基于斜率判斷的Hough變換算法對實時性目標(biāo)檢測和識別的改進方案

在遙感圖像中，對江河上橋梁目標(biāo)的識別具有重要意義。由于橋梁的最突出特征在于橋體的平行直線，所以對平行直線的實時檢測十分重要。經(jīng)典的Hough變換是一種常用的檢測直線的方法，Hough變換的研究及應(yīng)用動態(tài)：Hough變換于1962年由Paul Hough提出，并在美國作為專利被發(fā)表。它所實現(xiàn)的是一種從圖像空間到參數(shù)空間的映射關(guān)系。由于具有一些明顯優(yōu)點和可貴性質(zhì)，它引起了許多國內(nèi)外學(xué)者和工程技術(shù)人員的普遍關(guān)注。例如，由于其根據(jù)局部度量來計算全面描述參數(shù)，因而對于區(qū)域邊界被噪聲干擾或被其他目標(biāo)遮蓋而引起邊界發(fā)生某些間斷的情況，它具有很好的容錯性和魯棒性。多年來，專家們對Hough變換的理論性質(zhì)和應(yīng)用方法進行了深入而廣泛的研究， 并取得了許多有價值的成果。它具有可對目標(biāo)進行有效檢測與識別、可并行實現(xiàn)、對噪聲不敏感等優(yōu)點，但是由于其自身的設(shè)計缺陷，無法完成對平行直線的實時性檢測。本文在經(jīng)典Hough變換的基礎(chǔ)上，提出了一種平行直線改進算法，如圖1所示。經(jīng)試驗證明，該算法能準(zhǔn)確地檢測識別出平行直線，且實時性較好。

1 算法原理

1.1 圖像二值化處理

將灰度圖像轉(zhuǎn)換為黑白的二值化圖像是圖像數(shù)字化處理的重要環(huán)節(jié)之一。目前常用的算法是采用閾值法對圖像進行二值化處理，即通過設(shè)定某個T閾值，并以該閾值為門限，把灰度圖像轉(zhuǎn)換成二灰度級的黑白圖像。在處理過程中，不同的樣品圖像根據(jù)灰度分布峰值的不同，按圖像特征的相應(yīng)要求，可以選擇不同的二值化轉(zhuǎn)換閾值T。對于256級的灰度圖像，將圖像上位于n處的灰度值記為Tn（0≤Tn≤255），則設(shè)定二值化閾值為Tn。則：

由式（1）即得到以二值化數(shù)據(jù)Tn標(biāo)定的二值化圖像fn，從而完成了圖像的二值化處理。

1.2 邊緣檢測

Hough變換的實質(zhì)是將圖像空間內(nèi)具有一定關(guān)系的像元進行聚類，尋找能把這些像元用某一解析形式聯(lián)系起來的參數(shù)空間累積對應(yīng)點。在參數(shù)空間不超過二維的情況下， 這種變換有著理想的效果。但是，一旦參數(shù)空間增大，計算量便會急劇上升，同時耗費巨大的存儲空間，耗時也隨之猛增。就此，多年來國內(nèi)外眾多學(xué)者針對具體情況對常規(guī)Hough變換進行了多方面的探索，并提出了許多有價值的改進方法。經(jīng)典Hough變換使用Canny算子進行邊緣檢測。雖然Canny算子能較好地檢測出圖像中的各個邊緣信息，但是在處理之后的圖像中，顯示了許多無用的邊緣信息，從而導(dǎo)致處理時間過長，失去了實時性意義。Canny 邊緣檢測算子是John F. Canny于 1986 年開發(fā)出來的一個多級邊緣檢測算法本文算法在對圖像二值化處理的基礎(chǔ)上，采用Sobel算子檢測圖像。

其邊緣檢測的實現(xiàn)過程是：使用圖2（a）的掩模對圖像fn進行濾波，再使用圖2（b）掩模對fn濾波，然后計算每個濾波后的圖像中的像素值的平方，并將兩幅圖像的結(jié)果相加，最后計算相加結(jié)果的平方根。

