CN106097345A - 一种线状目标分割方法及分割系统 - Google Patents
一种线状目标分割方法及分割系统 Download PDFInfo
- Publication number
- CN106097345A CN106097345A CN201610416905.6A CN201610416905A CN106097345A CN 106097345 A CN106097345 A CN 106097345A CN 201610416905 A CN201610416905 A CN 201610416905A CN 106097345 A CN106097345 A CN 106097345A
- Authority
- CN
- China
- Prior art keywords
- main peak
- peak value
- image
- value
- straight line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种线状目标分割方法及分割系统,其中,线状目标分割方法通过对边缘图像进行霍夫变换的方法将其映射到极坐标系中,从而能够在极坐标系下的共线累计图中寻找主峰值和次主峰值;然后根据主峰值和次主峰值判断第一直线和第二直线的位置关系是否满足分割要求,以判断初始分割阈值是否能够准确的对声纳图像中的线状目标进行有效地分割,当判断为否,且初始分割阈值不等于截止分割阈值时,对初始分割阈值进行修正后返回根据初始分割阈值和声纳图像生成二值图像的步骤直至第一直线和第二直线的位置关系满足分割要求或初始分割阈值等于截止分割阈值,以实现寻找理想的初始分割阈值对声纳图像进行线状目标分割的目的。
Description
技术领域
本申请涉及图像分割技术领域,更具体地说,涉及一种线状目标分割方法及分割系统。
背景技术
声纳成像受水体浑浊度和光照强度的影响较小,因此被广泛应用于水下目标探测、环境感知、水下目标跟踪等领域。选择合适的图像分割技术可以提高探测、跟踪以及识别的概率。
现有技术中对图像进行分割的方法主要包括大律法、局部大律法和属性直方图法,这三种方法都是基于分割阈值的选取实现的,其主要思想是根据目标灰度图像获取灰度直方图,然后从所述灰度直方图中找到两峰之间的谷值所对应的分割阈值,将该分割阈值作为理想分割阈值对目标灰度图像进行分割以期实现对目标灰度图像目标区域的提取。
但是由于声纳图像的灰度值过于集中,很难在根据所述声纳图像获取的灰度直方图中找到明显的谷值,因此现有技术中对图像进行分割的方法无法适用于所述声纳图像中。而在水下作业中,经常需要对线状目标区域进行判断和分析,所述线状目标指如海底管道、水中悬垂管道、小型水下潜器等包含的直线成分。
因此,亟需一种适用于声纳图像的线状目标分割技术手段。
发明内容
为解决上述技术问题,本发明提供了一种线状目标分割方法及分割系统,以实现提供一种适用于声纳图像的线状目标分割方法的目的。
为实现上述技术目的,本发明实施例提供了如下技术方案:
一种线状目标分割方法,应用于声纳图像,所述线状目标分割方法包括:
设置初始分割阈值、截止分割阈值和阈值步长;
根据所述初始分割阈值和所述声纳图像生成二值图像;
根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤。
优选的,所述根据所述初始分割阈值和所述声纳图像生成二值图像包括:
将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
利用所述二值图像的像素点绘制所述二值图像。
优选的,所述根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求包括:
根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求;
判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求。
优选的,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差;
所述角度允许误差的取值范围为0°-5°,包括端点值。
优选的,所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差;
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
一种水中线状目标分割系统,应用于声纳图像,所述线状目标分割系统包括:
初始化模块,用于设置初始分割阈值、截止分割阈值和阈值步长;
图像生成模块,用于根据所述初始分割阈值和所述声纳图像生成二值图像;
图像变换模块,用于根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
峰值寻找模块,用于确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
