基于Hough变换的图像形状特征检测

摘要

人类对物体的识别最主要是对物体外形的识别，图像的形状检测在图像处理以及模式识别中是十分重要的。Hough变换作为目标形状特征提取的有效方法得到了广泛的应用。但Hough变换算法主要应用于二值图像（即边缘图像），因此在对灰度图像进行Hough变换前需要对其进行预处理（包括图像的滤波与边缘检测）。图像预处理作为Hough变换目标检测过程中重要的前期工作，其结果将直接影响检测结果的好坏。文中介绍了图像中常见的两种噪声，对图像的空间域噪声滤波做了一些研究，分析了高斯滤波与中值滤波的局限性，在双边滤波的基础上提出了一种基于多次中值抽取的双边滤波方法，该方法兼顾了空间邻域的相关性和像素强度的相似性，通过伪中值滤波选取强度滤波器的参考像素值，在平滑高斯噪声和椒盐噪声的同时更好地保护了边缘，与针对某一类特定噪声设计的传统滤波方法相比，该方法能够处理混有混合噪声（高斯噪声和椒盐噪声）的图像，并能够得到很好的滤波效果。同时，本文分析了几种经典的边缘检测算子，用迭代的双边滤波方法代替Canny算子中的高斯滤波过程或自适应滤波过程，在一定程度上避免了滤波过程给边缘带来的模糊，得到了更好的边缘检测结果。 Hough变换作为图形目标检测的有效方法，能够检测直线、圆、椭圆和抛物线等众多解析图形，广义Hough变换对该方法做了一些推广，不再受图形解析表达式的限制，通过预先设置的查找表，能够检测任何图形目标。文中对这些方法都做了介绍，并对这些方法做了仿真。由于受到图像空间和参数空间离散化的影响，以及Hough变换自身的计算过程，使得传统Hough变换方法也有一些局限性，比如在高强度噪声下检测的结果不佳，计算量大，存储资源需求大等。文中分析了传统Hough变换的投票过程，指出传统方法对参数单元进行1值累加是不合理的，并且传统方法没有区分图像中的噪声点和直线上的点，介于此，提出了基于直线连接度量的Hough变换，既考虑了图像的全局信息，也考虑了图像中像点邻域的局部信息，使得参数空间中的峰值不再受到噪声的影响，同时也避免了图像中具有线性关系的特征点投票带来的虚假峰值。通过对传统Hough变换定义方式的修改，提出了基于模板匹配的Hough变换检测方法，在该方法中，每一个参数单元都确定了图像空间中的一个模板，通过该模板主动搜索图像空间中符合条件的特征点，特征点的个数作为参数单元的值，并记录图像中线段的端点坐标，完成图像中线段的检测与定位，能够节省大量的存储资源。

目录

文摘

英文文摘

声明

第一章 绪论

1.1引言

1.2图像检测方法研究现状

1.3本文研究的主要内容

1.3.1数字图像预处理

1.3.2 Hough变换

第二章数字图像的预处理

2.1空间域图像滤波方法

2.1.1 噪声

2.1.2高斯噪声的滤波

2.1.3椒盐噪声的滤波

2.1.4基于多次中值抽取的图像双边滤波方法

2.1.5实验结果与分析

2.2图像的边缘检测

2.2.1 几种常用的边缘检测方法

2.2.2基于自适应平滑滤波的边缘检测方法

2.2.3实验结果与分析

第三章Hough变换目标形状特征检测的基本方法

3.1 Hough变换检测直线

3.2 Hough变换检测圆

3.3 Hough变换检测椭圆

3.4广义Hough变换

3.5实验结果与分析

第四章改进的Hough变换直线检测方法

4.1 基于直线连接度量的Hough变换

4.1.1传统Hough变换的局限

4.1.2直线连接度量

4.1.3实验结果与分析

4.2基于模板匹配的Hough变换

4.2.1传统Hough变换定义方式的修改

4.2.2算法原理

4.2.3实验结果与分析

第五章总结与展望

参考文献

致 谢

攻读硕士学位期间发表论文