Hough變換先將（ρ，θ量化，并相應(yīng)設(shè)置一個二維累加器矩陣。累加器中的每個元素描述了（ρ，θ）平面上的一個離散點。將圖像中的每一個特征點代入θ的各個量化值，計算出對應(yīng)的ρ，計算所得值（經(jīng)量化）落在某個小格內(nèi)，即對參數(shù)空間累加器進行加1，使得圖像空間中直線的提取問題轉(zhuǎn)化為累加器計數(shù)求極大值問題。

1.4 改進的平行線檢測方法

無論是經(jīng)典的Hough變換，還是改進的Hough變換，都要經(jīng)過變換空間來檢測。對于直線而言，只要這一組直線是平行線，都有一個顯著的特征：即兩條直線的斜率是相等的，基于這一特征，設(shè)計了以下的算法：

（1）為了得到效果更好的邊緣圖像，首先要對圖像進行預(yù)處理，得到二值化圖像。

（2）再根據(jù)二值化圖像，設(shè)定合適的閾值T，對其進行邊緣檢測。

（3）運用Hough變換，將笛卡爾坐標(biāo)空間轉(zhuǎn)換成極坐標(biāo)空間（ρ，θ），找出若干峰值點，檢測出圖像中的直線。

（4）由于在采集時圖像會受到光照、大氣紊流等自然因素的影響，當(dāng)一幅遙感圖像中的所有直線被檢測出來后，一條直線會被分割成若干個小段。為了復(fù)原這種直線，可以設(shè)定閾值T2，計算同一直線上相鄰兩條直線段的距離，如果這個值小于閾值T2，將兩道路段進行連接，否則不作處理。

（5）檢測出各個直線段的起止點。

（6）在復(fù)原所有的直線段后，根據(jù)橋梁的特點，設(shè)定大閾值T3，用來檢測出較長的直線段（即橋體的其中一邊）；并利用直線段端點坐標(biāo)值，計算所有有用直線段的斜率K。即：

（7）當(dāng)其中一條直線段的斜率與已經(jīng)檢測出來的直線段（橋體其中一邊）的斜率之間的誤差≤0.1%時，即檢測出了橋體的另一邊，從而完成了實時檢測和識別橋梁。

2 實驗

本文選用某河流上的某橋梁作為實驗對象。兩種算法在相同條件下運行，硬件環(huán)境：CPU為Pentium○R4，主頻為3.2 GHz，內(nèi)存為1 GB；軟件環(huán)境為Matlab 7.1版本，操作系統(tǒng)為中文Windows XP，掃描圖像像素為449×617。圖5（a）為運用經(jīng)典Hough變換，在極坐標(biāo)空間下的峰值點檢測效果圖，圖5（b）為使用本文改進算法下的峰值點檢測效果圖。圖6（a）為經(jīng)典Hough變換算法下的檢測結(jié)果，圖6（b）為本文改進算法檢測的結(jié)果，圖6的閾值T2為35像素，大閾值T3為300像素。

從多次的實驗結(jié)果可知，經(jīng)典Hough變換所檢測的結(jié)果正確率不高，且使用時間較長，不能完成實時檢測和識別，也不能確定所檢測出的直線是否為平行線。利用本文算法所檢測出的直線，經(jīng)過斜率計算，兩直線的斜率差小于0.1%，可以視為斜率相等，故能判定這兩條直線為平行線，而且正確率與所用時間都優(yōu)于經(jīng)典Hough變換，如表1所示。

本文基于斜率判斷的Hough變換算法不但在時間上要比經(jīng)典的Hough變換快，而且正確率要比經(jīng)典Hough變換高，對于一般實時性目標(biāo)的檢測和識別均能取得較高的精度控制。但本文的算法在計算和存儲空間上有很大的可壓縮性，所以還有很多方面需要改進，尤其是對3個閾值的選取上，對算法的效率及最后的結(jié)果都有重要的影響。