具有先验信息的经纬仪测量图像目标检测技术
摘要：在分析序列测量图像El标基本特性的基础上，提出了一种利用测量El标形状的先验信息进行图像El标检测的方法． 首先对测量图像进行Hough变换，然后根据已知的目标外形几何关系对变换后所得的直线进行分析，确定包含El标边缘的直 线，从而得到El标的准确外形．实验表明：此种方法具有较强的检测能力，尤其对于含噪声较大的图像更加明显．
基于图像处理的经纬仪测量方法由于其具有客 观性、非接触性和测量精度高等特点，被广泛应用于 试验和鉴定中Ll J．但是，在一些环境条件下一般经 纬仪成像质量往往不十分理想．对此类图像进行目 标检测时，所得到的目标图像边缘不光滑，存在较多 的断点和重复点，这是由于测量图像的各类噪声所 造成的．以往许多文献也对此类图像的目标检测算 法进行了大量研究，但效果并不理想．作者认为，单 纯地优化检测算法，很难再提高目标的检测效果，必 须结合测量图像的具体特性研究检测算法． 光电经纬仪测量图像一般用于运动目标的测 量 J，试验机| 扭力计| 流速仪| 粗糙度仪| 流量计| 平衡仪| 由于在测量前运动目标的形状都已知．因此， 完全可以将这些已知的先验信息应用到测量图像的 目标检测中，结合测量目标的具体形状特性设计专 用检测算法，提高测量图像的目标检测能力．正是基 于这个思想，本文提出了一种利用测量目标形状先 验信息进行图像目标检测的方法．首先，采用Hough 变换技术检测目标图像边缘点所包含的所有直线 然后，结合已知目标边缘轮廓线的几何关系对这些 直线进行分析，确定目标边缘所包含的直线，从而检 测出目标的准确区域．
测量图像的预处理 由于测量图像一般数据量较大，直接进行 Hough变换显然是不现实．因此，在Hough变换前 必须对测量图像采用常规的Sobel算子进行目标边 缘的初步提取．由于图像质量的限制，提取的目标边 缘必然存在断点、重叠和误分等．此时，再对这些边 缘进行Hough变换，这样，既得到目标的准确边缘， 又大大减小了计算量．但是，由于以上过程中直接对 原始图像进行边缘提取会将背景和目标内部的灰度 变化误作边缘提取．所以，在边缘提取前，首先，采用 最大类间方差算法求出图像的二值化阈值，由于阈 值采取的原则是使图像背景和目标区域的平均灰度 差最大，因此，利用此阈值对测量图像进行二值化后 背景和目标区域内的灰度变化都不会显示出来．然 后，再采用Sobel算子对二值化图像进行边缘点提 取，得到代表图像边界的一些点集．这样就可以克服 直接采用Sobel算子时容易将目标内部灰度变化剧 烈点误作边缘点的问题．
1．1 测量图像的二值化 由于经纬仪用于对较远的目标进行测量，虽然 测量图像目标与背景的边界梯度较小，比较模糊，但 目标与背景的平均灰度相差比较大．因此，本文采用 最大类间方差算法【3](Otsu)求取图像的二值化阈 值．基本思路是：选取最佳阈值，使得不同类间的分 离性最好．该判决准则基于灰度直方图的一阶统计 特性，运算速度快，其原理为： 设图像，厂中，灰度值为i的像素的数目是 z ，图 ， 像的灰度等级为L，则总像素数为：N=Σn ，各灰 z= 1 度出现的概率为：P = tti． 设以灰度k为门限将图像分成2个区域，灰度 为1～k的像素属于前景区域，记为A，灰度为k+1 ～ L的像素属于背景区域，记为B，则区域A 和区 f， 域B的概率分别为：COA= ，COB= ． ． 定义区 1 k 域A和区域B的平均灰度为：，』A=÷ (i× )， tuA 一 1 ， ： ( × )，其中．／1为图像-厂的平均灰 度， = ( ×P )=(U A+(U B，则前景区域A和 背景区域B的类间方差为： 盯 2= lA( A一 )2+cuB( B一 )2= [ 【 (垒 cU(k)[1一cU(k)]
