一种基于霍夫变换的直线识别.pdf

《一种基于霍夫变换的直线识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种基于霍夫变换利用参数空间与图像空间的直线识别方式宋继强，MichaelR.Lyu中国香港特别行政区沙田香港中文大学计算机科学与工程学系，2004年9月19日收到，2004年9月20日发表。摘要由于霍夫变换的全局视野以及在噪声或退化环境中的稳健性，它被认为是图像中图形元素提取的一种强有力的工具。然而，霍夫变换的应用在很长时间内局限于小幅面图像。此外众所周知累加，峰值检测以及直线检验时的大量计算使得大幅面图像处理变得非常耗时。另一个局限是现今基于霍夫变换的图像识别方法大多无法检测工程制图常有的大幅面图像的直线粗度。我们认为这些局限性的存在是由于这些方法仅仅局限于霍夫变换的参数空间。因此本论

2、文提出一种基于霍夫变换的新型直线识别方法，该方法充分利用了霍夫变换的参数空间与源图像空间，提出基于图像的梯度预测来加快累加速度，介绍了一种边界记录器来消除直线检验中冗余的分析，并且开发了一种基于图像的直线检验算法来检测直线粗度，同时减少错误检测数。它还提出利用像素移除法代替严格的废止N*N的相邻区域来避免直线重叠。我们在不同尺寸的真实图像上进行了关于运算速度及检测准确性的实验，实验结果证明了该方法具有显著的性能提高，尤其是对于大幅面图像。2004年图形识别学会，爱思唯尔出版。保留一切权利。关键词：直线识别霍夫变换大幅面图象参数空间图像空间直线检验11.简介图形元素提取是多种多样的图像理解应

3、用的基础。霍夫变换是一种在数字图像中寻找参数化图形的强大工具。我们可以很容易地在文献中找到大量的基于霍夫变换的图形元素识别方法，可用于检测二值图和灰度图中的直线、圆形、椭圆及其他直线。基于霍夫变换的方法在不同图像质量下都很稳定，是因为霍夫变换将一个复杂的图像空间中的全局检测问题转换成了更易于解决的参数空间中峰值检测的问题。因此，它们可用于解决噪声、退化、局部不连续甚至复杂背景的问题。然而，由于以下两点共同限制，基于霍夫变换的方法极少应用于工程制图领域：（1）它们已已开发的应用都是局限于小幅面图像。由于图象幅面增大时，处理时间与内存消耗急剧增加，随机白噪声也将不可忽视，将霍夫变换用于大幅面图

4、象的尝试并不被看好。不幸的是，工程制图通常都伴随着很大的尺寸。（2）它们不能检测直线粗度，而直线粗度对于理解工程制图的很多应用是至关重要的。一些方法假定一幅图像中直线粗度为一定值，然后将它作为一个输入参数从而提升性能。然而，这种假定对于大多工程制图并不准确。有人或许认为现今工程制图领域已存在很多图形识别方法，将基于霍夫变换的方法应用于这一领域并不重要。实际上，根据我们的调查，工程制图领域普遍应用的图形识别方法，包括基于骨架化方法、基于轮廓化方法和像素跟踪法，都主要依据图像元素中的像素级连通性。带来的结果就是，它们可以很好地处理高质量的图像，但是当图像质量过差以至于不能保持像素连通时，它们的

5、性能显著下降。霍夫变换无疑是这种环境中最适合的方法。因此，本论文提出一种基于霍夫变换的可更高效处理大幅面图象并且可检测直线粗度的方法。除霍夫变换固有的高计算复杂性外，我们现存的基于霍夫变换方法的局限性在于它们仅仅工作于霍夫变换参数空间。随着图象尺寸增大，对霍夫变换参数有贡献的特征点数量急剧增加，导致进行直线检验时需要更多的存储消耗以及更长的处理时间。此外，由于特征点仅仅是所有像素中的一小部分，据此检测一条直线粗度是不可能的。因此，本论文提出利用图像空间来克服这些局限性。实验证明所提出的基于霍夫变换的直线识别方法是非常高效且准确的，尤其是对于大幅面图象，同时它可以用于检测直线粗度。本论文的其

6、余部分是这样安排的：第二部分回顾了相关工作，第三部分具体陈述了所提出的方法，第四部分报告了实验结果，最后在第五部分得出了我们的结论。22.相关工作用于直线识别的标准霍夫变换描述如等式(1)，其中(x,y)表示笛卡尔坐标系也就是图像空间中的一点，(r,θ)表示极坐标（也称作霍夫变换参数空间）中的参数。图像空间中共线的点在参数空间中交于一点。rxycossin(1)通常，利用霍夫变换来识别直线包含以下三个步骤：首先，完成图像空间中特征点的霍夫变换并对参数空间中每一参数累积采样点；然后，在参数空间进行峰值检测；最后，检验利用峰值参数推测出的直线。第一步长期以来已经进行了很好地研究。传

7、统的霍夫变换平等对待所有角度导致了繁重的计算，巨大的参数空间以及峰值的不明显化。因此，现今的研究兴趣集中于如何选择角度来使霍夫变换安全有效地加快。大量改进的霍夫变换方法，例如基于梯度的霍夫变换，随机化的霍夫变换，概率性的霍夫变换和抽样霍夫变换，它们的提出都是为了加快累加速度并且突出峰值。峰值检测可以分成两类：局部峰值检测方式和全局峰值检测方式。前者是常用的方法，它在参数空间中N*N的区域内寻找最大值，这种方法中N的大小非