應圖。為了優化 水流法，預先通過計算圖像的粗糙度信息來選取候選水分子像素;最后，采用暗度信息或明 度信息來消除錯誤線響應，一些形態學操作被用來提取最終的寬線檢測結果。此外，本發明 也提出了 一種參數自適應選擇的方法，以至于水流法是魯棒的。
【發明內容】
[0005] 本發明的目的在于克服以上技術中的缺陷，提供一種魯棒的、準確的、適應性強的 基于水流法的寬線檢測算法。
[0006] 本發明提出的寬線檢測算法，是基于水流模型和地貌海拔模型的寬線提取的方 法。灰度圖像中每個候選像素點作為一個水分子。水分子總是往海拔低的方向流動，當水分 子遇到暗溝時，將停止流動。暗溝可以儲藏水，當暗溝儲滿水后，即暗溝被填平了，再有水分 子流經時，將不會被儲藏而直接流過，當圖像中沒有余留暗溝時，水分子將流出圖像。本發 明提出的方法能檢測出線的厚度，對噪聲魯棒，能夠適應紋理形狀和厚度各異的線檢測。
[0007] 本發明提出的寬線檢測算法，是一種基于水流模型和地貌海拔模型的寬線提取的 方法，其具體步驟如下：
[0008] (1)、構建地貌海拔圖；
[0009] (2)、水流法獲取寬線響應圖；
[0010] (3)、寬線提取。
[0011] 上述步驟(1)所述的構建地貌海拔圖，其具體步驟如下：
[0012] (11)、輸入原始彩色圖像，將其轉化為灰度圖像；
[0013] (12)、采用導向濾波對灰度圖像進行邊緣保留的平滑處理，獲得濾波后的圖像I;
[0014] (13)、以圖像灰度信息作為海拔數據構建地貌海拔圖I;
[0015] 上述步驟(2)所述的水流法獲取寬線響應圖，其具體步驟如下：
[0016] (21)、計算平滑后圖像I的粗糙度圖像，通過Otsu選取候選水分子像素，其具體步 驟如下：
[0017] (211)、計算平滑后灰度圖像I的粗糙度信息：在圖像I上，對于每一個像素 k，它的 粗糙度Rk是以像素 k為中心的局部窗口 Wk內像素灰度值的標準方差〇k:
[0018] Rk = 〇k
[0019] 其中，局部窗口 wk的半徑r，為了完全檢測出整個寬線，需要滿足:r要大于線的寬 度w-半，即:r>w/2;
[0020] (212)、利用Otsu對粗糙度圖像進行二值化處理，選取粗糙度較大的（二值化圖像 中白色的)像素作為候選水分子；
[0021] (22)、在地貌海拔圖I上采用水流法得到寬線響應圖L，其具體步驟如下：
[0022] (221)、在地貌海拔圖I，采用水流法得到暗線響應圖L，其具體步驟如下：
[0023] (2211)、采用8鄰域系統；
[0024] (2212)、定義水流模型參數和變量，其具體步驟如下：
[0025] (22121)、定義當前水分子像素(XQ，yQ)和其8鄰域像素間的灰度差值為D[8] :
[0026] D[i] = I(xo,yo)-I(xi,yi), Vi e 13
[0027] 其中，（Xl，yi)為當前水分子像素8鄰域系統中i方向上的像素坐標，Ω為當前像素8 鄰域方向集合，BP:
[0028] Ω ={Northwest,North,Northeast,East, Southeast, South, Southwest,West}；
[0029] (22122)、確定當前水分子像素(xo，yo)的流動方向：
[0030]
[0031] (22123)、確定當前水分子像素(XQ，yQ)與其8鄰域的最大差值：
[0032]
[0033] (22124)、確定當前水分子像素(XQ，yQ)與其8鄰域差值的最大絕對值：
[0034]
[0035] (2213 )、水流法獲得暗線響應圖L，它的灰度值初始化為0，定義坡閾值為T，對每個 候選水分子像素獨立執行如下水流算法，水流算法的具體步驟如下：
[0036] (22131)、如果md<T且當前水分子像素(XQ，yQ)未流到地貌海拔圖I的邊界，那么檢 測到當前水分子像素遇到暗溝，停止流動，并填補暗溝，為一個暗線響應點：
[0037] 填補暗溝：I(xq，y〇) = I(xq，y〇)+mad，
[0038] 更新暗線響應圖 L:L(XQ，yo) =L(xo，yo)+mad;
[0039] (22132)、否則如果當前水分子像素(XQ，yo)流動地貌海拔圖I邊界，那么直接流出 地貌海拔圖I;
[0040] (22133)、否則當前水分子像素(XQ，yQ)繼續朝著其8鄰域灰度差值最大的方向流 動，即f方向；
[0041] (222)、在地貌海拔圖I，采用水流法得到明線響應圖L，其具體步驟如下：
[0042] (2221)、采用水流法，假設水分子總是往海拔高的方向流動；
