基于漏斗变换的图像直线检测方法技术

本发明专利技术公开了一种基于漏斗变换的图像直线检测方法，其主要思路为：确定原始二维图像，并将原始二维图像作为待检测图像，然后对待检测图像进行预处理，得到预处理后的图像，所述预处理后的图像包括第一图像和第二图像；分别计算1D傅立叶变换后的变尺度图像和一维离散傅立叶变换后的图像；再对第一图像进行漏斗变换，得到ω

Image linear detection method based on funnel transformation

The invention discloses an image line detection method for funnel transform based its main ideas: to determine the original two-dimensional image, and the original image as a two-dimensional image to be detected, then treat detection image preprocessing, image pretreatment, the image pretreatment includes first and second images; calculated image scale image and one-dimensional discrete Fu Liye transform Fu Liye transform 1D after; then funnel transform on the first image, get.

【技术实现步骤摘要】
基于漏斗变换的图像直线检测方法
本专利技术属于图像处理领域，涉及一种基于漏斗变换的图像直线检测方法，适用于基于漏斗变换的直线检测过程。
技术介绍
当今社会，人类获取信息的手段多种多样，图像作为其中相对直观的一种方式尤为重要。图像处理(imageprocessing)，是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理，是一个正在蓬勃发展的研究领域；图像处理一般指数字图像处理，数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分，其中特征识别和提取作为关键步骤尤其重要。图像处理中常用的特征有很多，比如边缘、直线、角点、曲线等。其中直线比较普遍，构成了图像中的一类重要特征；图像中的直线是人们对图像的一种重要的理解，常常对应着待检测物体中某些特征，例如生活中笔直的马路、一柱擎天的高楼等等，然后通过检测技术将这些特征对应的直线提取出来，方便识别具体的目标；因此，图像中的直线作为构成几何图形的最基本元素，能够很好地帮助人们识别目标物体。图像中的物体和场景很多都包含了直线的结构，比如建筑物、机场跑道、桥梁、公路等。直线特征携带了很多重要的图像信息，因此在图像中准确地提取直线特征就显得尤为重要。直线检测问题是图像处理、模式识别和计算机视觉等领域一类经典的中间层次的问题，直线检测算法分为霍夫变换类直线检测方法和非霍夫变换类直线检测方法。霍夫变换类直线检测方法多使用图像的全局信息进行直线检测，现有最著名的数字图像直线检测方法为标准霍夫变换(StandardHoughTransform,SHT)方法，该标准霍夫变换方法是一种利用图像全局信息来检测直线的方法，计算复杂度比较大，存储需求也很大，并且检测准确率容易受到分辨率和噪声的影响；针对标准霍夫变换方法存在的问题，学者们在标准霍夫变换方法的基础之上提出了基于傅里叶变换的霍夫变换方法(Forier-basedHT，FHT)、自适应霍夫变换、快速霍夫变换等方法，上述方法统称为霍夫变换类直线检测方法，霍夫变换类直线检测方法的基本思想是基于一个假设检验的过程，即原始图像坐标系下的一条直线对应参数空间中的一个点,相对应的，参数空间内的一个点对应原始图像坐标系中的一条直线，这样原始图像坐标系中的一条直线由于斜率和截距相同，因而对应参数空间中的同一个点。霍夫变换类直线检测方法做出如下的假设：利用极坐标表示原始图像，极坐标系下的原始图像中包含若干条直线，每条直线可以用一个参数空间内的参数对唯一标示，每个参数对对应着一个累计单元，每个累积单元都对应着一条假定的直线，而每条假定的直线上的像素点在经过霍夫变换后都能够对某条假定的直线成为真正的直线提供支持(表现在数值上)。