具有先驗(yàn)信息的經(jīng)緯儀測(cè)量圖像目標(biāo)檢測(cè)技術(shù)
摘要：在分析序列測(cè)量圖像El標(biāo)基本特性的基礎(chǔ)上，提出了一種利用測(cè)量El標(biāo)形狀的先驗(yàn)信息進(jìn)行圖像El標(biāo)檢測(cè)的方法． 首先對(duì)測(cè)量圖像進(jìn)行Hough變換，然后根據(jù)已知的目標(biāo)外形幾何關(guān)系對(duì)變換后所得的直線進(jìn)行分析，確定包含El標(biāo)邊緣的直 線，從而得到El標(biāo)的準(zhǔn)確外形．實(shí)驗(yàn)表明：此種方法具有較強(qiáng)的檢測(cè)能力，尤其對(duì)于含噪聲較大的圖像更加明顯．
基于圖像處理的經(jīng)緯儀測(cè)量方法由于其具有客 觀性、非接觸性和測(cè)量精度高等特點(diǎn)，被廣泛應(yīng)用于 試驗(yàn)和鑒定中Ll J．但是，在一些環(huán)境條件下一般經(jīng) 緯儀成像質(zhì)量往往不十分理想．對(duì)此類圖像進(jìn)行目 標(biāo)檢測(cè)時(shí)，所得到的目標(biāo)圖像邊緣不光滑，存在較多 的斷點(diǎn)和重復(fù)點(diǎn)，這是由于測(cè)量圖像的各類噪聲所 造成的．以往許多文獻(xiàn)也對(duì)此類圖像的目標(biāo)檢測(cè)算 法進(jìn)行了大量研究，但效果并不理想．作者認(rèn)為，單 純地優(yōu)化檢測(cè)算法，很難再提高目標(biāo)的檢測(cè)效果，必 須結(jié)合測(cè)量圖像的具體特性研究檢測(cè)算法． 光電經(jīng)緯儀測(cè)量圖像一般用于運(yùn)動(dòng)目標(biāo)的測(cè) 量 J，試驗(yàn)機(jī)| 扭力計(jì)| 流速儀| 粗糙度儀| 流量計(jì)| 平衡儀| 由于在測(cè)量前運(yùn)動(dòng)目標(biāo)的形狀都已知．因此， 完全可以將這些已知的先驗(yàn)信息應(yīng)用到測(cè)量圖像的 目標(biāo)檢測(cè)中，結(jié)合測(cè)量目標(biāo)的具體形狀特性設(shè)計(jì)專 用檢測(cè)算法，提高測(cè)量圖像的目標(biāo)檢測(cè)能力．正是基 于這個(gè)思想，本文提出了一種利用測(cè)量目標(biāo)形狀先 驗(yàn)信息進(jìn)行圖像目標(biāo)檢測(cè)的方法．首先，采用Hough 變換技術(shù)檢測(cè)目標(biāo)圖像邊緣點(diǎn)所包含的所有直線 然后，結(jié)合已知目標(biāo)邊緣輪廓線的幾何關(guān)系對(duì)這些 直線進(jìn)行分析，確定目標(biāo)邊緣所包含的直線，從而檢 測(cè)出目標(biāo)的準(zhǔn)確區(qū)域．
測(cè)量圖像的預(yù)處理 由于測(cè)量圖像一般數(shù)據(jù)量較大，直接進(jìn)行 Hough變換顯然是不現(xiàn)實(shí)．因此，在Hough變換前 必須對(duì)測(cè)量圖像采用常規(guī)的Sobel算子進(jìn)行目標(biāo)邊 緣的初步提�。捎趫D像質(zhì)量的限制，提取的目標(biāo)邊 緣必然存在斷點(diǎn)、重疊和誤分等．此時(shí)，再對(duì)這些邊 緣進(jìn)行Hough變換，這樣，既得到目標(biāo)的準(zhǔn)確邊緣， 又大大減小了計(jì)算量．但是，由于以上過程中直接對(duì) 原始圖像進(jìn)行邊緣提取會(huì)將背景和目標(biāo)內(nèi)部的灰度 變化誤作邊緣提�。裕谶吘壧崛∏�，首先，采用 最大類間方差算法求出圖像的二值化閾值，由于閾 值采取的原則是使圖像背景和目標(biāo)區(qū)域的平均灰度 差最大，因此，利用此閾值對(duì)測(cè)量圖像進(jìn)行二值化后 背景和目標(biāo)區(qū)域內(nèi)的灰度變化都不會(huì)顯示出來．然 后，再采用Sobel算子對(duì)二值化圖像進(jìn)行邊緣點(diǎn)提 取，得到代表圖像邊界的一些點(diǎn)集．這樣就可以克服 直接采用Sobel算子時(shí)容易將目標(biāo)內(nèi)部灰度變化劇 烈點(diǎn)誤作邊緣點(diǎn)的問題．