[0043] (2222)、與暗線檢測方法類似，不同點主要體現在以下兩方面：
[0044] (22221)、當前水分子像素(XQ，yQ)與其8鄰域像素的灰度差值調整為：
[0045] D |.t] = /(x,·, yL) - I(x0, v〇), Vi G /2
[0046] (22222)、消除亮脊區域：I(xo，yo) = I(xq，yo)_mad
[0047] (23)、坡閾值T和幾何閾值g參數自適應選取，其具體步驟如下：
[0048] (231)、采用統計學方法對坡閾值T進行自適應選擇:為了檢測寬線，須滿足TS0， 首先求出每個候選水分子像素與其8鄰域內灰度差值的絕對值的最大值mad，然后采用直方 圖進行統計分析，直方圖的橫縱坐標分別為mad值i和其相應的像素數η，設置T:
[0049]
[0050] ,Nc為候選水分子像素的總數；
[0051] (232)、采用統計學方法對幾何閾值g進行自適應選擇:幾何閾值g用來消除線響應 圖中較暗的噪聲點和線外圍較暗的環帶區域，利用線響應圖L非零像素來創建二維直方圖， 直方圖的橫縱坐標分別為灰度值i和其相應的像素數n，舍去30%灰度較低的像素，得到g:
[0052]
[0053] 丨為線響應圖L中非零像素的總數；
[0054]上述步驟(3)所述的寬線提取，其具體步驟如下：
[0055] (31)、對于暗線檢測，計算濾波后圖像的暗度信息，消除錯誤的線響應，其具體步 驟如下：
[0056] (311)、暗度計算:在濾波后的圖像I上，對于每一個像素 X，它的暗度是以像素 X為 中心的局部窗口 WX內像素灰度值的最小值：
[0057]
[0058] 其中局部窗口 Wx的半徑r;
[0059] (312)、采用Otsu對暗度圖像進行二值化處理；
[0060] (313 )、結合暗度二值化圖像來消除暗線響應圖L中錯誤的線響應；
[0061] (32)、對于明線檢測，計算濾波后圖像的明度信息，消除錯誤的線響應，其具體步 驟如下：
[0062] (321)、明度計算:在濾波后的圖像I上，對于每一個像素 X，它的明度是以像素 X為 中心的局部窗口 WX內像素灰度值的最大值：
[0063]
[0064] 其中局部窗口 wx的半徑r;
[0065] (322)、采用Otsu對明度圖像進行二值化處理；
[0066] (323 )、結合明度二值化圖像來消除明線響應圖L中錯誤的線響應；
[0067] (33)、對線響應進行一些形態學操作，獲得最終寬線檢測結果。
[0068] 與現有技術相比，本發明的有益效果為：
[0069] 1、本發明提出了一個新穎的基于水流模型的方法來魯棒的提取寬線目標，極大的 提高了寬線檢測的準確度；
[0070] 2、本發明提出的基于水流法的寬線檢測算法能夠檢測出線的厚度，能自適應地檢 測出紋理形狀、厚度各異的寬線；
[0071] 3、本發明提出了一種模型參數自適應選擇的方法，使得寬線檢測算法是魯棒的；
[0072] 4、本發明有助于提高寬線檢測應用的準確率，如中醫舌裂紋檢測，航拍圖像道路 和河流檢測，樹枝和樹葉紋理檢測、掌紋檢測、卡通圖像紋理檢測和生物特征紋理檢測等應 用。
【附圖說明】
[0073] 圖1為本發明的基于水流法的寬線檢測算法的總流程框圖。
[0074] 圖2為圖1中步驟(1)所述的地貌海拔圖構建的流程圖。
[0075] 圖3為圖1中步驟(2)所述的水流法獲取寬線響應圖的流程圖。
[0076] 圖4為圖1中步驟(3)所述的寬線提取的流程圖。
[0077] 圖5為本發明的基于水流法的寬線檢測算法在不同應用下的寬線檢測結果。
【具體實施方式】
[0078]下面結合附圖和實施例對本發明作進一步詳細說明。
[0079] 參照圖1，本發明的基于水流法的寬線檢測算法，其具體步驟如下：
[0080] (1 )、地貌海拔圖構建，如圖2所示，其具體步驟如下：
[0081] (11)、輸入原始彩色圖像如圖5(a)，將其轉化為灰度圖像；
[0082] (12)、采用導向濾波對灰度圖像進行邊緣保留的平滑處理，獲得濾波后的圖像I: 以灰度圖像作為導向圖對其采用導向濾波進行平滑處理，導向濾波的兩個參數設置:局部 窗口半徑r = 5,正則系數e =〇.〇〇1;
[0083] (13)、以圖像灰度信息作為海拔數據構建地貌海拔圖I:濾波后灰度圖像I的灰度 信息作為海拔數據，灰度越高海拔越高，灰度越低海拔越低；
[0084] (2)、水流法獲取寬線響應圖，如圖3所示，其具體步驟如下：
[0085] (21)、計算平滑后圖像I的粗糙度圖像，通過Otsu選取候選水分子像素，其具體步 驟如下：
