基本信息
- 项目名称：
- 基于数学形态学和Hough变换的道路边缘提取
- 来源：
- 第十一届“挑战杯”国赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 道路边缘的快速准确定位在视频交通运动检测中是最关键的一步。本文提出一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行预处理，然后用Canny算子对增强图像进行边缘检测，最后采用Hough边缘检测出二值图像中的道路边缘。试验证明，该方法准确性较高,可以减少后期运动检测的运算范围，提高运动检测速率。
- 详细介绍：
- 基于数学形态学与Hough变换的道路边缘提取 摘要：道路边缘的快速准确定位在视频交通运动检测中是最关键的一步。本文提出一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行预处理，然后用Canny算子对增强图像进行边缘检测，最后采用Hough变换检测出二值图像中的道路边缘。试验证明，该方法准确性较高,可以减少后期运动检测的运算范围，提高运动检测速率。 关键词：数学形态学；边缘检测；Hough变换 中图分类号：TN911.73 The road edge detection based on mathematical morphology and the Hough transform Abstract：It is the most critical step that locating the edge of road fast and accurately in the transportation of video motion detection. In this article, we proposed a new method to detect the road edge . This approach process the input image with mathematical morphology first, and then use the canny operator to edge detection for the enhanced image, deal the binary image with Hough transform to extract the edge of road. It is proved from the experiment that this method has good accuracy and can simply the operation of movement detection. It can also improve the detection rate of movement. Key words: mathematical morphology; the edge detection; Hough transform 随着我国经济的快速发展，居民拥有机动车数量快速增长，公路上的交通量不断增加。如何对行驶车辆进行快速的检测与识别成为当今智能交通系统中的一大难题。而对道路边缘的快速检测和定位是其中最关键的一步。 目前的道路车辆运动检测范围一般是基于整幅图像界面，这样既降低了检测的准确性，又影响到了检测过程的实时性。边缘是图像最基本的特征[1]。如果能在运动检测之前实现对路面边缘的识别和定位，将大大降低检测时间。本文提出一种基于数学形态学和Hough变换的道路边缘提取方法。试验表明，该方法具有较好准确性，能够为后期的运动检测提供很好的依据。 1 道路图像的边缘提取 在智能车辆运行过程中，由于摄像机安装位置距离地面较近，拍摄到的图像是近野图像，因此可以将图像中的道路边缘近似看成直线，这样既能保证一定的准确性，又能减少计算量[2]。选择合适的拍摄位置，大部分道路都可以近似看为直线；并且与边缘线垂直的两侧像素值变化比较剧烈。 1.1 图像预处理 在采集视频图像的过程中，由于拍摄器材的分辨率、传输介质等的原因，或多或少都会对图像产生影响。图像预处理的主要目的是尽量消除图像中的无关信息，最大化增强图像中的有用信息，从而改进特征提取、图像分割、匹配和识别的可靠性由于噪声的干扰，所获图像的对比度较低，可以采用数学形态学对图像进行增强。Matlab的图像处理工具箱提供函数imtophat、imbothat、imadd和imsubstract对图像进行增强。 1.2 道路边缘检测 边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘一直是国内外研究的热点，然而边缘检测又是图像处理中的一个难题[3]。 本文采用Canny算子对增强图像进行边缘检测。Canny[4]算子是一个具有滤波、增强和检测的多阶段的优化算子。在进行处理前，Canny算子先利用高斯平滑滤波器来平滑图像以取出噪声，Canny分割算法采用一阶偏导的有限差分来计算梯度的幅值和方向。在处理过程中，Canny算法还将经过一个非极大值抑制的过程。最后Canny算法将采用两个阈值 来连接边缘。 Fig1(a) The edge image detected by Canny operator of the original gray image ;(b)The edge image detected by Canny operator of the enhanced image 从图1中可以看出，经过图像增强后，使得垂直于边缘的像素值变化加大，采用Canny算子可以更加准确的提取出边缘图像。 2 Hough变换直线边缘提取 Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。 对于x, y坐标系中的一条直线。