1．1 測(cè)量圖像的二值化 由于經(jīng)緯儀用于對(duì)較遠(yuǎn)的目標(biāo)進(jìn)行測(cè)量，雖然 測(cè)量圖像目標(biāo)與背景的邊界梯度較小，比較模糊，但 目標(biāo)與背景的平均灰度相差比較大．因此，本文采用 最大類間方差算法【3](Otsu)求取圖像的二值化閾 值．基本思路是：選取最佳閾值，使得不同類間的分 離性最好．該判決準(zhǔn)則基于灰度直方圖的一階統(tǒng)計(jì) 特性，運(yùn)算速度快，其原理為： 設(shè)圖像，廠中，灰度值為i的像素的數(shù)目是 z ，圖 ， 像的灰度等級(jí)為L，則總像素?cái)?shù)為：N=Σn ，各灰 z= 1 度出現(xiàn)的概率為：P = tti． 設(shè)以灰度k為門限將圖像分成2個(gè)區(qū)域，灰度 為1～k的像素屬于前景區(qū)域，記為A，灰度為k+1 ～ L的像素屬于背景區(qū)域，記為B，則區(qū)域A 和區(qū) f， 域B的概率分別為：COA= ，COB= ． ． 定義區(qū) 1 k 域A和區(qū)域B的平均灰度為：，』A=÷ (i× )， tuA 一 1 ， ： ( × )，其中．／1為圖像-廠的平均灰 度， = ( ×P )=(U A+(U B，則前景區(qū)域A和 背景區(qū)域B的類間方差為： 盯 2= lA( A一 )2+cuB( B一 )2= [ 【 (壘 cU(k)[1一cU(k)]
1．2 測(cè)量目標(biāo)圖像的邊緣檢測(cè) 采用梯度算子檢測(cè)二值化圖像中目標(biāo)的邊緣， 梯度算子是一階導(dǎo)數(shù)算子．對(duì)一個(gè)連續(xù)函數(shù)f( ， Y)，它在位置f( ，Y)的梯度可表示為一個(gè)矢量． Vf(x， )=[ ， ]T=[ ， ] (4) 在本文中采用小區(qū)域模板卷積來近似計(jì)算，對(duì) G 和G 各用一個(gè)模板，所以需要2個(gè)模板組合起 來以構(gòu)成一個(gè)梯度算子．因此，選擇SObel【 j算子，它 采用2個(gè)3×3模板，如圖1所示．算子運(yùn)算時(shí)是使 用類似卷積的方式，將模板在圖像上移動(dòng)并在每個(gè) 位置計(jì)算對(duì)應(yīng)中心像素的梯度值，檢測(cè)結(jié)果如圖3 所示． 圖1 SobeI模板 圖2 測(cè)量圖像原圖 圖3 邊緣檢測(cè)圖 按照最大類間方差準(zhǔn)則，從1～L改變k，并計(jì) 算類間方差 2，使式(1)最大的志即是圖像二值化 從圖3可以清晰地看到：雖然檢測(cè)出了圖像的 閾值，采用此閾值對(duì)圖像進(jìn)行二值化． 邊緣，但邊緣存在著許多斷裂、重復(fù)的直線，且目標(biāo) 區(qū)域內(nèi)部也存在著許多短線，很難確定目標(biāo)的真實(shí) 邊界．但是，對(duì)于測(cè)量目標(biāo)，一般都事先知道目標(biāo)的 形狀信息．如本例中的方位標(biāo)，其外形為長方形，因 此，可利用目標(biāo)外形的先驗(yàn)信息輔助目標(biāo)檢測(cè)．根據(jù) 目標(biāo)形狀分析，此類目標(biāo)邊緣為直線，所以，雖然邊 緣存在較多斷點(diǎn)，但邊緣直線所含的點(diǎn)還是居多．這 樣，就可以通過采用Hough檢測(cè)邊緣附近含最多點(diǎn) 的直線確定目標(biāo)的邊緣．
