一种快速检测的景观造型检测工具的制作方法
【技术领域】
[0001] 本发明设及景观造型领域，具体设及一种快速检测的景观造型检测工具。
【背景技术】
[0002] 从古到今，人类对美的追求就从来没有停止过。园林景观造型成为了城市建设中 重要的部分，景观造型检测工具是广大造型师在造型过程中的必备工具，然而，造型师肉眼 对景观轮廓并不敏感，传统的景观造型检测工具识别效率低，速度慢，在造型过程中具有很 大盲目性，很大程度上增加了造型师的工作量。一种快速检测的景观造型检测工具亟待开 发。
[0003] 目标轮廓识别作为目标识别的重要手段，由于实际应用中受到噪声、量化误差等 因素的影响，目标轮廓不可避免地会产生失真，为了准确描述轮廓特征，目标轮廓的滤波平 滑处理是十分必要的。目前，学者们提出了许多含噪轮廓的滤波平滑算法，但是普遍存在计 算量庞大、降噪效果不理想、容易发生过度滤波导致目标失真等问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种快速检测的景观造型检测工具。
[000引本发明的目的采用W下技术方案来实现：
[0006] -种快速检测的景观造型检测工具，包括普通景观造型检测工具和安装在景观造 型检测工具上的识别装置，该景观造型检测工具能够对景观轮廓进行识别，其特征是，包括 建模模块、分段模块、合并模块和滤波模块；
[0007] 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参 数化方程表示为G(t) = (x(t)，y(t))，其中x(t)和y(t)分别表示轮廓点的坐标，t表示轮廓 曲线方程的参数，且te[0，l];
[0008] 含噪轮廓的弧长参数化方程表示为:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪 声部分化(t)=化(Xi(t)，yi(t))，乘性噪声部分化(t)=化(X2(t)，y2(t));
[0009] 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GnU)所对应的曲率分别 为k(t)和kN(t);选宽度宽度为D的窗函数W(n)，对曲率kN(t)进行邻域平均，得到平均曲率 klN( t)，同时对窗口内的曲率值排序，选定中值曲率k2N( t)，将平均曲率klN( t)和中值曲率k2N (t)差的绝对值与选定的阔值Τι进行比较，根据比较结果决定含噪轮廓曲率k/N(t)，即：
[0010] 当 |kiN(t)-k2^t) |〉Τι时，k%(t)=kiN(t)
[00川否则，k'N(t)=k2N(t);
[0012] 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k%(t)将轮廓中所有 轮廓点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的 决定 Τκ，当 |k'N(t) |<TK*max|k%(t) I 时，特征函数 f(t)=0
[0013] 否则，特征函数f(t) = l。
[0014] 合并模块：用于剔除由于噪声干扰产生的伪特征点，W及对无法形成连续区域的 特征点和非特征点进行合并操作，从而得到有效的特征区域与非特征区域:选定一个起始 点0,轮廓起始点向两侧延伸合并相邻的点，W该起始点类型作为该区域预设类型，向两侧 延伸各SXy〇时停止，其中S为预设的最小长度
％〇点处的实时曲率修 正系数代表0点的曲率半径'代表由上述窗函数得到的0点的平均曲率半径，实 时曲率修正系数μ〇用于根据不同点的曲率不同，自动修正延伸长度，能有效减小合并后的 失真现象;分别计算两侧区域内相异点的个数Ν+1和Ν-1，若相异点的个数小于设定的该类 型相异点最小个数，则该区域与预设类型相同，否则，与预设类型相反;再W两个停止点0+1 和点0-1作为起始点重新开始计算，向外侧延伸SXy〇+域SXy〇-i时停止，其中μ〇+ι和μ〇-汾别 代表点0+1和点0-1处的实时曲率修正系数，两侧区域内相异点个数为Ν+2,0-巧侧区域内 相异点个数为Ν-2,根据上述判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S 的比例计算相异点个数，计入相应的特征区域;对相邻的同类型区域进行合并，得到连续的 特征区域和非特征区域；