[0086] (211)、計算平滑后灰度圖像I的粗糙度信息：在圖像I上，對于每一個像素 k，它的 粗糙度Rk是以像素 k為中心的局部窗口 Wk內像素灰度值的標準方差〇k:
[0087] 其中局部窗口 wk的半徑r，為了完全檢測出整個寬線，需要滿足:r要大于線的寬度 w-半，即:r>w/2,在實驗中，可以設置一個較大的r，即:r = 9;
[0088] (212)、利用Otsu對粗糙度圖像進行二值化處理，選取粗糙度較大的（二值化圖像 中白色的)像素作為候選水分子；
[0089] (22)、在地貌海拔圖I上采用水流法得到寬線響應圖L，其具體步驟如下：
[0090] (221)、在地貌海拔圖I，采用水流法得到暗線響應圖L，其具體步驟如下：
[0091] (2211)、采用8鄰域系統；
[0092] (2212)、定義水流模型參數和變量，其具體步驟如下：
[0093] (22121)、定義當前水分子像素(XQ，yQ)和其8鄰域像素間的灰度差值為D[8] :
[0094] D Li] = l(x0, y0) - / (xb y；), ￥? G Ω
[0095] 其中，（Xl，yi)為當前水分子像素8鄰域系統中i方向上的像素坐標，Ω為當前像素8 鄰域方向集合，BP:
[0096] Ω ={Northwest,North,Northeast,East, Southeast, South, Southwest,West}；
[0097] (22122)、確定當前水分子像素(XQ，yQ)的流動方向：
[0098] f = argmaxD[i]
[0099] (22123)、確定當前水分子像素(XQ，yQ)與其8鄰域的最大差值：
[0100] md = maxD[i]
[0101] (22124)、確定當前水分子像素(XQ，yQ)與其8鄰域差值的最大絕對值：
[0102] mad = rpgx
[0103] (2213)、水流法獲得暗線響應圖L，它的灰度值初始化為0,定義坡閾值為T，對每個 候選水分子像素獨立執行如下水流算法，水流算法的具體步驟如下：
[0104] (22131)、如果md<T且當前水分子像素(XQ，yQ)未流到地貌海拔圖I的邊界，那么檢 測到當前水分子像素遇到暗溝，停止流動，并填補暗溝，為一個暗線響應點：
[0105] 填補暗溝：I(xq，y〇) = I(xq，y〇)+mad，
[0106] 更新暗線響應圖 L: L(xq，yo) =L(xq，yo)+mad;
[0107] (22132)、否則如果當前水分子像素(xo, yo)流動地貌海拔圖I邊界，那么直接流出 地貌海拔圖I;
[0108] (22133)、否則當前水分子像素(XQ，yQ)繼續朝著其8鄰域灰度差值最大的方向流 動，即f方向；
[0109] (222)、在地貌海拔圖I，采用水流法得到明線響應圖L，其具體步驟如下：
[0110] (2221)、采用水流法，假設水分子總是往海拔高的方向流動；
[0111] (2222)、與暗線檢測方法類似，不同點主要體現在以下兩方面：
[0112] (22221)、當前水分子像素(X〇，yQ)與其8鄰域像素的灰度差值調整為：
[0113] Dltj = KxllJd - i(xa,y〇), Vi e Ω
[0114] (22222)、消除亮脊區域:I(x0，yo) = I(x0，yo)_mad
[0115] (23)、坡閾值T和幾何閾值g參數自適應選取，其具體步驟如下：
[0116] (231)、采用統計學方法對坡閾值T進行自適應選擇:為了檢測寬線，須滿足TS0， 首先求出每個候選水分子像素與其8鄰域內灰度差值的絕對值的最大值mad，然后采用直方 圖進行統計分析，直方圖的橫縱坐標分別為mad值i和其相應的像素數η，設置T:
[0117] Τ = _Τ。
[0118] 其
為候選水分子像素的總數；
[0119] (232)、采用統計學方法對幾何閾值g進行自適應選擇:幾何閾值g用來消除線響應 圖中較暗的噪聲點和線外圍較暗的環帶區域，利用線響應圖L非零像素來創建二維直方圖， 直方圖的橫縱坐標分別為灰度值i和其相應的像素數n，舍去30%灰度較低的像素，得到g:
[0120]
[0121] ，N為線響應圖L中非零像素的總數；
[0122] (3)、寬線提取，如圖4所示，其具體步驟如下：
[0123] (31)、對于暗線檢測，計算濾波后圖像的暗度信息，消除錯誤的線響應，其具體步 驟如下：
[0124] (311)、暗度計算:在濾波后的圖像I上，對于每一個像素 X，它的暗度是以像素 X為 中心、的??·??窗* I~I Wv出Y兔查1 i//瘡^吉?Α福? /丨、Y吉.