2 算法實(shí)現(xiàn) 為了檢測(cè)目標(biāo)邊緣所包含的直線，本文采用 Hough變換檢測(cè)方法，它是一種全局的物體形狀檢 測(cè)算子，由于其抗噪聲能力強(qiáng)而受矚目．Hough把圖 像物體的空間信息轉(zhuǎn)換到物體特征參數(shù)空間，從而 將物體形狀檢測(cè)的問題轉(zhuǎn)化為在特征空間中對(duì)特征 參數(shù)的尋找．主要運(yùn)用在復(fù)雜背景中尋找可用參數(shù) 描述的幾何形狀，如圓、直線等 ’6j． Hough變換的基本思想是點(diǎn)線對(duì)偶性 J，其圖 像變換前在圖像空間，變換后在參數(shù)空間．Hough變 換就是把在圖像空間中的直線檢測(cè)問題轉(zhuǎn)換到參數(shù)， 空間里對(duì)相交點(diǎn)的檢測(cè)問題，即通過在參數(shù)空間里 對(duì)相交點(diǎn)進(jìn)行累加統(tǒng)計(jì)，并搜索局部極大值來完成 直線的檢測(cè)任務(wù)． 由于檢測(cè)出的此類目標(biāo)邊緣點(diǎn)集都是離散數(shù) 據(jù)，因此，根據(jù)上述原理可按下面步驟實(shí)現(xiàn)Hough 變換： (1)將0i—lD 參數(shù)空間量化為 × (其中 z 1 o n 為角度的等份數(shù)，m= ， 為弧長的等份數(shù)， 取 測(cè)量圖像的對(duì)角線像素?cái)?shù)；一90�！� ≤90。，P，的最 大值為測(cè)量圖像的對(duì)角線像素?cái)?shù))個(gè)單元，對(duì)應(yīng)于每 個(gè)單元設(shè)立累加器矩陣T(m， )； (2)將所有累加器初值置0； (3)針對(duì)檢測(cè)到的點(diǎn)集里每一個(gè)點(diǎn)0≤ ，≤180 在區(qū)間內(nèi)按量化步長依次取 ，計(jì)算對(duì)應(yīng)的 值， 并據(jù)此在相應(yīng)的累加器單元加1，集 (i，J)=T ( ， )+1； (4)掃描累加器矩陣，T( ， )取值最大的( ， P，)值對(duì)應(yīng)的直線即為所求； (5)當(dāng)圖像中有多條直線時(shí)．將累加器矩陣已提 取直線的( ，p )值附近局部區(qū)域的累加器值置0， 轉(zhuǎn)步驟(4)，直到找出所有直線對(duì)應(yīng)的極值點(diǎn)，檢測(cè) 結(jié)果如圖4、圖5及表1所示．
3 目標(biāo)邊緣的確定 以下是算法執(zhí)行的結(jié)果，其中圖4和圖5分別 是Hough變換矩陣的結(jié)果圖和目標(biāo)邊緣圖，表1為 檢測(cè)出曲線的參數(shù)，順序按直線長度從長向短排列． 表1 邊緣檢測(cè)參數(shù) (a)所有檢測(cè)邊緣 (b)前3個(gè)檢測(cè)邊緣 經(jīng)過Hough變換后的結(jié)果如圖4a所示，其檢 測(cè)出的目標(biāo)邊緣如圖5a所示，從圖4、圖5中可以 看出：共檢測(cè)出6個(gè)極值點(diǎn)，對(duì)應(yīng)6條直線，每條直 線的參數(shù)對(duì)應(yīng)如表1中的數(shù)據(jù)．由目標(biāo)形狀的先驗(yàn) 信息可知：目標(biāo)在圖中的成像區(qū)域?yàn)?條邊，且盡管 圖像噪聲較大，但目標(biāo)的邊緣仍然對(duì)應(yīng)最長的3條 直線．因此，可直接取最大的3個(gè)極值點(diǎn)及對(duì)應(yīng)的直 線，其效果如圖4a、圖4b所示，檢測(cè)出的3條直線 正是目標(biāo)的3條邊．當(dāng)然，也可以通過直線的角度先 驗(yàn)信息進(jìn)行驗(yàn)證，由于目標(biāo)存在2條平行直線，且第 3條直線與前．2條平行，并短于前兩條．因此，變換 矩陣中前2個(gè)極值點(diǎn)對(duì)應(yīng)2條平行邊緣，第3點(diǎn)對(duì) 應(yīng)與其垂直的邊緣．表1的檢測(cè)參數(shù)準(zhǔn)確地驗(yàn)證了 上述結(jié)果，從表1可以看出：線1、線2的長度分別 是106和98，其角度均為一90。，線3的長度為73個(gè) 像素，角度為0。．所以，線1、線2分別為目標(biāo)2條平 行垂直邊，線3為水平橫邊．
4 結(jié) 束 語 本文利用測(cè)量圖像中目標(biāo)區(qū)域的先驗(yàn)信息，根 據(jù)Hough變換原理實(shí)現(xiàn)了測(cè)量目標(biāo)邊緣的檢測(cè)．實(shí) 驗(yàn)證明：此方法檢測(cè)的目標(biāo)邊緣準(zhǔn)確，具有較強(qiáng)的抗
業(yè)務(wù)：