判断模块,用于根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回图像生成模块。
优选的,所述图像生成模块包括:
像素点生成单元,用于将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
二值图像绘制单元,用于利用所述二值图像的像素点绘制所述二值图像。
优选的,所述判断模块包括:第一判断单元、第二判断单元、阈值修正单元和输出单元;其中,
所述第一判断单元,用于根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求,如果是,则进入所述第二判断单元,如果否,则进入所述阈值修正单元;
所述第二判断单元,用于判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求,如果是,则进入所述输出单元,如果否,则进入所述阈值修正单元;
所述阈值修正单元,用于判断所述初始分割阈值是否大于或等于所述截止分割阈值,如果是,则进入所述输出单元;如果否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回所述图像生成模块;
所述输出单元,用于将所述二值图像作为分割图像。
优选的,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差;
所述角度允许误差的取值范围为0°-5°,包括端点值。
优选的,所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差;
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
从上述技术方案可以看出,本发明实施例提供了一种线状目标分割方法及分割系统,其中,所述线状目标分割方法通过对所述边缘图像进行霍夫变换的方法将其由直角坐标系映射到极坐标系中,获得极坐标系下的共线累计图,从而能够在所述极坐标系下的共线累计图中寻找所述主峰值和次主峰值,其中,所述主峰值对应于所述二值图像中的第一直线的极坐标,所述次主峰值对应于所述二值图像中的第二直线的极坐标;然后根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求,以判断所述初始分割阈值是否能够准确的对所述声纳图像中的线状目标进行有效地分割,当判断为否,且所述初始分割阈值不大于或等于所述截止分割阈值时,对所述初始分割阈值进行修正后返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤直至所述第一直线和第二直线的位置关系满足所述分割要求或所述初始分割阈值大于或等于所述截止分割阈值,以实现寻找理想的初始分割阈值对所述声纳图像进行线状目标分割的目的。
通过上述描述可以发现,所述线状目标分割方法并没有通过利用所述声纳图像获取灰度直方图并在所述灰度直方图中寻找谷值的方法对所述声纳图像进行图像分割,避免了由于所述声纳图像的灰度值过于集中而找不到所述谷值的问题。并且所述线状目标分割方法基于阈值分割实现,而阈值分割具由低运算成本的特性,因此对于计算资源的要求不高,相较于较复杂的分割方法所需要的计算时间较少,有望应用于嵌入式系统实现对所述声纳图像的实时处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请的一个实施例提供的一种线状目标分割方法的流程示意图;
图2(a)为本申请的一个实施例提供的单线霍夫变换的原理示意图;
图2(b)为本申请的一个实施例提供的双线霍夫变换的原理示意图;
图3为本申请的一个具体实施例提供的一种声纳图像采集系统的结构示意图;
图4为利用如图3所示的声纳图像采集系统在成像角度为15°时成像的声纳图像;
图5(a)从左到右分别为初始分割阈值为85,125和162时获得的极坐标系下的共线累计图;
图5(b)从左到右分别为初始分割阈值为85,125和162时所述主峰值和次主峰值所对应的第一直线和第二直线;
图5(c)从左到右分别为初始分割阈值为85,125和162时获得的二值图像;
图6为利用如图3所示的声纳图像采集系统在旋转角度分别为0°、45°、90°和135°时成像的声纳图像;
图7为利用线状目标分割方法对旋转角度分别为0°、45°、90°和135°时成像的声纳图像进行处理获得的分割图像;
图8为本申请的一个实施例提供的一种水中线状目标分割系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供了一种线状目标分割方法,如图1所示,应用于声纳图像,所述线状目标分割方法包括:
S101:设置初始分割阈值、截止分割阈值和阈值步长;
S102:根据所述初始分割阈值和所述声纳图像生成二值图像;
S103:根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
S104:确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
