CN107622269A - 复杂背景下基于几何约束的熔丝管管体识别方法 - Google Patents

Abstract

本发明提出一种复杂背景下基于几何约束的熔丝管管体识别方法。判断图像灰度是否低于灰度阈值，若是，则采用对比度受限的自适应直方图均衡化方法对图像进行增强；判断图像是否有高光现象，若是，采用同态滤波方法对图像进行增强；采用基于迭代阈值法的Canny算法提取图像边缘；在Hough空间中对边缘图像进行处理，筛选出符合长度要求的直线段；根据直线段的间距和平行约束关系识别熔丝管管体。本发明在图像灰度较低或者高光情况下可以有效识别熔丝管管体，识别准确率高。

Description

复杂背景下基于几何约束的熔丝管管体识别方法

技术领域

本发明属于目标识别技术领域，具体涉及一种复杂背景下基于几何约束的熔丝管管体的识别方法。

背景技术

基于视觉的目标识别技术主要研究如何将目标从图像的背景中识别出来。随着计算机视觉技术和图像并行处理技术的飞速发展，基于机器视觉的目标识别技术被广泛应用到许多领域，包括工业、农业和电力等领域，特别是在危险系数较高的或人类视觉无法感知的领域，基于机器视觉的目标识别技术能够表现出非常高的优越性。例如，在机器人装配作业过程中，经常需要利用机器视觉技术，对熔丝管管体行识别，为机器人自主拆卸安装设备奠定基础。

考虑到噪声的干扰、光照的不均、天气的变化、物体表面的反射等影响，摄像头可能难以采集到目标突出的高质量图像，从而造成目标识别的困难。而应用图像增强技术可有效改善图像质量，突出目标信息。目前，针对基于视觉的熔丝管管体的识别研究还不是很多，且其对环境的要求比较高，例如要求良好的光照条件等。

发明内容

本发明的目的在于提供一种复杂背景下基于几何约束的熔丝管管体识别方法。

实现本发明目的的技术方案为：一种复杂背景下基于几何约束的熔丝管管体识别方法，包括以下步骤：

步骤1，采集包括熔丝管管体在内的图像，并转换为灰度图像；

步骤2，判断灰度图像的灰度是否低于灰度阈值，若是，则先采用对比度受限的自适应直方图均衡化方法对灰度图像进行增强处理，然后执行步骤4；若否，则执行步骤3；

步骤3，判断灰度图像是否有高光现象，若是，则先采用同态滤波方法对图像进行增强处理，然后执行步骤4，若否，直接执行步骤4；

步骤4，采用基于迭代阈值法的Canny算法提取灰度图像边缘；

步骤5，在Hough空间中对步骤4所提取的边缘图像进行处理，筛选出符合长度要求的直线段；

步骤6，根据直线段的间距和平行关系识别熔丝管管体。

与现有技术相比，本发明的显著优点为：(1)本发明在图像灰度较低或者图像存在高光现象时可以增强图像，使得目标信息突出；(2)本发明采用基于几何约束的熔丝管管体识别方法，可以排除非平行直线段等的影响，有效识别熔丝管管体。

附图说明

图1为本发明复杂背景下基于几何约束的熔丝管管体识别方法流程图。

图2为实施例中熔丝管管体识别的结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明的复杂背景下基于几何约束的熔丝管管体识别方法的具体实施方式进行说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一种复杂背景下基于几何约束的熔丝管管体识别方法，包括以下步骤：

步骤1，采集包括熔丝管管体在内的图像，并转换为灰度图像；

步骤2，判断灰度图像的灰度是否低于灰度阈值，若是，则采用对比度受限的自适应直方图均衡化方法对图像进行增强，然后执行步骤4；若否，则执行步骤3；

所述采用对比度受限的自适应直方图均衡化方法对图像进行增强的方法为：

步骤2-1，分区域：将原灰度图像f(x,y)分成M×N个大小相等的连续且不重叠子区域，设每个子区域的像素总数为Sum_subpix，其中(x,y)是图像像素坐标系中的坐标，M为行数，N为列数；

步骤2-2，计算子区域直方图：计算各个子区域的直方图，设第(i,j)个子区域的直方图为H_i,j(r_k)，其中r_k为各子区域的灰度级，1≤i≤M，1≤j≤N；

步骤2-3，计算裁剪值：

其中，Clip_value是裁剪值，L为每个子区域中的灰度级总数，α为裁剪系数，取值范围为[0 100]，s_max为每个子区域映射函数的最大斜率，通过限制α，可以限制对比度；

