心得 | 论文 | 作文 | 风水 | 谜语 | 菜谱 | 组词 | 诗词 | 成语 | 注音 | 考试 | 日记 | 教学 | 课件 | 汉字 | 词语 | 解梦 | 草药 | 单词 | 格言 | 笑话 | 康熙字典

位置:学习心得体会网 >> 论文范文 >> 教学论文 >> 物理论文

随机Hough变换直线检测参数空间有效性

类型:物理论文 时间:2015年12月16日

摘要:利用Hough变换进行直线检测时,由于直线在参数空间中的映射容易受到邻近目标、噪声以及本身非理想状态的干扰,算法中的投票过程较易出现无效累积,进而导致虚检、漏检及端点定位不准等问题。针对传统方法的上述缺陷,提出了一种基于ρθ域最小二乘拟合修正的随机Hough变换的直线检测方法。首先, 在随机抽样时利用像素-长度比值对抽样的有效性进行判定,剔除不在直线上的抽样点对;然后, 对邻域相关点进行ρθ域的最小二乘拟合,得到修正后的直线参数用于累加投票,投票过程中设定累加阈值,通过检测峰值点逐次检出疑似长直线;最后, 通过设定断裂阈值对每条长直线进行筛选和分段,定位出直线段的端点。仿真实验表明,所提方法在投票时有效抑制了复杂环境对局部最大值的干扰,使直线检测的准确率得到显著提升。

关键词:直线检测;随机Hough变换;最小二乘法;参数空间;投票有效性

引言

在图像处理和计算机视觉领域,目标识别是一个重要的课题,而直线的检测又是其中最为基本的内容之一。直线检测之前通常需要对图像进行预处理,如去噪、增强、分割、边缘检测等,将图像转换为只包含边缘信息的二值图像再进行直线检测[1-2]。图像直线检测的难点在于,既要正确捕获直线目标,又要保证一定的宽容度以适应非理想直线的情形。

Hough变换(Hough Transform, HT)是处理直线检测问题的一种经典算法,在诸多领域得到了广泛应用[3-5]。它的主要思想是,在参数空间的离散化网格中,利用“多对一”映射将各个像素点映射到参数空间,然后通过累加“投票”得到共线的像素点在参数空间的映射,进而得到图像中直线的参数。这种方法为在参数域进行直线检测提供了新的思路,但实际应用中由于非理想直线和复杂场景干扰,效果不佳。一方面图像中的潜在直线往往因为噪声的干扰而偏离理想状态,出现诸如局部弯曲或断裂的现象,参数空间峰值点不容易被检测到,导致漏检;另一方面,潜在直线周边的其他非直线目标像素的存在,使参数空间相应位置出现伪峰,导致虚检。

利用较小采样集合代替全点集的改进方法取得了较好的效果,最早且有代表性的是Xu等[6]的随机Hough变换(Randomized Hough Transform, RHT)和Kiryati等[7]的概率Hough变换(Probabilistic Hough Transform, PHT),但因全局采样而引入大量无效累积,复杂场景效果不佳。毛俊勇等[8]在所建立的点属于某直线上不确定性度量概率模型基础上,根据随机选择的两点间直线参数,按照Bayesian法则用基于不确定度量的参数空间软投票,但检测算法的分辨率受到度量模型和投票网格的限制。Ji等[9]引入局部增强算子,通过增加参数空间中直线峰值和噪声之间的差异,得到更准确的局部最大值,但累加过程仍然基于标准Hough变换(Standard Hough Transform, SHT),需要全局计算,效率不高。王竞雪等[10]在Hough变换前采用相位编组(Phase Grouping)方法进行边缘跟踪,降低了直线间干扰,但对多条直线相交的等复杂连通情形效果不理想。Lee等[11]和Chung等[12]采用多参数的离散Hough变换,在孤立直线检测中比SHT具有更高检测率,但多参数的引入导致了较大计算量。

RHT随机选取点对,避免了传统Hough变换“多对一”映射的缺陷,却使得累积具有很大的盲目性,而且噪声和互相干扰使得参数计算精度受到影响。基于此,本文提出了一种在参数空间进行最小二乘修正的随机Hough变换方法。首先进行边缘点随机抽样,对抽样两点之间是否可能存在直线进行判断并筛选; 然后对其所有邻域相关点进行ρθ域的最小二乘拟合,根据修正后的直线参数在累加网格进行累加,通过搜索累加最大值计算得到检测直线参数; 最后通过断裂-尺度阈值定位出线段的端点,完成直线段的检测。这种方法有效地减少了随机Hough变换的无效累加,提高了累加效率,并避免了在参数空间累加网格中搜索局部最大值的过程,有效减少了直线检测的误检和漏检,得到定位准确的直线段。

相关阅读

更多分类