S105:根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤。
其中,所述初始分割阈值一般设置为较小正整数,例如1、2或5,具体取值可以根据经验进行设定;所述截止分割阈值的最大取值为255,一般可以取200或100,同样的,所述截止分割阈值的具体取值也可以通过经验值确定;所述阈值步长一般为1,但也可以根据所述初始分割阈值和截止分割阈值设定为2或其他正整数,本申请对所述初始分割阈值、截止分割阈值和阈值步长的具体取值并不做限定,具体视实际情况而定。
需要说明的,霍夫变换具有良好的空间映射关系,可以将直角坐标系下的共线关系映射到极坐标系当中,其具体变化原理如图2(a)和图2(b)所示,其中,图2(a)为单线霍夫变换,图2(b)为双线霍夫变换;
在直角坐标系x-y中,ρ0代表空间点到原点的距离,单位为像素,θ0代表原点到空间点的向量角度,单位为度,共线的(xi,yi)和(xj,yj)在极坐标空间分别由曲线ρ=xi cosθ+yisinθ和曲线ρ=xj cosθ+yj sinθ表示,它们的交点为(θ0,ρ0);在图2(b)中,同理,在线1上的共线点会映射到极坐标点(θ1,ρ1)上,在线2上的共线点会映射到极坐标点上(θ2,ρ2)。由此可以看出,在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的点即为所述二值图像中共线点最多的第一直线所对应的极坐标;在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的点即为所述二值图像中共线点第二多的第二直线所对应的极坐标。
所述线状目标分割方法通过对所述边缘图像进行霍夫变换的方法将其由直角坐标系映射到极坐标系中,从而将共线点的全局检测任务转换为在所述极坐标系下的共线累计图中寻找所述主峰值和次主峰值的任务;然后根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求,以判断所述初始分割阈值是否能够准确的对所述声纳图像中的线状目标进行有效地分割,当判断为否,且所述初始分割阈值不大于或等于所述截止分割阈值时,对所述初始分割阈值进行修正后返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤直至所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系满足所述分割要求或所述初始分割阈值大于或等于所述截止分割阈值,以实现寻找理想的初始分割阈值对所述声纳图像进行线状目标分割的目的。
通过上述描述可以发现,所述线状目标分割方法可以应用于普遍存在多途干扰和旁瓣干扰的声纳图像的线状目标分割,有效降低了在真实目标周围的以相似特征分布的干扰的影响,这对于水下目标定位、检测、跟踪和识别等后续视觉处理由非常大的帮助。
进一步的,所述线状目标分割方法并没有通过利用所述声纳图像获取灰度直方图并在所述灰度直方图中寻找谷值的方法对所述声纳图像进行图像分割,避免了由于所述声纳图像的灰度值过于集中而找不到所述谷值的问题。并且所述线状目标分割方法基于阈值分割实现,而阈值分割具由低运算成本的特性,因此对于计算资源的要求不高,相较于较复杂的分割方法所需要的计算时间较少,有望应用于嵌入式系统实现对所述声纳图像的实时处理。
在上述实施例的基础上,在本申请的一个实施例中,所述根据所述初始分割阈值和所述声纳图像生成二值图像包括:
将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
利用所述二值图像的像素点绘制所述二值图像。
本实施例仅提供了一种可行的根据所述初始分割阈值和所述声纳图像生成二值图像的过程,本申请对此并不做限定,具体视实际情况而定。
需要说明的是,同样的,根据所述二值图像生成边缘图像可以包括:
将所述二值图像的像素点代入公式f″(x,y)=edge(f′(x,y))|Sobel中生成所述边缘图像的像素点,其中,f″(x,y)表示所述边缘图像的像素点,edge()|Sobel表示利用Sobel算子进行边缘检测;
利用所述边缘图像的像素点绘制所述边缘图像。
在上述实施例的基础上,在本申请的另一个实施例中,所述根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求包括:
根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求;
判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求。
其中,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差。
所述角度允许误差的取值范围为0°-5°,包括端点值。