用ρ代表直线距原点的法线距离,θ为该法线与x轴的夹角。这一直线的Hough变换 ρ=x cosθ+y sinθ 由上式可知Hough变换使不同坐标系中的线和点建立了一种对应的关系。图像空间中直线都有且仅有一个法向量，因此在（x，y）平面上的任一条直线经Hough变换后为空间的一个点[5]。Hough变换的优点是其抗噪性能比较好，并且能连接共线短直线。 直线边缘检测的具体过程如下： 1、对上述步骤中检测出的边缘图像进行Hough变换； 2、对Hough变换过程中生成的矩阵进行峰值检测，在次过程中需要确定两个参数：峰值个数和阈值。该阈值用来判断峰值，如果低于规定的阈值，则被认为不是峰值，这样可以减少其他因素对直线检测的干扰。 3、对所生成的矩阵进行直线提取。由于路面上车辆等因素的影响，需要设置两个参数：FillGap和MinLength。 3 试验结果 选择道路图像（240*320*3）的图像作为试验对象，在Matlab 7.5.0（R2007b）环境中检测结果如下图所示。 图2为原图像，对原图像经过数学形态学增强后的效果如图3。经过Hough变换，检测到的直线如图4，从图4中可以清楚的看到有一些无效的线段，结合Hough变换后的θ值，去除无效的线段，实现对路面边缘的半自动化检测。图5为Hough变换后峰值点的θ值。图6为最终检测结果。图7为由图6检测到的直线确定的路面区域。 图2 原图像 图3 增强图像 Fig 2 The original image Fig 3 The enhanced image 图4 检测到的直线 图5 Hough变换后峰值点的θ值 Fig 4 The lines detected by Hough transform Fig 5 The value of θafter Hough transform 图6 最终直线检测结果 图7 路面区域 Fig 6 The result of lines detected Fig 7 The region of road 根据道路边缘的几何与结构特点，利用Hough变换在Matlab环境下进行直线提取。图6中的以绿色*起始的红色直线表示道路边缘，从图中可以清晰的将边缘线和路径从图像中提取出来，提取比较理想的路面区域，达到了本文研究的目标。 4 结束语 本文提出了一种道路边缘提取方法。这种方法通过数学形态学对输入图像进行预处理，然后用Canny算子对增强图像进行边缘检测，最后采用Hough边缘检测出二值图像中的道路边缘。通过试验，表明该方法提取时间短，准确性稳定。该方法可以推广到交通图像背景提取中，这是作者下一步的研究工作。 5 参考文献 [1] 王郑耀. 数字图像的边缘检测[D]. 西安：西安交通大学，2003 [2] 李京华，乔洁，杨志荣. 基于Hough变换的道路边缘提取[J]•交通与计算机，2008，26（1）：62—64 [3] 张小琳. 图像边缘检测技术综述[J]•高能量密度物理, 2007（3）：37—40 [4] 胡尚举，申江波，田国法. 边缘检测算子的分析比较[J]•大众科技，2008（9）：48—49 [5] 黄乡生，王彬生. Hough变换及其在几何特征检测中的应用[J]•计算机与现代化，2008（4）：20—22
作品专业信息
撰写目的和基本思路
- 在智能车辆运行过程中，由于摄像机安装位置距离地面较近，拍摄到的图像是近野图像，因此可以将图像中的道路边缘近似看成直线，这样既能保证一定的准确性，又能减少计算量。本文采用数学形态学对原图像进行增强，然后用Canny算子对增强图像进行边缘检测，最后采用Hough变换检测出二值图像中的道路边缘。
科学性、先进性及独特之处
- 1、在图像增强过程中，采用数学形态学中的底帽和顶帽运算，成功实现了对道路边缘的增强。 2、Hough变换后，对变换后直线的覆盖范围观察，确定角度阈值，去除了无效的线段,实现对道路边缘检测的半自动化。
应用价值和现实意义
- 经济的发展导致机动车的急剧增长，交通流量日益加大，交通拥堵现象日趋严重,交通事故发生频度上升，必然造成了严重的经济损失和人员伤亡。据粗略估算，北京一年因交通堵塞造成的直接经济损失有121.2亿元，相比2004年的GDP总量，可以发现交通拥堵造成的损失相当于GDP总量的3.6%。
学术论文摘要
- 道路边缘的快速准确定位在视频交通运动检测中是最关键的一步。本文提出一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行预处理，然后用Canny算子对增强图像进行边缘检测，最后采用Hough边缘检测出二值图像中的道路边缘。试验证明，该方法准确性较高,可以减少后期运动检测的运算范围，提高运动检测速率。
获奖情况
- 无
鉴定结果
- 无
参考文献
- 无
同类课题研究水平概述
- 图象边缘检测作为一个低级视觉处理过程，有着很长的研究历史，学术思想也很活跃，新理论、新方法也不断涌现。将图像边缘检测技术应用于道路图像的边缘定位，更是适合当今经济发展的一大趋势。 李桂芹等人在《基于区域生长的道路和桥梁识别方法的研究》中，提出采用区域生长法对图像进行粗分类，然后通过canny检测算子、去除无效线段和检测平行线等技术定位图像的道路和桥梁。杨佳等在《基于区域生长的机器人路标识别方法研究》论文中，提出提出了一种基于当前最大聚合中心的区域生长算法，成功实现了对道路的识别。国内还有一部分学者致力于采用Hough变换检测直线的原理来确定道路区域。乔洁、李京华和杨志荣在《基于Hough变换的道路边缘提取》中，提出将拍摄到的道路图像进行滤波预处理;利用自适应阈值分割法对处理后的图像进行分割,并采用数学形态学中的“腐蚀”运算检测边缘;利用Hough变换实现道路边缘的检测与定位。因Hough变换具有较强的鲁棒性和抗干扰能力，势必会在道路边缘检测中得到越来越多的应用。