步骤2-4，像素点重新分配：对每个子区域直方图中大于裁剪值Clip_value的部分进行裁剪，将裁剪下来的像素平均分配到直方图的各个灰度级中，得到每个子区域的对比度受限直方图；

步骤2-5，均衡化：对每个子区域的对比度受限直方图进行均衡化处理；

步骤2-6，重构图像：对均衡化后的直方图采用插值运算进行图像重构；

步骤3，判断灰度图像是否是高光图像，若是，采用同态滤波方法对灰度图像进行增强，然后执行步骤4，若否，直接执行步骤4；

所述判断是否有高光现象的过程为：若灰度图像中大于高光灰度阈值的像素个数所占比例超过设定的比例，则有高光现象；否则没有高光现象；

所述的采用同态滤波方法对图像进行增强的具体过程为：

步骤3-1，灰度图像f(x,y)通过照射分量i(x,y)和反射分量r(x,y)的乘积表示，即

f(x,y)＝i(x,y)r(x,y)，0<i(x,y)<∞,0<r(x,y)<1

其中照射分量为低频分量，反射分量为高频分量，(x,y)表示图像像素点坐标；

对上式两边取对数，将两个相乘分量转换为两个相加分量，得到z(x,y)：

z(x,y)＝lnf(x,y)＝lni(x,y)+lnr(x,y)

其中，z(x,y)是f(x,y)的对数变换结果；

步骤3-2，对步骤3-1中等式进行傅里叶变换得：

Z(u,v)＝I(u,v)+R(u,v)

其中，Z(u,v)、I(u,v)、R(u,v)分别表示z(x,y)、lni(x,y)、lnr(x,y)的傅里叶变换；

步骤3-3，通过滤波函数H(u,v)对Z(u,v)进行滤波处理，得到滤波后的频谱函数S(u,v)：

S(u,v)＝H(u,v)Z(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)

步骤3-4，对滤波后的频谱函数S(u,v)进行傅里叶逆变换，得到s(x,y)：

s(x,y)＝i′(x,y)+r′(x,y)

其中，s(x,y)、i′(x,y)和r′(x,y)分别是S(u,v)、H(u,v)I(u,v)和H(u,v)R(u,v)的傅里叶逆变换；

步骤3-5，对步骤3-4结果进行取指数运算即获得同态滤波增强后的图像g(x,y)。

g(x,y)＝e^s(x,y)＝e^i′(x,y)e^r′(x,y)＝i₀(x,y)r₀(x,y)

其中，i₀(x,y)和r₀(x,y)分别为i′(x,y)和r′(x,y)取指数运算后的结果；

步骤4，采用基于迭代阈值法的Canny算法提取灰度图像边缘；具体步骤为：

步骤4-1，用一阶偏导的有限差分算子或者Sobel算子等梯度算子计算图像的梯度幅值；

步骤4-2，利用梯度幅值，计算图像的梯度直方图；

步骤4-3，选择高、低阈值的初始估计，记为H_threhold和L_threhold。一般选择梯度幅值的最大值和最小值分别作为高、低阈值的初始估计；

步骤4-4，计算高低阈值的平均值

步骤4-5，使用G_average将梯度幅值分为两个区域R₁和R₂，利用梯度直方图计算两个区域的平均梯度：u₁和u₂，以及u₁和u₂的平均值：其中u₁<u₂；

步骤4-6，判断G_average和u是否相等，若相等，则执行步骤4-7，若不相等，令G_average＝u，然后返回步骤4-5；

步骤4-7，令H_threhold＝u₂,L_threhold＝u₁，确定高、低阈值；

步骤4-8，利用H_threhold和L_threhold，进行Canny算法边缘检测。

步骤5，在Hough空间中对边缘图像进行处理，筛选出符合长度要求的直线段；具体过程如下：

步骤5-1，初始化Hough参数空间：选择合适的θ和ρ的取值范围，并确定θ和ρ变化的步长，将Hough参数空间等分成m×n个单元，其中ρ表示原点到直线的距离，θ表示直线法线方向与x轴的夹角，m是θ的等份数，n是ρ的等份数。建立累加器数组A[m,n]并初始化数组元素为零；

步骤5-2，建立一个集合S，并将所有的边缘点放入S中。

步骤5-3，检测集合S是否为空，若为空，则算法结束；若不为空，则随机从S中提取一个边缘点，记为P，在S中删除P点，然后计算P点下不同θ值所对应的ρ值，然后更新相应的累加器单元，即A(i,j)＝A(i,j)+1，其中，1≤i≤m,1≤j≤n；

步骤5-4，判断更新后的累加器单元值是否大于阈值Num_threshold，若不是，返回步骤5-3；若是，则在边缘图像中，按照当前累加器的θ和ρ确定的直线方向，以P点为起始点，从直线两端方向搜索位于该直线下的边缘点。

