基于Hough變換的圖像形狀特征檢測(cè).pdf

1、人類(lèi)對(duì)物體的識(shí)別最主要是對(duì)物體外形的識(shí)別，圖像的形狀檢測(cè)在圖像處理以及模式識(shí)別中是十分重要的。Hough變換作為目標(biāo)形狀特征提取的有效方法得到了廣泛的應(yīng)用。但Hough變換算法主要應(yīng)用于二值圖像（即邊緣圖像），因此在對(duì)灰度圖像進(jìn)行Hough變換前需要對(duì)其進(jìn)行預(yù)處理（包括圖像的濾波與邊緣檢測(cè)）。圖像預(yù)處理作為Hough變換目標(biāo)檢測(cè)過(guò)程中重要的前期工作，其結(jié)果將直接影響檢測(cè)結(jié)果的好壞。文中介紹了圖像中常見(jiàn)的兩種噪聲，對(duì)圖像的空間域噪聲濾波做

2、了一些研究，分析了高斯濾波與中值濾波的局限性，在雙邊濾波的基礎(chǔ)上提出了一種基于多次中值抽取的雙邊濾波方法，該方法兼顧了空間鄰域的相關(guān)性和像素強(qiáng)度的相似性，通過(guò)偽中值濾波選取強(qiáng)度濾波器的參考像素值，在平滑高斯噪聲和椒鹽噪聲的同時(shí)更好地保護(hù)了邊緣，與針對(duì)某一類(lèi)特定噪聲設(shè)計(jì)的傳統(tǒng)濾波方法相比，該方法能夠處理混有混合噪聲（高斯噪聲和椒鹽噪聲）的圖像，并能夠得到很好的濾波效果。同時(shí)，本文分析了幾種經(jīng)典的邊緣檢測(cè)算子，用迭代的雙邊濾波方法代替Can

3、ny算子中的高斯濾波過(guò)程或自適應(yīng)濾波過(guò)程，在一定程度上避免了濾波過(guò)程給邊緣帶來(lái)的模糊，得到了更好的邊緣檢測(cè)結(jié)果。 Hough變換作為圖形目標(biāo)檢測(cè)的有效方法，能夠檢測(cè)直線、圓、橢圓和拋物線等眾多解析圖形，廣義Hough變換對(duì)該方法做了一些推廣，不再受圖形解析表達(dá)式的限制，通過(guò)預(yù)先設(shè)置的查找表，能夠檢測(cè)任何圖形目標(biāo)。文中對(duì)這些方法都做了介紹，并對(duì)這些方法做了仿真。由于受到圖像空間和參數(shù)空間離散化的影響，以及Hough變換自身的計(jì)算過(guò)

4、程，使得傳統(tǒng)Hough變換方法也有一些局限性，比如在高強(qiáng)度噪聲下檢測(cè)的結(jié)果不佳，計(jì)算量大，存儲(chǔ)資源需求大等。文中分析了傳統(tǒng)Hough變換的投票過(guò)程，指出傳統(tǒng)方法對(duì)參數(shù)單元進(jìn)行1值累加是不合理的，并且傳統(tǒng)方法沒(méi)有區(qū)分圖像中的噪聲點(diǎn)和直線上的點(diǎn)，介于此，提出了基于直線連接度量的Hough變換，既考慮了圖像的全局信息，也考慮了圖像中像點(diǎn)鄰域的局部信息，使得參數(shù)空間中的峰值不再受到噪聲的影響，同時(shí)也避免了圖像中具有線性關(guān)系的特征點(diǎn)投票帶來(lái)的虛假