余加俊 徐飛鴻 河海大學機電工程學院

圖像處理在城鄉(xiāng)河網(wǎng)河道邊界識別中的應(yīng)用

余加俊 徐飛鴻 河海大學機電工程學院

針對無人船在城鄉(xiāng)河網(wǎng)自主航行的問題，提出了一種適用于一般河道的邊界識別方法。該方法首先通過Sobel算子提取圖像邊緣信息，再進行基于模板的角點檢測，然后對檢測結(jié)果進行局部二值化處理，對輪廓進行線性擬合，最后采用基于直線模型的河道邊界算法識別河道邊界。實驗表明，該算法能夠較準確準確識別河道邊界。

河道邊界 直線模型 無人船

隨著智能無人船舶的發(fā)展，無人船的應(yīng)用得到擴展，它可以在惡劣環(huán)境下作業(yè)。對于無人船來說，航行的關(guān)鍵是快速準確的獲取水面上的信息，而河道邊界識別對于無人船水上航行至關(guān)重要。已知的邊界識別技術(shù)主要針對道路邊界，其中主要有基于道路特征的方法和基于道路模型的方法。但這些是針對具體邊界研究的算法，這在河道邊界識別上缺乏普適性，沒有太好的效果。

本文提出了一種基于直線模型的河道邊界識別算法。以滿足實驗條件的圖像為處理對象，在初始階段對圖像進行預(yù)處理，減少圖像噪聲，中間階段對輪廓進一步優(yōu)化，擬合出河道邊界，最后通過基于直線模型的河道邊界識別算法，標定出河道邊界。實驗結(jié)果表明，該方法能夠較快速的對不同類型的河道進行識別，具有較強的適應(yīng)能力。

1 河道邊界識別算法

本文河道邊界識別算法分為三個模塊：第一個模塊是基于Sobel的邊緣檢測，通過模板匹配提取圖像中的輪廓信息；第二個模塊是對輪廓進行多層篩選；第三個模塊對圖像左右分別進行計算求出河道邊界。

1.1 圖像預(yù)處理

在算法的第一個模塊，為了消除干擾信息，增強邊緣信息，需要對圖像進行預(yù)處理，包括邊緣檢測、模板匹配和角點檢測。

按下式對RGB三分量進行加權(quán)平均得到較合理的灰度圖像：

圖像中包含與河道邊界特征無關(guān)信息，為了提高算法的實時性，采用Sobel算子來提取圖像中不連續(xù)部分的特征，根據(jù)閉合的邊緣確定區(qū)域。Sobel邊緣檢測算子是一種離散性差分算子，用來運算圖像亮度函數(shù)的灰度近似值：

角點在保留河道圖像圖形重要特征的同時，可以有效的減少信息的數(shù)據(jù)量，加快計算速度。Harris角點檢測原理是對于一幅圖像，自相關(guān)函數(shù)描述了局部圖像灰度的變化程度，可表示為：

其中， E( x, y )是由于兩個窗口偏移 (u, v )而造成的圖像灰度的平均變化，I代表圖像灰度。

1.2 輪廓優(yōu)化處理

預(yù)處理后對圖像進行二值處理、中值濾波去噪聲。本文采用了根據(jù)圖像自身特點來自適應(yīng)選擇閾值的Otsu算法，將邊界從背景中分離出來，他的算法如下：

記 f( i, j)為M × N圖像(i, j) 點的灰度值，灰度級為m ，假設(shè) f( i, j)取值[0,m ? 1]。記 p( k)為灰度值為 k的頻率，則有：

大津法指出求圖像最佳閾值 g的公式：

閾值g把整幅圖像分割出了目標和背景兩部分。

其中， f( x, y)， g( x, y)分別為原始圖像和處理后的圖像，W為二位模板。

1.3 基于直線模型的邊界識別

假定河道邊界是直線，可以采用直線對河道圖像中的邊界進行約束。本文采用直線模型對河道邊界進行擬合，在圖像中，設(shè) L1和為L1河道左右邊界，考慮河岸的平行性，可以采用徐友春提出的邊界可信度檢測函數(shù)，通過識別出的河道邊界直線所在的一定區(qū)域范圍來計算所有可能的河道邊界點屬于該直線的概率之和，定義如下，在面積為 S的感興趣圖像上，任一點屬于給定一條直線的概率為：

式中， p( i, j)為感興趣圖像區(qū)域上的一點，該點是可能的河道邊界點。對于任意給定的一條直線 L( a, b)，感興趣區(qū)圖像上的點屬于該直線的概率是：

最后選擇使可信度最大時的直線，代表河道邊界。

2 實驗結(jié)果與分析

實驗采集了20幅符合實驗條件的城鄉(xiāng)內(nèi)河河道圖像。算法基于Visual studio 2013的編譯環(huán)境，圖一是測試圖片：

圖1 河道邊界識別

3 結(jié)束語

本文結(jié)合在道路邊界識別中應(yīng)用的方法和模型，提出了一種適用于河道邊界的識別算法。經(jīng)過多次試驗，算法改進了圖像處理流程，保證了在河岸樹木及光照影響下的魯棒性。

實驗結(jié)果表明，該算法能夠很好的用直線擬合出前方河道的邊界，在復(fù)雜的河道環(huán)境下圖像邊緣特征提取效果較好，能夠滿足無人船在河道作業(yè)時的自主航行需求。

[1]孫洪淋,廖繼旺.基于Sobel算子的圖像邊緣檢測及其實現(xiàn)[J].人工智能及識別技術(shù),2008,15:1105-1125

[2]劉博超,趙健,孫強.基于邊緣改進的Harris角點檢測方法[J].成像技術(shù)與圖像處理,2013,28(6),939-942

[3]徐友春,王榮本,李克強等.一種基于直線模型的道路識別算法研究[J].中國圖像圖形學報,2004,9(7),858-864

A

TP751.1