在本申请的一个优选实施例中,所述角度允许误差的取值为3°;在本申请的其他实施例中,所述角度允许误差的取值还可以为0°或1°,所述角度允许误差的取值越小,所述线状目标分割方法的精度越高;本申请对所述中心点允许误差的具体取值并不做限定,具体视精度要求而定。
所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差。
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
在本申请的一个优选实施例中,所述中心点允许误差的取值为80像素,在本申请的其他实施例中,所述中心点允许误差的取值还可以为50像素或60像素,所述中心点允许误差的取值越小,所述线状目标分割方法的精度越高;本申请对所述中心点允许误差的具体取值并不做限定,具体视精度要求而定。
在上述实施例的基础上,在本申请的一个具体实施例中,在图3所示的声纳图像采集系统中对所述线状目标分割方法进行验证;图3中的混响水池的规格为10m×6m×6m,声纳位于水下1m的位置处,声纳俯视成像,俯视角度(即声纳与水平面的夹角)为15°,线状目标为长度0.55m,外半径0.046m,内半径为0.036m的钢管,钢管置于水下1.5m,距离声纳的水平距离为3m。
在所述混响水池中对所述钢管进行俯视成像获取声纳图像,获取的声纳图像如图4所示,利用所述线状目标分割方法对获取的声纳图像进行线状目标分割,其中,所述初始分割阈值设置为1、截止分割阈值设置为200,阈值步长设置为1,角度允许误差设置为3°,中心点允许误差设置为80像素。
图5(a)从左到右分别为所述初始分割阈值为85,125和162时获得的极坐标系下的共线累计图(其纵坐标为像素(pixel),横坐标为角度坐标,单位为度),标记的方框为搜索到的主峰值和次主峰值。图5(b)从左到右分别为所述初始分割阈值为85,125和162时所述主峰值和次主峰值所对应的第一直线和第二直线;图5(c)从左到右分别为所述初始分割阈值为85,125和162时获得的二值图像。当所述初始分割阈值递增到85时,极坐标空间中的主峰值和次主峰值相距较远,所对应的第一直线和第二直线不具有平行关系,分割效果较差;当所述初始分割阈值递增到125时,极坐标空间中的主峰值和次主峰值仍然相距较远,所对应的第一直线和第二直线的距离有所缩短,但仍然不具备平行关系,分割效果仍然含有较多的非目标成分(钢管以外的成分);当所述初始分割阈值递增到162时,极坐标空间中的主峰值和次主峰值相距较近,所对应的第一直线和第二直线具有明显的平行关系,并且两直线间的中心点距离满足实际情况,从图5(c)可以看出,当所述初始分割阈值递增到162时,所获得的二值图像接近实际目标(钢管),可以作为所述分割图像。
为了验证利用所述线状目标分割方法对不同成像角度下采集的声纳图像都可以进行有效分割,图3中的旋转器可以带动钢管转动,产生不同角度成像的声纳图像。如图6所示,从左到右分别为旋转器的旋转角度为0°、45°、90°和135°时成像的声纳图像,利用所述线状目标分割方法对获得的声纳图像进行处理获得的分割图像如图7所示。图7中,从左到右分别为对旋转器的旋转角度为0°、45°、90°和135°时成像的声纳图像利用所述线状目标分割方法进行处理后获得的分割图像;从图7中可以看出,所述线状目标分割方法可以有效地对所述声纳图像进行线状目标的分割,且适用于不同成像角度下采集的声纳图像。
相应的,本申请实施例还提供了一种水中线状目标分割系统,应用于声纳图像,如图8所示,所述线状目标分割系统包括:
初始化模块100,用于设置初始分割阈值、截止分割阈值和阈值步长;
图像生成模块200,用于根据所述初始分割阈值和所述声纳图像生成二值图像;
图像变换模块300,用于根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
峰值寻找模块400,用于确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
判断模块500,用于根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回所述图像生成模块200。
其中,所述初始分割阈值一般设置为较小正整数,例如1、2或5,具体取值可以根据经验进行设定;所述截止分割阈值的最大取值为255,一般可以取200或100,同样的,所述截止分割阈值的具体取值也可以通过经验值确定;所述阈值步长一般为1,但也可以根据所述初始分割阈值和截止分割阈值设定为2或其他正整数,本申请对所述初始分割阈值、截止分割阈值和阈值步长的具体取值并不做限定,具体视实际情况而定。
需要说明的,霍夫变换具有良好的空间映射关系,可以将直角坐标系下的共线关系映射到极坐标系当中,其具体变化原理如图2(a)和图2(b)所示,其中,图2(a)为单线霍夫变换,图2(b)为双线霍夫变换;
