(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211358977.1 (22)申请日 2022.11.02 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 皇攀凌　颜承壮　周军　史建杰　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 祖之强 (51)Int.Cl. G06T 7/70(2017.01) G06T 7/90(2017.01) G06T 7/13(2017.01) G06T 7/00(2017.01) (54)发明名称 基于MSR和广义霍夫变换的自定义标志 检测 方法及系统 (57)摘要 本发明提供了一种基于MSR和广义霍夫变换 的自定义标志 检测方法及系统， 属于一般的图像 处理技术领域。 根据自定义标记图像创建广义霍 夫查找表； 对待检测图像进行预处理， 所述预处 理依次包括MSR、 转灰度图和高斯模糊； 根据预处 理后的图像生成待处理的第一梯度角度图， 使用 广义霍夫查找表对第一梯度角度图进行投票， 采 用非极大值抑制得到自定义标志的预测位置， 根 据所有预测位置得到检测结果图像； 本发明采用 改进的多尺度Retinex （MSR） 算法实现输入图像 的色彩恒常性， 通过改进广义霍夫变换快速检测 出自定义标志物在图像中的位置， 极大的提高了 自定义标志检测结果的精度。 权利要求书2页 说明书8页 附图2页 CN 115409890 A 2022.11.29 CN 115409890 A 1.一种基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 包括以下 过程： 根据自定义标记图像创建广义霍夫查找 表； 对待检测图像进行预处理， 所述预处理依次包括MSR、 转灰度图和高斯模糊； 其中， MSR 包括： 采用多尺度高斯卷积模板对待检测图像的亮度分量进行模糊处理， 对模糊处理的结 果进行加权平均处理， 计算每个像素点处的加权平均处理后的亮度分量与 原始亮度分量的 比值， 用所述比值与原图RGB通道相乘得到 MSR处理后的彩色图像； 根据预处理后的图像生成待处理的第 一梯度角度图， 使用广义霍夫查找表对第 一梯度 角度图进行投票， 采用非极大值抑制得到自定义标志的预测位置， 根据所有预测位置得到 检测结果图像。 2.如权利要求1所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 根据自定义标记图像创建广义霍夫查找 表， 包括： 将自定义标记图像转 为单通道灰度图， 在单通道灰度图上构建XY坐标系； 使用Socel算子分别计算单通道灰度图的X方向和Y方向的梯度， 将X方向和Y方向的梯 度转换为梯度幅值和梯度角度， 过滤掉梯度幅值小于 设定值的部 分， 得到第二梯度角度图， 根据第二梯度角度图创建广义霍夫查找 表。 3.如权利要求2所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 过滤掉梯度幅值小于设定值的部分之后， 将剩余的梯度角度从0 ‑2π变成整数1到 ANGLE_STEP+1之间， 其中ANGLE_STEP+1为设定值。 4.如权利要求1所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 采用多尺度高斯卷积模板对待检测图像的亮度分量进行模糊处理， 对模糊处理 的结果 进行加权平均处 理， 包括： 其中， 为第k个尺度的反射分量， 为MSR处理后的亮度分量， 为第k 个尺度的方差， 为第k个尺度的权重， D为高斯模板中指定点到模板中心的距离， Fk为第k 个尺度高斯卷积模板， N 为尺度的个数。 5.如权利要求1所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 根据预处 理后的图像生成待处 理的第一梯度角度图， 包括： 将预处理后的图像转为单通道灰度图， 在单通道灰度图上构建XY坐标系， 使用Socel算 子分别计算单通道灰度图的X方向和Y方向的梯度， 将X方向和Y方向的梯度转换为梯度幅值 和梯度角度， 过 滤掉梯度幅值小于设定值的部分， 得到待处 理的第一梯度角度图。 6.如权利要求5所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于，权　利　要　求　书 1/2 页 2 CN 115409890 A 2使用广义霍夫查找 表对第一梯度角度图进行投票， 包括： 以梯度角度为索引， 在广义霍夫查找表中查找对应的相对位移， 将该梯度角度在第一 梯度角度图中的坐标加上相对位移得到投票坐标， 此时投票统计图中投票坐标处的像素值 加1， 遍历梯度角度图中所有的梯度角度并投票， 得到投票统计图。 7.如权利要求6所述的基于 MSR和广义霍夫变换的自定义标志检测方法， 其特 征在于， 采用非极大值抑制得到自定义标志的预测位置， 包括： 对投票统计图做膨胀操作， 将邻域中的每个像素值替换为邻域中的最大值， 将膨胀前 的投票图像与膨胀后的投票图像进行openCV位与操作， 得到标志候选位置； 过滤掉投票数量低于自适应投票阈值的标志候选位置， 得到最终标记目标的像素坐 标， 其中自适应投票阈值 为创建广义霍夫查找 表时所有投票次数的总和乘以系数P。 8.一种基于 MSR和广义霍夫变换的自定义标志检测系统， 其特 征在于， 包括： 广义霍夫查找 表创建模块， 被 配置为： 根据自定义标记图像创建广义霍夫查找 表； 图像预处理模块， 被配置为： 对待检测图像进行预处理， 所述预处理依次包括MSR、 转灰 度图和高斯模糊， 其中， MSR， 包括： 采用多尺度高斯卷积模板对待检测图像的亮度分量进 行 模糊处理， 对模糊处理的结果进行加权平均 处理， 计算每个像素点处的加权平均 处理后的 亮度分量与 原始亮度分量的比值， 用所述比值与 原图RGB通道相乘得到MSR处理后的彩色图 像； 检测结果生成模块， 被配置为： 根据 预处理后的图像生成待处理 的第一梯度角度图， 使 用广义霍夫查找表对第一梯度角度图进行投票， 采用非极大值抑制得到自定义标志的预测 位置， 根据所有预测位置得到检测结果图像。 9.一种计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实 现如权利要求1 ‑7任一项所述的基于 MSR和广义霍夫变换的自定义标志检测方法中的步骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程 序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的基于MSR和 广义霍夫变换的自定义标志检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115409890 A 3