步骤5-5，当遇到图像边界，或者两点之间的间隙点个数超过阈值Gap_threshold时，搜索停止。

步骤5-6，计算直线长度

步骤5-7，判断直线长度是否大于阈值Length_threshold，若是，则记录直线两端点值；若否，则不做处理。

步骤5-8，遍历直线上的边缘点，更新累加器单元即A(i,j)＝A(i,j)-1；若边缘点存在集合S中，则删除；并在边缘图像中删除相应的边缘点；返回步骤5-3。

步骤6，根据直线段的间距和平行关系识别熔丝管管体；具体步骤为：

步骤6-1，遍历步骤5中记录的直线段，将其中角度差的绝对值小于阈值Angle_threshold的直线段记录为平行直线段，删除其中的孤立直线段；

步骤6-2，遍历步骤6-1中记录的平行直线段，删除其中间距过大或者过小的平行直线段，剩余平行直线段所确定的区域即为熔丝管管体。

实施例

复杂背景下基于几何约束的熔丝管管体识别方法，包括以下步骤：

步骤1，采集包括熔丝管管体在内的图像，并转换为灰度图像；

步骤2，判断图像灰度是否低于灰度阈值，若是，采用对比度受限的自适应直方图均衡化方法对图像进行增强，然后执行步骤4；若否，执行步骤3；其中，采用自适应阈值法获取图像灰度，灰度阈值取80；

步骤3，判断图像是否是高光图像，若是，采用同态滤波方法对图像进行增强，然后执行步骤4，若否，直接执行步骤4；

其中，同态滤波中的滤波函数为高斯型高通滤波器，其传递函数为

式中，表示任意(u,v)点距离滤波器中心(u₀,v₀)的距离，D₀表示截止频率，w、h为图像的宽和高。r_H、r_L分别为高、低频增益系数，常数c满足r_L<c<r_H；该实施例中，参数r_H为2.4，r_L为0.6，c为1.6；

步骤4，采用基于迭代阈值法的Canny算法提取图像边缘；

步骤5，在Hough空间中对边缘图像进行处理，筛选出符合长度要求的直线段；其中，间隙点个数阈值Gap_threshold为3，直线长度阈值Length_threshold为50。

步骤6，根据直线段的间距和平行关系识别熔丝管管体。

图2(a)、图2(b)、图2(c)中熔丝管管体识别结果用平行直线段标示，其中图2(a)是简单背景下的识别结果，图2(b)和图2(c)是较复杂背景下的识别结果。

本实施例中采用复杂背景下基于几何约束的目标识别方法对熔丝管管体进行识别，在简单背景和较复杂背景下都能够准确识别熔丝管管体，识别效果好。

Claims (7)

1.一种复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，包括以下步骤：

步骤1，采集包括熔丝管管体在内的图像，并转换为灰度图像；

步骤2，判断灰度图像的灰度是否低于灰度阈值，若是，则先采用对比度受限的自适应直方图均衡化方法对灰度图像进行增强处理，然后执行步骤4；若否，则执行步骤3；

步骤3，判断灰度图像是否有高光现象，若是，则先采用同态滤波方法对图像进行增强处理，然后执行步骤4，若否，直接执行步骤4；

步骤4，采用基于迭代阈值法的Canny算法提取灰度图像边缘；

步骤5，在Hough空间中对步骤4所提取的边缘图像进行处理，筛选出符合长度要求的直线段；

步骤6，根据直线段的间距和平行关系识别熔丝管管体。

2.根据权利要求1所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤2中所述采用对比度受限的自适应直方图均衡化方法对灰度图像进行增强处理时，先计算灰度图像的局部直方图，然后重新分布直方图以改变图像的对比度。

3.根据权利要求2所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤2中所述采用对比度受限的自适应直方图均衡化方法对灰度图像进行增强处理的过程为：

步骤2-1，将灰度图像f(x,y)分成M×N个大小相等的连续不重叠子区域，其中(x,y)是图像像素坐标系中的坐标，M为行数，N为列数；

步骤2-2，计算各个子区域的直方图H_i,j(r_k)，H_i,j(r_k)为第(i,j)个子区域的直方图，r_k为各子区域的灰度级，1≤i≤M，1≤j≤N；

步骤2-3，计算裁剪值Clip_value：

<mrow> <mi>C</mi> <mi>l</mi> <mi>i</mi> <mi>p</mi> <mo>_</mo> <mi>v</mi> <mi>a</mi> <mi>l</mi> <mi>u</mi> <mi>e</mi> <mo>=</mo> <mfrac> <mrow> <mi>S</mi> <mi>u</mi> <mi>m</mi> <mo>_</mo> <mi>s</mi> <mi>u</mi> <mi>b</mi> <mi>p</mi> <mi>i</mi> <mi>x</mi> </mrow> <mi>L</mi> </mfrac> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <mfrac> <mi>&amp;alpha;</mi> <mn>100</mn> </mfrac> <mo>(</mo> <mrow> <msub> <mi>s</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>