在直角坐标系x-y中,ρ0代表空间点到原点的距离,单位为像素,θ0代表原点到空间点的向量角度,单位为度,共线的(xi,yi)和(xj,yj)在极坐标空间分别由曲线ρ=xi cosθ+yisinθ和曲线ρ=xj cosθ+yj sinθ表示,它们的交点为(θ0,ρ0);在图2(b)中,同理,在线1上的共线点会映射到极坐标点(θ1,ρ1)上,在线2上的共线点会映射到极坐标点上(θ2,ρ2)。由此可以看出,在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的点即为所述二值图像中共线点最多的第一直线所对应的极坐标;在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的点即为所述二值图像中共线点第二多的第二直线所对应的极坐标。
所述线状目标分割系统通过对所述边缘图像进行霍夫变换的方法将其由直角坐标系映射到极坐标系中,从而将共线点的全局检测任务转换为在所述极坐标系下的共线累计图中寻找所述主峰值和次主峰值的任务;然后根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求,以判断所述初始分割阈值是否能够准确的对所述声纳图像中的线状目标进行有效地分割,当判断为否,且所述初始分割阈值不大于或等于所述截止分割阈值时,对所述初始分割阈值进行修正后返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤直至所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系满足所述分割要求或所述初始分割阈值大于或等于所述截止分割阈值,以实现寻找理想的初始分割阈值对所述声纳图像进行线状目标分割的目的。
通过上述描述可以发现,所述线状目标分割系统可以应用于普遍存在多途干扰和旁瓣干扰的声纳图像的线状目标分割,有效降低了在真实目标周围的以相似特征分布的干扰的影响,这对于水下目标定位、检测、跟踪和识别等后续视觉处理由非常大的帮助。
进一步的,所述线状目标分割系统并没有通过利用所述声纳图像获取灰度直方图并在所述灰度直方图中寻找谷值的方法对所述声纳图像进行图像分割,避免了由于所述声纳图像的灰度值过于集中而找不到所述谷值的问题。并且所述线状目标分割系统基于阈值分割实现,而阈值分割具由低运算成本的特性,因此对于计算资源的要求不高,相较于较复杂的分割方法所需要的计算时间较少,有望应用于嵌入式系统实现对所述声纳图像的实时处理。
在上述实施例的基础上,在本申请的一个实施例中,像素点生成单元,用于将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
二值图像绘制单元,用于利用所述二值图像的像素点绘制所述二值图像。
本实施例仅提供了一种可行的根据所述初始分割阈值和所述声纳图像生成二值图像的过程,本申请对此并不做限定,具体视实际情况而定。
需要说明的是,同样的,根据所述二值图像生成边缘图像可以包括:
将所述二值图像的像素点代入公式f″(x,y)=edge(f′(x,y))|Sobel中生成所述边缘图像的像素点,其中,f″(x,y)表示所述边缘图像的像素点,edge()|Sobel表示利用Sobel算子进行边缘检测;
利用所述边缘图像的像素点绘制所述边缘图像。
在上述实施例的基础上,在本申请的另一个实施例中,所述判断模块500包括:第一判断单元、第二判断单元、阈值修正单元和输出单元;其中,
所述第一判断单元,用于根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求,如果是,则进入所述第二判断单元,如果否,则进入所述阈值修正单元;
所述第二判断单元,用于判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求,如果是,则进入所述输出单元,如果否,则进入所述阈值修正单元;
所述阈值修正单元,用于判断所述初始分割阈值是否大于或等于所述截止分割阈值,如果是,则进入所述输出单元;如果否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回所述图像生成模块200;
所述输出单元,用于将所述二值图像作为分割图像。
其中,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差。
所述角度允许误差的取值范围为0°-5°,包括端点值。
在本申请的一个优选实施例中,所述角度允许误差的取值为3°;在本申请的其他实施例中,所述角度允许误差的取值还可以为0°或1°,所述角度允许误差的取值越小,所述线状目标分割方法的精度越高;本申请对所述中心点允许误差的具体取值并不做限定,具体视精度要求而定。
所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差。
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
在本申请的一个优选实施例中,所述中心点允许误差的取值为80像素,在本申请的其他实施例中,所述中心点允许误差的取值还可以为50像素或60像素,所述中心点允许误差的取值越小,所述线状目标分割方法的精度越高;本申请对所述中心点允许误差的具体取值并不做限定,具体视精度要求而定。
