相位编组图像线基元提取.docVIP

相位编组图像线基元提取 摘要： 图像线基元是图像的一种重要特征，它在遥感图像分类，图像变化检测等领域作为重要的基础特征。本文研究了基于相位编组的直线提取方法，通过对多幅图像的实验表明，对于规则图像，能够很好检测出图像直线边缘，对于复杂图像（比如遥感图像）则能够检测出其中隐含的线性特征。 1相位编组法的提出 直线提取的方法有很多，比如Hough变换，边界跟踪，图论等。这些都是一局部边缘检测为基础，算子的尺寸与检测的图像大小有关。这些直线抽取算法都存在两个主要弱点: 一是检测不出弱对比度的直线, 二是在对边缘特征作局部决策之前, 缺乏对图像结构的全局理解, 为此提出了相位编组法直线检测算法。相位编组法把灰度变化的相位作为考虑的第一要素, 在对边缘作局部决策之前, 先作支持边缘上下文关系的全局组织, 结果可以从复杂的图像中抽取出相当低对比度的直线。相位编组法一般实用的边缘检测算法，都是用的梯度的幅度信息，通过判断某一点的幅度是否超过事先定的幅度阈值，如果超过了这个阈值，则认为存在边缘。这种思想是认为边缘存在灰度发生突变的地方，然而这种方法用于灰度缓慢变化的图像时，效果并不明显。 Burns等人认为边缘不仅存在灰度发生突变的地方，而其在灰度发生缓慢的地方也同样存在着边缘。因此，他首先提出了以边缘梯度相位特征为主要的依据的直线提取方法，即相位编组法。对于梯度的特征，该方法一梯度的相位而不是梯度幅度为主要的判断标准，梯度幅度只是一个辅助条件。 　相位编组算法是将所有具有相同或相近方向角且几何位置连通(8 连通或4 连通) 的点归为一个点集,该集合就是边缘线的点集。实际上,图像中大部分的点周围明暗变化很小,我们只对梯度幅值M大于一个给定的阈值Threshold 的点进行编组。为了减少下一步处理的数据量,我们把满足M 大于阈值的点写成水平码的形式,即把水平位置相邻且方向值相同的点编为一个码。然后每一行的码与上一行的码进行比较,几何位置连通且方向值相近的码为一类。得到每个边缘像素的梯度方向的码后,判断该像素的梯度方向码落在上述哪个区域,并将该区域的编号赋给此像素,此即将梯度方向进行量化。一般分为8 区域,如图2 所示: 270° 270° 0° 90° 180° 2相位编组实现方法 相位编组方法是根据个像素点的梯度相位进行分组，形成边缘支持区域，再从没一个区域提取出直线段。相位编组方法提取直线的步骤可分为以下几步： 计算图像梯度，生成图像梯度图。要求同时求出梯度的幅度大小和梯度方向，再将梯度按照8等份分级。 将梯度方向编码相同、8邻域相邻的边缘组成边缘支持区域。 最小二乘拟合出边缘区域的最佳直线。 2.1梯度计算 计算梯度的模板很多，尺寸大的模板对图像有平滑作用，可以减小噪声影响，但同时也过滤了部分细节，常用的有sobel算子、robert算子等，还有二次的拉普拉斯算子，部分模板如下： -1 1 -1 1 -1 1 -1 0 1 -1 0 1 -1 1 -1 1 -1 -1 1 1 -1 0 1 -1 0 1 -1 0 1 -1 -1 -1 0 0 0 1 1 1 一帧图像的像素逐行输入,计算梯度方向角是先对图像的每个像素求x 方向上的差分Dx 和y 方向上的差分Dy , arctg = ( Dy / Dx ) 是该点梯度的正切值。梯度方向代表了该点周围明暗变化最剧烈的方向,接下来得到该梯度的方向角和梯度的幅度M。 这里的梯度方向角θ是从0-360°的任意值，这里要进行归一化处理。将360度平均分成8份，分别是0°—45°，45—90°，90°—135°，135°—180°，180°—225°，225°—270°，270°—315°，315°—360°，对每一方向范围分为用0、1、2、3、4、5、6、7来表示。 2.2线支持区域提取 线支持区域是在梯度图上连续的、梯度方向相同的像素点形成的区域。在很大程度上将抽取整条直线简化为简单的分组和连接过程，同时从这些独立的区域内还可以获得线类型的长度、宽度、对比度等信息。 一般认为图像某一区域内的梯度幅值太小时，就认为该区域变化较小，但这一区域同样有梯度方向，因此首先要排除这些区域对实际线支持区域的影响。这里设置一阈值用来排除低于这一梯度值的像素点参与运算，则这些点不能作为先支持区域。在以8位梯度相位值参与运算时，则图像梯度的方向最多为8个。对图像进行遍历，搜素每一点8连通邻域内梯度相位相同的点，这些相连接的区域就是先支持区域。 线支持区域不仅提供了直线的位置和方向，而且便于进一步利用边缘支持区域及其拟提取其他属性。这些属性包括:代表此区域的直线及其长度、对比度、宽度等。 直线长度是两个端点