其中，Sum_subpix为每个子区域的像素总数，L为每个子区域中的灰度级总数，α为裁剪系数，s_max为每个子区域映射函数的最大斜率；

步骤2-4，对每个子区域直方图中大于裁剪值Clip_value部分进行裁剪，将裁剪下来的像素平均分配到直方图的各个灰度级中，得到每个子区域的对比度受限直方图；

步骤2-5，对每个子区域的对比度受限直方图进行均衡化处理；

步骤2-6，对均衡化后的直方图采用插值运算进行图像重构。

4.根据权利要求1所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤3中所述判断是否有高光现象的方法为：若灰度图像中大于高光灰度阈值的像素个数所占比例超过设定的比例，则有高光现象；否则没有高光现象。

5.根据权利要求1所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤4中所述采用基于迭代阈值法的Canny算法提取图像边缘的具体步骤为：

步骤4-1，用梯度算子计算灰度图像的梯度幅值；

步骤4-2，利用梯度幅值，计算灰度图像的梯度直方图；

步骤4-3，选择高、低阈值的初始估计值，记为高阈值的初始估计值记为H_threhold，低阈值的初始估计值记为L_threhold；

步骤4-4，计算高低阈值的平均值

步骤4-5，使用高低阈值的平均值G_average将梯度幅值分为两个区域R₁和R₂，利用梯度直方图计算两个区域的平均梯度u₁和u₂，以及u₁和u₂的平均值其中u₁<u₂；

步骤4-6，判断高低阈值的平均值G_average与u是否相等，若相等，则执行步骤4-7，若不相等，则令G_average＝u，然后返回步骤4-5；

步骤4-7，令H_threhold＝u₂,L_threhold＝u₁，以确定高、低阈值；

步骤4-8，利用H_threhold和L_threhold，进行Canny算法边缘检测。

6.根据权利要求1所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤5中所述在Hough空间中对边缘图像进行处理，筛选出符合长度要求的直线段的具体步骤为：

步骤5-1，初始化Hough参数空间：选择合适的θ和ρ的取值范围，并确定θ和ρ变化的步长，将Hough参数空间等分成m×n个单元，其中ρ表示原点到直线的距离，θ表示直线法线方向与x轴的夹角，m是θ的等份数，n是ρ的等份数，建立累加器数组A[m,n]并初始化数组元素为零；

步骤5-2，建立一个集合S，并将所有的边缘点放入S中；

步骤5-3，检测集合S是否为空，若为空，则算法结束；若不为空，则随机从S中提取一个边缘点，记为P，在S中删除P点，然后计算P点下不同θ值所对应的ρ值，然后更新相应的累加器单元，即A(i₁,j₁)＝A(i₁,j₁)+1，其中，1≤i₁≤m,1≤j₁≤n；

步骤5-4，判断更新后的累加器单元值是否大于阈值Num_threshold，若不是，返回步骤5-3；若是，则在边缘图像中，按照当前累加器的θ和ρ确定的直线方向，以P点为起始点，从直线两端方向搜索位于该直线下的边缘点；

步骤5-5，当遇到图像边界，或者两点之间的间隙点个数超过阈值Gap_threshold时，搜索停止；

步骤5-6，计算直线长度；

步骤5-7，判断直线长度是否大于阈值Length_threshold，若是，则记录直线两端点值；若否，则不做处理；

步骤5-8，遍历直线上的边缘点，更新累加器单元即A(i,j)＝A(i,j)-1；若边缘点存在集合S中，则删除；并在边缘图像中删除相应的边缘点；返回步骤5-3。

7.根据权利要求1所述的复杂背景下基于几何约束的熔丝管管体识别方法，其特征在于，步骤6中所述根据直线段的间距和平行关系识别熔丝管管体的具体步骤为：

步骤6-1，遍历步骤5中记录的直线段，将其中角度差的绝对值小于阈值Angle_threshold的直线段记录为平行直线段，删除其中的孤立直线段；

步骤6-2，遍历步骤6-1中记录的平行直线段，删除其中间距过大或者过小的平行直线段，剩余平行直线段所确定的区域即为熔丝管管体。