综上所述,本申请实施例提供了一种线状目标分割方法及分割系统,其中,所述线状目标分割方法通过对所述边缘图像进行霍夫变换的方法将其由直角坐标系映射到极坐标系中,获得极坐标系下的共线累计图,从而能够在所述极坐标系下的共线累计图中寻找所述主峰值和次主峰值,其中,所述主峰值对应于所述二值图像中的第一直线的极坐标,所述次主峰值对应于所述二值图像中的第二直线的极坐标;然后根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求,以判断所述初始分割阈值是否能够准确的对所述声纳图像中的线状目标进行有效地分割,当判断为否,且所述初始分割阈值不大于或等于所述截止分割阈值时,对所述初始分割阈值进行修正后返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤直至所述第一直线和第二直线的位置关系满足所述分割要求或所述初始分割阈值大于或等于所述截止分割阈值,以实现寻找理想的初始分割阈值对所述声纳图像进行线状目标分割的目的。
通过上述描述可以发现,所述线状目标分割方法并没有通过利用所述声纳图像获取灰度直方图并在所述灰度直方图中寻找谷值的方法对所述声纳图像进行图像分割,避免了由于所述声纳图像的灰度值过于集中而找不到所述谷值的问题。并且所述线状目标分割方法基于阈值分割实现,而阈值分割具由低运算成本的特性,因此对于计算资源的要求不高,相较于较复杂的分割方法所需要的计算时间较少,有望应用于嵌入式系统实现对所述声纳图像的实时处理。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种线状目标分割方法,其特征在于,应用于声纳图像,所述线状目标分割方法包括:
设置初始分割阈值、截止分割阈值和阈值步长;
根据所述初始分割阈值和所述声纳图像生成二值图像;
根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回根据所述初始分割阈值和所述声纳图像生成二值图像的步骤。
2.根据权利要求1所述的方法,其特征在于,所述根据所述初始分割阈值和所述声纳图像生成二值图像包括:
将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
利用所述二值图像的像素点绘制所述二值图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求包括:
根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求;
判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求。
4.根据权利要求3所述的方法,其特征在于,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差;
所述角度允许误差的取值范围为0°-5°,包括端点值。
5.根据权利要求3所述的方法,其特征在于,所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差;
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
6.一种水中线状目标分割系统,其特征在于,应用于声纳图像,所述线状目标分割系统包括:
初始化模块,用于设置初始分割阈值、截止分割阈值和阈值步长;
图像生成模块,用于根据所述初始分割阈值和所述声纳图像生成二值图像;
图像变换模块,用于根据所述二值图像生成边缘图像,并对所述边缘图像进行霍夫变换,获得极坐标系下的共线累计图;
峰值寻找模块,用于确定所述极坐标系下的共线累计图中的主峰值和次主峰值,所述主峰值对应于所述二值图像中的第一直线的极坐标,为在极坐标系下的共线累计图中同时处于最多的曲线中的点所对应的极坐标;所述次主峰值对应于所述二值图像中的第二直线的极坐标,为在极坐标系下的共线累计图中同时处于第二多的曲线中的点所对应的极坐标;
判断模块,用于根据所述主峰值和次主峰值判断所述第一直线和第二直线的位置关系是否满足分割要求;
如果是,则将所述二值图像作为分割图像;
如果否,则判断所述初始分割阈值是否大于或等于所述截止分割阈值,若是,则将所述二值图像作为分割图像,若否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回图像生成模块。
7.根据权利要求6所述的系统,其特征在于,所述图像生成模块包括:
像素点生成单元,用于将所述声纳图像中的像素点代入公式中生成二值图像的像素点,其中,f′(x,y)表示所述二值图像的像素点,τ0表示所述初始分割阈值,L表示灰度图像的最大灰度等级;
二值图像绘制单元,用于利用所述二值图像的像素点绘制所述二值图像。
8.根据权利要求6所述的系统,其特征在于,所述判断模块包括:第一判断单元、第二判断单元、阈值修正单元和输出单元;其中,