[0125]
[0126] 其中局部窗口Wx的半徑r，在實驗中，設置r = 7;
[0127] (312)、采用Otsu對暗度圖像進行二值化處理；
[0128] (313)、結合暗度二值化圖像來消除暗線響應圖L中錯誤的線響應；
[0129] (32)、對于明線檢測，計算濾波后圖像的明度信息，消除錯誤的線響應，其具體步 驟如下：
[0130] (321)、明度計算:在濾波后的圖像I上，對于每一個像素 X，它的明度是以像素 X為 中心的局部窗口 WX內像素灰度倌的最大倌：
[0131]
[0132] 其中局部窗口 Wx的半徑1~，在實驗中，設置r = 7;
[0133] (322)、采用Otsu對明度圖像進行二值化處理；
[0134] (323 )、結合明度二值化圖像來消除明線響應圖L中錯誤的線響應；
[0135] (33)、對線響應進行一些形態學操作，獲得最終寬線檢測結果，如圖5(b)所示。
【主權項】
1. 一種基于水流法的寬線檢測算法，其特征在于，具體步驟如下： (1)、構建地貌海拔圖； (2 )、水流法獲取寬線響應圖； (3)、寬線提取； 其中： 步驟(1)所述的構建地貌海拔圖，具體過程如下： (11 )、輸入原始彩色圖像，將其轉化為灰度圖像； (12) 、采用導向濾波對灰度圖像進行邊緣保留的平滑處理，獲得濾波后的圖像/; (13) 、W圖像灰度信息作為海拔數據構建地貌海拔圖/; 步驟(2)所述的水流法獲取寬線響應圖，具體過程如下： (21) 、計算平滑后圖像/的粗糖度圖像，通過化SU選取候選水分子像素； (22) 、在地貌海拔圖/上采用水流法得到寬線響應圖 (23) 、坡闊值巧日幾何闊值察參數自適應選取； 步驟(3)所述的寬線提取，具體過程如下： (31) 、對于暗線檢測，計算濾波后圖像的暗度信息，消除錯誤的線響應； (32) 、對于明線檢測，計算濾波后圖像的明度信息，消除錯誤的線響應； (33) 、對線響應進行一些形態學操作，獲得最終寬線檢測結果。2. 根據權利要求1所述的基于水流法的寬線檢測算法，其特征在于，步驟(2)中所述計 算平滑后圖像f的粗糖度圖像，通過化SU選取候選水分子像素，其具體過程如下： (211) 、計算平滑后灰度圖像/的粗糖度信息：在圖像/上，對于每一個像素 A，它的粗糖 度是W像素巧3中必的局部窗0??內像素灰度值的標準方差馬： 技k 二 〇k 其中，局部窗口 $攝的半徑r，為了完全檢測出整個寬線，需要滿足:r要大于線的寬度i 一半，即：Γ >陸7'2; (212) 、利用化SU對粗糖度圖像進行二值化處理，選取粗糖度較大的像素作為候選水分 子。3. 根據權利要求1所述的基于水流法的寬線檢測算法，其特征在于，步驟(2)中所述在 地貌海拔圖/上采用水流法得到寬線響應圖^其具體過程如下： (221) 、在地貌海拔圖/，采用水流法得到暗線響應圖 (222) 、在地貌海拔圖/，采用水流法得到明線響應圖Z。4. 根據權利要求3所述的基于水流法的寬線檢測算法，其特征在于，步驟(221)中所述 在地貌海拔圖/，采用水流法得到暗線響應圖^其具體過程如下： (2211) 、采用8鄰域系統； (2212) 、定義水流模型參數和變量； (2213 )、水流法獲得暗線響應圖Z，它的灰度值初始化為0，定義坡闊值為Γ，對每個候選 水分子像素獨立執行水流算法； 其中，所述定義水流模型參數和變量的具體過程如下： (22121) 、定義當前水分子像素替％>觀)和其8鄰域像素間的灰度差值為i:其中，撼為當前水分子像素8鄰域系統中坊向上的像素坐標J為當前像素8鄰域方 向集合，即： 二、-奸，巧〇;-化 iVorifo?