[0015] 滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维 纳滤波来进行一级滤除，此时图像信息还包含有残余乘性噪音，通过F滤波器F(x，y)=qX exp(-(x 2+y2)/护进行二级滤除，其中q是将函数归一化的系数，即JJqXe邱(-(x2+y 2)/护） dxdy = 1，β为图像模板参数；
[0016] 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为GN(t)'=G(t)+Ni(t);假 设加性噪声为高斯白噪声:XN(t)'=X(t)+gl(t，o2)，yN(t)'=y(t)+g2(t，o2)，其中χN(t)'和 yN(t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gi(ty)和g2(ty)分别是均值为 零、方差为02的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声；
[0017] 采用函数
对含噪轮廓进行平滑，命名为K滤波器，经过轮廓点分类 和区域划分，含噪轮廓GN(t)'表示为不同类型轮廓分段的组合：
其中Gf (t)表示包含特征区域的轮廓分段，Gff (t)表示包含非特征区域的轮廓分段，根据 轮廓特征分布选取K滤波器的参数，同时考虑全局特征和局部特征因素，在特征区域，为了 保留细节信息，令σ<π?η(σ'，ρ;ιΧ化);在非特征区域，为了提高抑制噪声的效果，令 .σ > max(a'，po X σ〇);，其中(/为先验估算得到的全局方差，〇1为所选特征区域的先验估算 方差，〇〇为所选非特征区域的先验估算方差，扣为所选特征区域的平均实时曲率修正系数， Ρο为所选非特征区域的平均实时曲率修正系数;为了达到较好的平滑效果，选取每种类型 区域最小长度S的一半作为Κ滤波器85%置信区间的长度，从而根据两类区域的长度自适应 不同参数的Κ滤波器。
[0018] 本发明通过在景观造型检测工具上加装识别装置，景观造型检测工具能够对景观 轮廓进行识别，识别过程中能有效滤除景观轮廓噪声，达到良好的识别效果。识别结果形象 直观，可W很容易看出是否为指定形状，同时为下一步造型提供准确的轮廓支持，极大的减 轻了人的负担。
【附图说明】
[0019] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 审IJ，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可W根据W下附图获得 其它的附图。
[0020] 图1是本发明的快速检测的景观造型检测工具的结构框图。
【具体实施方式】
[0021] 结合W下实施例对本发明作进一步描述。
[0022] 图1是本发明的结构框图，其包括:建模模块、分段模块、合并模块、滤波模块。
[0023] 实施例1: 一种快速检测的景观造型检测工具，包括普通景观造型检测工具和安装 在景观造型检测工具上的识别装置，该景观造型检测工具能够对景观轮廓进行识别，其特 征是，包括建模模块、分段模块、合并模块和滤波模块；
[0024] 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参 数化方程表示为G(t) = (x(t)，y(t))，其中x(t)和y(t)分别表示轮廓点的坐标，t表示轮廓 曲线方程的参数，且te[0，l];
[0025] 含噪轮廓的弧长参数化方程表示为:GN(t)=G(t)+Ni(t)+N2(t)G(t)，其中加性噪 声部分化(t)=化(xi(t)，yi(t))，乘性噪声部分化(t)=化(X2(t)，y2(t));
[0026] 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GN(t)所对应的曲率分别 为k(t)和kN(t);由于受到噪声的影响，含噪轮廓GnU)上部分特征点的曲率值kN(t)不能准 确表示轮廓信息，为了得到准确的曲率，选宽度为DE {7,9}的窗函数W(n)，对曲率kN(t)进 行邻域平均，得到平均曲率klN(t)，同时对窗口内的曲率值排序，选定中值曲率k2N(t)，将平 均曲率klN(t)和中值曲率k2N(t)差的绝对值与选定的阔值Τι = 0.24进行比较，根据比较结果 决定含噪轮廓曲率k^NU)，即：
[0027] 当 |klN(t)-k2N