显然真实直线得到的“支持票”要大于虚假直线的票值；进而可将原始图像空间的直线转化为带有票值的参数空间内的局部极大累计单元。最后利用峰值检测方法，即提取参数空间中的局部极大值，提取所述局部极大值对应的直线。以上所述为霍夫变换类直线检测方法通常包括的图像边缘像素提取(边缘检测)、投票累积和峰值检测三个过程；明显地，霍夫变换类直线检测方法在实现时都依赖于边缘检测算法，也就是说霍夫变换类直线检测方法的性能往往会受到边缘检测算法性能的制约和影响，这也是该霍夫变换类直线检测方法的主要问题。与霍夫变换类方法不同的是，非霍夫变换类方法通过使用图像的局部信息进行直线检测，该非霍夫变换类方法更适合于直线段的检测，其中最著名的是线性时间线段检测算子(Linear-timelinesegmentdetector，LSD)算法。LSD算法是一种直线检测分割算法，能在线性的时间内得出亚像素级精度的检测结果；该LSD算法能够在任何数字图像上都无需参数调节，并能够自己控制误检数量：平均而言，每张图有一个误检。使用LSD算法的目标在于检测图像中局部的直线轮廓，经过简单的连接过程就能够获得检测图像中的直线；LSD算法的主要优点是计算量低，且检测错误率比较低，不足是对遮挡比较敏感，这也是LSD算法的主要问题所在。
技术实现思路
针对以上现有技术存在的不足，本专利技术提出了一种基于漏斗变换的图像直线检测方法，该种基于漏斗变换的图像直线检测方法利用直线的斜截式方程，将原始二维图像空间内的直线映射为参数空间中的局部极大值点，能够直接得出与局部极大值点相对应的直线，并利用漏斗变换能够快速且有效地检测出原始二维图像中的直线信息，实现本专利技术的目的。为达到上述技术目的，本专利技术采用如下技术方案予以实现。一种基于漏斗变换的图像直线检测方法，包括以下步骤：步骤1，确定原始二维图像，并将原始二维图像作为待检测图像，然后对待检测图像进行预处理，得到预处理后的图像，所述预处理后的图像包括第一图像和第二图像；所述第一图像为对待检测图像进行上下两侧补零后的图像，所述第二图像为对待检测图像进行左右两侧补零后的图像；步骤2，分别计算一维离散傅立叶变换后的变尺度图像和一维离散傅立叶变换后的图像然后对第一图像进行漏斗变换，得到ω1-y参数空间内的G个峰值点；对第二图像进行逆漏斗变换，得到x-ω2参数空间内的F个峰值点；所述ω1-y参数空间为坐标横轴ω1和坐标纵轴y构成的二维空间，所述x-ω2参数空间为坐标横轴x和坐标纵轴ω2构成的二维空间；其中，ω1是一维离散傅立叶变换后的变尺度图像的坐标横轴，表示一维离散傅立叶变换后的变尺度图像的角频率；ω2是一维离散傅立叶变换后的图像的坐标纵轴，表示一维离散傅立叶变换后的图像的角频率；x表示待检测图像I(x,y)在直角坐标系中的坐标横轴，y表示待检测图像I(x,y)在直角坐标系中的坐标纵轴；G和F分别为大于0的自然数；步骤3，对所述G个峰值点和所述F个峰值点分别进行后处理，得到检测点列表包含的O个检测点；O≤G+F；步骤4，对检测点列表包含的O个检测点进行正确峰值点和虚假峰值点的标记，得到L个正确峰值点和L'个虚假峰值点，进而得到L个正确峰值点分别在原始二维图像中对应的真实直线；L+L'＝O。本专利技术相对于现有技术主要优点在于：第一，本专利技术的创新点在于将漏斗变换应用到图像的直线检测领域；第二，本专利技术方法能够在不依赖于边缘检测算法的情况下，有效地对图像中的直线元素进行检测；第三，本专利技术能够在有效进行图像直线检测的同时，降低了算法计算量，节省了时间；第四，本专利技术在检测效果上相对于传统方法性能更加出众，对加性和乘性噪声、直线宽度、遮挡都有比较好的处理效果。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细说明。图1本专利技术的一种基于漏斗变换的直线检测的算法的流程示意图；图2A是加入均值为0、方差为0.1的加性高斯白噪声后得到的仿真图像示意图；图2B是图2A经过本专利技术方法直线检测后的结果示意图；图2C是图2A经过标准霍夫变换方法(SHT)直线检测后得到的结果示意图；图2D是图2A经过线性时间线段检测算子(LSD)直线检测后得到的结果示意图；图2E是加入噪声密度为0.3加性椒盐噪声的仿真图像示意图；图2F是图2E经过本专利技术方法直线检测后得到的结果示意图；图2G是图2E经过标准霍夫变换方法(SHT)直线检测后得到的结果示意图；图2H是图本文档来自技高网...