打化按船 (22122) 、確定當前水分子像素轉φ裝的流動方向：(22123) 、確定當前水分子像素(.抑,>'e)與其8鄰域的最大差值：(22124 )、確定當前水分子像素{x〇>.轉)與其8鄰域差值的最大絕對值：所述水流法的具體過程如下： (22131) 、如果wd、;、T且當前水分子像素 G錦,>'〇)未流到地貌海拔圖I的邊界，那么檢測 到當前水分子像素遇到暗溝，停止流動，并填補暗溝，為一個暗線響應點： 填補暗溝：/ (%,況）'心K尤召.，於）牛巧'說校;， 更新暗線響應圖i:克動齡觀;裏:耗幻，狗;3率絳游i; (22132) 、否則如果當前水分子像素知)，妍)流動地貌海拔圖!邊界，那么直接流出地貌 海拔圖if; (22133 )、否則當前水分子像素〇旬，於，)繼續朝著其8鄰域灰度差值最大的方向流動，即f 方向。5. 根據權利要求3所述的基于水流法的寬線檢測算法，其特征在于，步驟(222)中所述 在地貌海拔圖/，采用水流法得到明線響應圖^其具體過程如下： (2221) 、采用水流法，假設水分子總是往海拔高的方向流動； (2222) 、與暗線檢測方法類似，不同點主要體現在如下兩方面： (22221)、當前水分子像素與其8鄰域像素的灰度差值調整為：(2222別、消除亮脊K域：.Π :龍奔，幻）? /(友白>y(;)…m抹茲。6. 根據權利要求1所述的基于水流法的寬線檢測算法，其特征在于，步驟(2)中所述坡 闊值巧日幾何闊值潑參數自適應選取，其具體過程如下： (231)、采用統計學方法對坡闊值f進行自適應選擇:為了檢測寬線，須滿足r盛CI，首先 求出每個候選水分子像素與其8鄰域內灰度差值的絕對值的最大值mad,然后采用直方圖進 行統計分析，直方圖的橫縱坐標分別為mad值i和其相應的像素數η，設置Γ: Τ 二"To 其中：海e為候選水分子像素的總數； (232)、采用統計學方法對幾何闊值該進行自適應選擇:幾何闊值潑用來消除線響應圖 中較暗的噪聲點和線外圍較暗的環帶區域，利用線響應圖非零像素來創建二維直方圖，直 方圖的橫縱坐標分別為灰度值i和其相應的像素數n，舍去30%灰度較低的像素，得到綜： 鞋萬排3 其中：Λ勸線響應圖Z中非零像素的總數。7. 根據權利要求1所述的基于水流法的寬線檢測算法，其特征在于，步驟(3)中所述對 于暗線檢測，計算濾波后圖像的暗度信息，消除錯誤的線響應，其具體過程如下： (311 )、暗度計算:在濾波后的圖像/上，對于每一個像素 X，它的暗度是W像素 X為中屯、 的局部窗口觀內像素灰度值的最小值：其中，局部窗口微的半徑r; (312) 、采用化SU對暗度圖像進行二值化處理； (313) 、結合暗度二值化圖像來消除暗線響應圖Z中錯誤的線響應。8. 根據權利要求1所述的基于水流法的寬線檢測算法，其特征在于，步驟(3)中所述對 于明線檢測，計算濾波后圖像的明度信息，消除錯誤的線響應，其具體過程如下： (321 )、明度計算:在濾波后的圖像/上，對于每一個像素 X，它的明度是W像素 X為中屯、 的局部窗口拌灰內像素灰度值的最大值：其中，局部窗口嚇的半徑r; (322) 、采用化SU對明度圖像進行二值化處理； (323) 、結合明度二值化圖像來消除明線響應圖i中錯誤的線響應。
【文檔編號】G06K9/46GK105938556SQ201610255819
【公開日】2016年9月14日
【申請日】2016年4月22日
【發明人】張文強, 胡洋洋, 路紅, 張睿, 鄭驍慶, 張超, 王 華, 薛向陽
【申請人】復旦大學