所述第一判断单元,用于根据所述主峰值和次主峰值的角度坐标判断所述第一直线和第二直线的平行程度是否满足平行要求,如果是,则进入所述第二判断单元,如果否,则进入所述阈值修正单元;
所述第二判断单元,用于判断所述主峰值和次主峰值的长度坐标判断所述第一直线和第二直线的中心点距离是否满足距离要求,如果是,则进入所述输出单元,如果否,则进入所述阈值修正单元;
所述阈值修正单元,用于判断所述初始分割阈值是否大于或等于所述截止分割阈值,如果是,则进入所述输出单元;如果否,则对所述初始分割阈值与所述阈值步长进行求和,并将求和结果作为新的初始分割阈值,返回所述图像生成模块;
所述输出单元,用于将所述二值图像作为分割图像。
9.根据权利要求8所述的系统,其特征在于,所述平行要求为:
θk,1∈[θk,2-Δθ,θk,2+Δθ];
其中,θk,1为所述主峰值或次主峰值的角度坐标;当θk,1为所述主峰值的角度坐标时,θk,2为所述次主峰值的角度坐标,当θk,1为所述次主峰值的角度坐标时,θk,2为所述主峰值的角度坐标;Δθ为角度允许误差;
所述角度允许误差的取值范围为0°-5°,包括端点值。
10.根据权利要求8所述的系统,其特征在于,所述距离要求为:
ρk,1∈[ρk,2-Δρ,ρk,2+Δρ];
其中,ρk,1为所述主峰值或次主峰值的中心点坐标;当ρk,1为所述主峰值的中心点坐标时,ρk,2为所述次主峰值的中心点坐标,当ρk,1为所述次主峰值的中心点坐标时,ρk,2为所述主峰值的中心点坐标;Δρ为中心点允许误差;
所述中心点允许误差的取值范围为0像素-80像素,包括端点值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610416905.6A CN106097345B (zh) | 2016-06-14 | 2016-06-14 | 一种线状目标分割方法及分割系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610416905.6A CN106097345B (zh) | 2016-06-14 | 2016-06-14 | 一种线状目标分割方法及分割系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106097345A true CN106097345A (zh) | 2016-11-09 |
CN106097345B CN106097345B (zh) | 2020-04-14 |
Family
ID=57845514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610416905.6A Active CN106097345B (zh) | 2016-06-14 | 2016-06-14 | 一种线状目标分割方法及分割系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097345B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240693A (zh) * | 2021-04-27 | 2021-08-10 | 珠海埃克斯智能科技有限公司 | 芯片切割控制方法、系统、设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3416736B2 (ja) * | 2001-03-12 | 2003-06-16 | 北海道大学長 | 観測画像信号解析のための濃淡画像処理方法 |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
US20110216938A1 (en) * | 2010-03-03 | 2011-09-08 | Denso Corporation | Apparatus for detecting lane-marking on road |
CN102855619A (zh) * | 2012-07-11 | 2013-01-02 | 北京京北方信息技术有限公司 | 一种针对印章影像的矩形检测方法及装置 |
CN104272363A (zh) * | 2012-04-27 | 2015-01-07 | 株式会社电装 | 边界线检测装置、边界线偏离检测装置以及边界线检测程序 |
CN104424482A (zh) * | 2013-08-28 | 2015-03-18 | 富士通株式会社 | 图像处理设备和图像处理方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
-
2016
- 2016-06-14 CN CN201610416905.6A patent/CN106097345B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3416736B2 (ja) * | 2001-03-12 | 2003-06-16 | 北海道大学長 | 観測画像信号解析のための濃淡画像処理方法 |