【技术保护点】
一种基于漏斗变换的图像直线检测方法，其特征在于，包括以下步骤：步骤1，确定原始二维图像，并将原始二维图像作为待检测图像，然后对待检测图像进行预处理，得到预处理后的图像，所述预处理后的图像包括第一图像和第二图像；所述第一图像为对待检测图像进行上下两侧补零后的图像，所述第二图像为对待检测图像进行左右两侧补零后的图像；步骤2，分别计算一维离散傅立叶变换后的变尺度图像

【技术特征摘要】
1.一种基于漏斗变换的图像直线检测方法，其特征在于，包括以下步骤：步骤1，确定原始二维图像，并将原始二维图像作为待检测图像，然后对待检测图像进行预处理，得到预处理后的图像，所述预处理后的图像包括第一图像和第二图像；所述第一图像为对待检测图像进行上下两侧补零后的图像，所述第二图像为对待检测图像进行左右两侧补零后的图像；步骤2，分别计算一维离散傅立叶变换后的变尺度图像和一维离散傅立叶变换后的图像然后对第一图像进行漏斗变换，得到ω1-y参数空间内的G个峰值点；对第二图像进行逆漏斗变换，得到x-ω2参数空间内的F个峰值点；所述ω1-y参数空间为坐标横轴ω1和坐标纵轴y构成的二维空间，所述x-ω2参数空间为坐标横轴x和坐标纵轴ω2构成的二维空间；其中，ω1是一维离散傅立叶变换后的变尺度图像的坐标横轴，表示一维离散傅立叶变换后的变尺度图像的角频率；ω2是一维离散傅立叶变换后的图像的坐标纵轴，表示一维离散傅立叶变换后的图像的角频率；x表示待检测图像I(x,y)在直角坐标系中的坐标横轴，y表示待检测图像I(x,y)在直角坐标系中的坐标纵轴；G和F分别为大于0的自然数；步骤3，对所述G个峰值点和所述F个峰值点分别进行后处理，得到检测点列表包含的O个检测点；O≤G+F；步骤4，对检测点列表包含的O个检测点进行正确峰值点和虚假峰值点的标记，得到L个正确峰值点和L'个虚假峰值点，进而得到L个正确峰值点分别在原始二维图像中对应的真实直线；L+L'＝O。2.如权利要求1所述的一种基于漏斗变换的图像直线检测方法，其特征在于，步骤1的子步骤为：确定原始二维图像为待检测图像I(x,y)，x表示待检测图像I(x,y)在直角坐标系中的坐标横轴，y表示待检测图像I(x,y)在直角坐标系中的坐标纵轴；并将待检测图像I(x,y)置于笛卡尔坐标系中，笛卡尔坐标系的原点重合于待检测图像I(x,y)的中心；待检测图像I(x,y)的尺寸为M×N；在待检测图像I(x,y)的上下两侧分别补M/2行的零，得到第一补零之后的待检测图像，记为第一图像，所述第一图像的尺寸为M×(M+N)；M和N分别为大于0的自然数；保持位于笛卡尔坐标系中的待检测图像I(x,y)位置不变，并对待检测图像I(x,y)左右两侧分别补N/2列的零，得到第二补零之后的待检测图像，记为第二图像，所述第二图像的尺寸为(M+N)×N；然后将所述第一图像和所述第二图像，作为预处理后的图像。3.如权利要求2所述的一种基于漏斗变换的图像直线检测方法，其特征在于，在步骤2中，所述一维离散傅立叶变换后的变尺度图像还包括:2a)沿着y轴方向对待检测图像I(x,y)做一维离散傅立叶变换，得到一维离散傅立叶变换后的图像ω2是一维离散傅立叶变换后的图像的坐标纵轴，表示一维离散傅立叶变换后的图像的角频率，ω2≥0，其表达式为：其中，e表示指数函数，上标j表示虚数单位，dy表示对y的积分；x为待检测图像I(x,y)的坐标横轴，与一维离散傅立叶变换后的图像的坐标横轴相同；y为待检测图像I(x,y)的坐标纵轴，ω2为一维离散傅立叶变换后的图像的坐标纵轴；2b)对一维离散傅立叶变换后的图像进行非线性变量压缩变换，得到变尺度图像ω2≥0，x′＝(ω2/ωmax)x，ωmax表示设定的角频率最大值；ω2为变尺度图像的坐标纵轴，与一维离散傅立叶变换后的图像的坐标纵轴相同；x′为变尺度图像的坐标横轴；2c)沿x′方向对变尺度图像进行