1．2 测量目标图像的边缘检测 采用梯度算子检测二值化图像中目标的边缘， 梯度算子是一阶导数算子．对一个连续函数f( ， Y)，它在位置f( ，Y)的梯度可表示为一个矢量． Vf(x， )=[ ， ]T=[ ， ] (4) 在本文中采用小区域模板卷积来近似计算，对 G 和G 各用一个模板，所以需要2个模板组合起 来以构成一个梯度算子．因此，选择SObel【 j算子，它 采用2个3×3模板，如图1所示．算子运算时是使 用类似卷积的方式，将模板在图像上移动并在每个 位置计算对应中心像素的梯度值，检测结果如图3 所示． 图1 SobeI模板 图2 测量图像原图 图3 边缘检测图 按照最大类间方差准则，从1～L改变k，并计 算类间方差 2，使式(1)最大的志即是图像二值化 从图3可以清晰地看到：虽然检测出了图像的 阈值，采用此阈值对图像进行二值化． 边缘，但边缘存在着许多断裂、重复的直线，且目标 区域内部也存在着许多短线，很难确定目标的真实 边界．但是，对于测量目标，一般都事先知道目标的 形状信息．如本例中的方位标，其外形为长方形，因 此，可利用目标外形的先验信息辅助目标检测．根据 目标形状分析，此类目标边缘为直线，所以，虽然边 缘存在较多断点，但边缘直线所含的点还是居多．这 样，就可以通过采用Hough检测边缘附近含最多点 的直线确定目标的边缘．
2 算法实现 为了检测目标边缘所包含的直线，本文采用 Hough变换检测方法，它是一种全局的物体形状检 测算子，由于其抗噪声能力强而受瞩目．Hough把图 像物体的空间信息转换到物体特征参数空间，从而 将物体形状检测的问题转化为在特征空间中对特征 参数的寻找．主要运用在复杂背景中寻找可用参数 描述的几何形状，如圆、直线等 ’6j． Hough变换的基本思想是点线对偶性 J，其图 像变换前在图像空间，变换后在参数空间．Hough变 换就是把在图像空间中的直线检测问题转换到参数， 空间里对相交点的检测问题，即通过在参数空间里 对相交点进行累加统计，并搜索局部极大值来完成 直线的检测任务． 由于检测出的此类目标边缘点集都是离散数 据，因此，根据上述原理可按下面步骤实现Hough 变换： (1)将0i—lD 参数空间量化为 × (其中 z 1 o n 为角度的等份数，m= ， 为弧长的等份数， 取 测量图像的对角线像素数；一90。≤ ≤90。，P，的最 大值为测量图像的对角线像素数)个单元，对应于每 个单元设立累加器矩阵T(m， )； (2)将所有累加器初值置0； (3)针对检测到的点集里每一个点0≤ ，≤180 在区间内按量化步长依次取 ，计算对应的 值， 并据此在相应的累加器单元加1，集 (i，J)=T ( ， )+1； (4)扫描累加器矩阵，T( ， )取值最大的( ， P，)值对应的直线即为所求； (5)当图像中有多条直线时．将累加器矩阵已提 取直线的( ，p )值附近局部区域的累加器值置0， 转步骤(4)，直到找出所有直线对应的极值点，检测 结果如图4、图5及表1所示．
3 目标边缘的确定 以下是算法执行的结果，其中图4和图5分别 是Hough变换矩阵的结果图和目标边缘图，表1为 检测出曲线的参数，顺序按直线长度从长向短排列． 表1 边缘检测参数 (a)所有检测边缘 (b)前3个检测边缘 经过Hough变换后的结果如图4a所示，其检 测出的目标边缘如图5a所示，从图4、图5中可以 看出：共检测出6个极值点，对应6条直线，每条直 线的参数对应如表1中的数据．由目标形状的先验 信息可知：目标在图中的成像区域为3条边，且尽管 图像噪声较大，但目标的边缘仍然对应最长的3条 直线．因此，可直接取最大的3个极值点及对应的直 线，其效果如图4a、图4b所示，检测出的3条直线 正是目标的3条边．当然，也可以通过直线的角度先 验信息进行验证，由于目标存在2条平行直线，且第 3条直线与前．2条平行，并短于前两条．因此，变换 矩阵中前2个极值点对应2条平行边缘，第3点对 应与其垂直的边缘．表1的检测参数准确地验证了 上述结果，从表1可以看出：线1、线2的长度分别 是106和98，其角度均为一90。，线3的长度为73个 像素，角度为0。．所以，线1、线2分别为目标2条平 行垂直边，线3为水平横边．
4 结 束 语 本文利用测量图像中目标区域的先验信息，根 据Hough变换原理实现了测量目标边缘的检测．实 验证明：此方法检测的目标边缘准确，具有较强的抗
业务：
