基于纹理特征与行扫描结合目标提取方法.docVIP

基于纹理特征与行扫描结合目标提取方法 　　摘 要：为了从复杂图像中将目标精确提取出来，提出了一种基于纹理特征与行扫描结合的目标提取方法。该方法在精确的检测出目标图像边缘的同时，降低了图像模糊或干扰较多时对目标提取产生影响的概率。仿真实验结果表明该算法思路简单，提取精度高，鲁棒性好，具有较大的实用价值。 　　关键词：目标提取； 纹理特征； 同态滤波； 边缘检测； 行扫描 　　中图分类号：TN91934 文献标识码：A 文章编号：1004373X(2012)10008103 　　基金项目：国家自然科学基金资助项目 在复杂背景中将目标图像区域提取出来一直是国内外研究的热点［1］，也是许多实验研究实现的前提和难点。传统的目标提取算法有轮廓模型定位法［2］，纹理分析定位法［3］，数学形态学定位算法［4］，基于颜色特征定位算法［5］，行扫描算法［6］等。纹理分析定位法计算量小，复杂度低，可降低噪声的干扰，且满足实时定位的要求，但存在着定位边界粗糙或出现多个候选区域的情况。行扫描算法可以较准确的定位出目标边界，但当图像不清晰或干扰较多时，该方法定位误差较大。本文在上述两种定位算法基础上，提出一种基于纹理特征和行扫描结合的方法提取目标。实验结果表明，该方法在精确的检测出目标图像边缘的同时，降低了图像模糊或干扰较多时对目标提取产生影响的概率，而且该方法计算简单，实时性好，具有较大的实际应用价值。 　　1 预处理 　　1.1 彩色图像灰度化 　　设彩色图像某像素点F(i,j)的R，G，B分量分别为R(i,j)，G(i,j)，B(i,j)，对该点进行颜色归一化后其颜色分量为r(i,j)，g(i,j)，b(i,j)，则该像素点的灰度定义为：I(i,j)=0.30×r(i,j)+0.59×g(i,j)+0.11×b(i,j)。 　　本文以从拍摄的图片中提取标尺目标为例，经过灰度化处理后的图像如图1(a)（对比度较高的图像，刻度下面垫了一张白纸，刻度是黑色的，白背景黑目标，对比度较高）和图2(a)（对比度较低的图像，背景是黑色的，刻度是黑色的，灰背景黑目标，对比度较低）。 　　 　　图1 灰度化处理后图像（一）1.2 灰度图像增强 　　在实验图像的获取过程中，受光照条件、采集设备等各种客观因素的影响，所采集到的图像可能受到噪声污染，导致后续进行的标尺的提取受到影响。在此情况下，对采集到的实验图像进行必要的增强处理，最大限度地去除图像中的干扰信息。常用的图像增强算法有灰度拉伸变换，直方图均衡［7］ 等。本文提出了基于同态滤波的增强算法对实验图像进行预处理。笔者采用巴特沃斯同态滤波函数［8］对灰度图像进行同态滤波，滤除了大量的低频分量，即滤除不均匀光照等的影响，增强了高频分量，突出了标尺部分刻度图像的细节，增强了对比度。对应同态滤波后的灰度图像为图1(b)和图2(b)。 　　2 垂直边缘检测 　　2.1 垂直边缘提取 　　本文要提取的是标尺的水平区域。标尺水平区域含有丰富的边缘信息，尤其是刻度线的垂直边缘，因此我们可以用Sobel算子或Priwitt算子［9］对同态滤波增强后的图像进行垂直边缘提取。两算子都具有单独的垂直卷积核，可以单独的提取垂直边缘。考虑到Prewitt算子计算比Sobel算子更为简单，且在噪声抑制方面比Sobel算子略强，因此选用Prewitt垂直算子进行图像的垂直边缘提取，如图3(a)和(b)所示为Prewitt垂直算子提取的垂直边缘图像。 　　 　　图2 灰度化处理后图像（二） 　　图3 Prewitt垂直算子提取的垂直边缘图像从上图可以看出，无论干扰较少还是较多，选用Prewitt垂直算子提取的边缘图片较好的保存且突出了标尺的水平区域。 　　2.2 线过滤 　　除了标尺水平区域中刻度线的垂直边缘，由于背景比较复杂，在标尺水平区域以外的地方仍然存在许多过长和过短的无关边缘线。这些与标尺无关的边缘线会影响到标尺的定位，可以通过线过滤算法［10］有效地加以去除。 　　线过滤算法描述如下： 　　假设I3为边缘图像，P(i,j)代表边缘图中的边缘点（P(i,j)=1为存在边缘点），图像的大小为m×n（m列，n行），M，N为与边缘图像同样大小的零矩阵，TI代表估计标尺的区域刻度线的边缘长度，作为鉴别过长边缘的阈值，TS代表小于大多数估计标尺的区域刻度线的边缘长度，作为鉴别过短边缘噪声的阈值。 　　（1） 对I3从上而下扫描，记录M，即以顶点为起始点的边缘长度。 　　（2） 对I3从下至上扫描，记录N，即以底端为终点的边缘长度。 　　（3） 对I3从上到下扫描，计算边缘线的长度，去除过长(大于TI)或过短（小于TS）的干扰边缘。 　　选择的参数为对比度较高的图片TI=10 TS=5，对比度较低的图片TI=15，TS