一维离散傅立叶变换，得到一维离散傅立叶变换后的变尺度图像ω1是一维离散傅立叶变换后的变尺度图像的坐标横轴，表示一维离散傅立叶变换后的变尺度图像的角频率；x′为变尺度图像的坐标横轴；ω2为变尺度图像的坐标纵轴，分别与一维离散傅立叶变换后的图像的坐标纵轴和一维离散傅立叶变换后的变尺度图像的坐标纵轴相同；2d)沿ω2方向对一维离散傅立叶变换后的变尺度图像进行一维离散逆傅立叶变换，得到一维离散逆傅立叶变换后的变尺度图像y为待检测图像I(x,y)的坐标纵轴，与一维离散逆傅立叶变换后的变尺度图像的坐标纵轴相同；ω1为一维离散傅立叶变换后的变尺度图像的坐标横轴，与一维离散逆傅立叶变换后的变尺度图像的坐标横轴相同；所述一维离散逆傅立叶变换后的变尺度图像其表达式为：其中，e表示指数函数，上标j表示虚数单位，dω2表示对ω2的积分；ω2为变尺度图像的坐标纵轴，分别与一维离散傅立叶变换后的图像的坐标纵轴和一维离散傅立叶变换后的变尺度图像的坐标纵轴相同。4.如权利要求3所述的一种基于漏斗变换的图像直线检测方法，其特征在于，所述得到ω1-y参数空间内的G个峰值点，其具体过程为：2d.1设定第一图像包含G条直线，选取第r条直线Lr(x,y)，根据斜截式直线方程，将该第r条直线Lr(x,y)表示为Lr(x,y)＝δ(y-kr-br)；其中，kr表示第r条直线Lr(x,y)的斜率，br表示第r条直线Lr(x,y)的截距；r的初始值为1，r∈{1,2,…,G}；2d.2对第r条直线Lr(x,y)做漏斗变换：首先，对第r条直线Lr(x,y)沿y方向做一维离散傅立叶变换，得到一维离散傅立叶变换后第r条直线的二维图像接着，对一维离散傅立叶变换后第r条直线的二维图像做非线性变量压缩变换操作，即令ω2x＝ωmaxx′，得到非线性变量压缩变换操作后第r条直线的二维图像然后，依次对非线性变量压缩变换操作后第r条直线的二维图像中的x′做一维离散傅立叶变换、ω2做一维离散逆傅立叶变换，进而得到一维离散逆傅立叶变换后第r条直线的二维图像进而得到第r条直线Lr(x,y)被映射为ω1-y参数空间内的第r个峰值点δ(ω1-ωmaxkr)δ(y+br)；2d.3令r加1，重复子步骤2d.2，直到得到第G条直线被映射为ω1-y参数空间内的第G个峰值点δ(ω1-ωmaxkG)δ(y+bG)；至此，经过上述漏斗变换过程，则将第一图像包含的G条直线变换为ω1-y参数空间内的G个峰值点；所述ω1-y参数空间内的G个峰值点分别没有斜率和截距的模糊情况出现。5.如权利要求2所述的一种基于漏斗变换的图像直线检测方法，其特征在于，在步骤2中，所述一维离散傅立叶变换后的图像还包括：2e)沿x轴方向对待检测图像I(x,y)做一维离散傅立叶变换，得到经过一维离散傅立叶变换的待检测图像x为待检测图像I(x,y)的坐标横轴，ω1为一维离散傅立叶变换后的变尺度图像的坐标横轴，与一维离散逆傅立叶变换后的变尺度图像的坐标横轴、经过一维离散傅立叶变换的待检测图像的坐标横轴相同；y为待检测图像I(x,y)的坐标纵轴，分别与一维离散逆傅立叶变换后的变尺度图像的坐标纵轴、经过一维离散傅立叶变换的待检测图像的坐标纵轴相同；2f)对经过一维离散傅立叶变换的待检测图像进行非线性变量压缩变换，即令y′＝(ω1/ωmax)y，进而得到尺度变换图像ωmax表示设定的角频率最大值；y'为尺度变换图像的坐标纵轴；ω1为一维离散傅立叶变换后的变尺度图像的坐标横轴，与一维离散逆傅立叶变换后的变尺度图像的坐标横轴、经过一维离散傅立叶变换的待检测图像的坐标横轴、尺度变换图像的坐标横轴相同；2g)沿y′方向对尺度变换图像进行一维离散傅立叶变换，得到经...

【专利技术属性】
技术研发人员：冯大政，王际凯，魏倩茹，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61