US20110216938A1 (en) * | 2010-03-03 | 2011-09-08 | Denso Corporation | Apparatus for detecting lane-marking on road |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
CN104272363A (zh) * | 2012-04-27 | 2015-01-07 | 株式会社电装 | 边界线检测装置、边界线偏离检测装置以及边界线检测程序 |
CN102855619A (zh) * | 2012-07-11 | 2013-01-02 | 北京京北方信息技术有限公司 | 一种针对印章影像的矩形检测方法及装置 |
CN104424482A (zh) * | 2013-08-28 | 2015-03-18 | 富士通株式会社 | 图像处理设备和图像处理方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
Non-Patent Citations (1)
Title |
---|
唐旭东: "智能水下机器人水下管道检测与跟踪技术研究", 《中国博士学位论文全文数据库.信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240693A (zh) * | 2021-04-27 | 2021-08-10 | 珠海埃克斯智能科技有限公司 | 芯片切割控制方法、系统、设备及计算机可读存储介质 |
CN113240693B (zh) * | 2021-04-27 | 2023-10-20 | 珠海埃克斯智能科技有限公司 | 芯片切割控制方法、系统、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106097345B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738121A (zh) | 一种前方车辆检测方法及检测系统 | |
CN109283538A (zh) | 一种基于视觉和激光传感器数据融合的海上目标大小检测方法 | |
CN102879786B (zh) | 一种针对水下障碍物的检测定位方法和系统 | |
CN103197308B (zh) | 基于多波束相控阵声纳系统的三维声纳可视化处理方法 | |
CN104820991B (zh) | 一种基于代价矩阵的多重软约束立体匹配方法 | |
CN105046235A (zh) | 车道线的识别建模方法和装置、识别方法和装置 | |
CN109948413B (zh) | 基于高精度地图融合的车道线检测方法 | |
CN104966065A (zh) | 目标识别方法及装置 | |
CN104951817A (zh) | 边界检测装置和边界检测方法 | |
CN107632308A (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
CN111178150B (zh) | 车道线检测方法、系统及存储介质 | |
CN105204411A (zh) | 一种基于双目立体视觉的船舶靠泊辅助系统及方法 | |
CN104574393A (zh) | 一种三维路面裂缝图像生成系统和方法 | |
CN107392944A (zh) | 全景影像与点云的配准方法及装置 | |
CN107103610B (zh) | 立体测绘卫星影像匹配可疑区域自动检测方法 | |
CN104134216A (zh) | 基于16维特征描述的激光点云自动配准方法及系统 | |
CN103729846A (zh) | 基于不规则三角网的LiDAR点云数据边缘检测方法 | |
CN109901193A (zh) | 近距离障碍物的光达侦测装置及其方法 | |
CN110147748A (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
CN109829858A (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN111443704A (zh) | 用于自动驾驶系统的障碍物定位方法及装置 | |
CN101976349A (zh) | 基于哈夫变换的遥感图像中交通枢纽目标识别方法 | |
CN106097345A (zh) | 一种线状目标分割方法及分割系统 | |
CN112101211A (zh) | 一种基于目标检测和双目测距的人员与吊臂位置计算方法 | |
Chenchen et al. | A camera calibration method for obstacle distance measurement based on monocular vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |