CN109117757B - 一种提取航拍图像中拉索的方法 - Google Patents

一种提取航拍图像中拉索的方法 Download PDF

Info

Publication number
CN109117757B
CN109117757B CN201810838934.0A CN201810838934A CN109117757B CN 109117757 B CN109117757 B CN 109117757B CN 201810838934 A CN201810838934 A CN 201810838934A CN 109117757 B CN109117757 B CN 109117757B
Authority
CN
China
Prior art keywords
image
extracting
line segment
guy cable
executing
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.)
Active
Application number
CN201810838934.0A
Other languages
English (en)
Other versions
CN109117757A (zh
Inventor
何小海
何榜耕
吴晓红
卿粼波
滕奇志
吴小强
王正勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201810838934.0A priority Critical patent/CN109117757B/zh
Publication of CN109117757A publication Critical patent/CN109117757A/zh
Application granted granted Critical
Publication of CN109117757B publication Critical patent/CN109117757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种提取航拍图像中拉索的方法。包括以下步骤：对原始航拍图像分别进行Canny算子处理和一次小波分解，提取小波分解得到的垂直方向的高频分量，并与Canny算子得到的边缘检测图像做交集，对得到的交集图像经形态学膨胀处理后，叠加到Canny检测得到的边缘图上得到最终的边缘检测图，对得到的边缘检测图通过形态学腐蚀，滤除复杂的图像环境中的大量背景图案，保留直线方向的特征，并进行概率霍夫直线检测得到待提取的拉索线段集，对得到的拉索线段集采用聚类拟合完整提取出目标拉索。本发明所描述的航拍图像中拉索的提取方法比其他方法效果明显提升，评价指标综合表现来说是较好的。

Description

一种提取航拍图像中拉索的方法
技术领域
本发明设计一种提取航拍图像中拉索的方法，涉及图像处理，计算机视觉技术领域。
背景技术
航拍拍摄的图像具有视野宽广，场面宏大的特点，在军事、工程和民用上都有着许多应用。在一些工程应用中，航拍图像素材的获取是通过定点悬停的无人飞行器采集，相机及其云台通过若干根拉索与飞行器相连。而相机镜头在旋转拍摄的过程中，拉索会出现在视野并被拍摄到图像中。这不仅影响到图像在画面上的美感，还会影响到后续工程应用中的分析。所以，对航拍图像中的拉索去除是很有必要的，关键是进行拉索的提取。
从杂乱的背景中定位目标的确切位置，主要有两种类型的方法：基于边缘检测的方法和基于阈值分割的方法。基于边缘检测的方法一般先从图像中检测边缘，再从边缘中提取所需的目标。基于阈值分割的方法通常根据颜色、灰度级等特征来分离目标与背景来提取待检测物体。基于阈值分割的方法优点是可以较容易自动分离出任意形状的物体，但选择合适的阈值是一个难题，且一个阈值往往只适用于一个场景。基于边缘检测的方法目前研究成果对于固定场景，环境较为单一的工业图像能取得很好的效果。但这些方法对于包含大场景复杂背景的全景航拍图像中的直线提取效果却不能达到要求。航拍图像中的拉索具有以下特征：
1)拉索较细，只占据图像的极少部分，而背景包括复杂的山地洼池或是建筑楼群。
2)根据拉索悬挂相机的特点，拍摄到的画面中拉索的方向为相对于垂直的不同倾角，如检测到水平方向的拉索可视为误检。
3)不同场景下，拉索的颜色不一，甚至同一场景下，也有接近背景色的拉索，给提取工作带来难度。
发明内容
本发明旨在为解决上述问题而提供一种提取航拍图像中拉索的方法。
本发明通过以下技术方案来实现上述目的：
一种提取航拍图像中拉索的方法，包括以下步骤：
(1)对原始航拍图像分别进行Canny算子处理和一次小波分解；
(2)提取步骤(1)中小波分解得到的垂直方向的高频分量，并与步骤(1)中Canny算子得到的边缘检测图像做交集；
(3)对步骤(2)中得到的交集图像经形态学膨胀处理后，叠加到步骤(1)中Canny检测得到的边缘图上得到最终的边缘检测图；
(4)对步骤(3)得到的边缘检测图通过形态学腐蚀处理，滤除复杂的图像环境中的大量背景图案，保留直线方向的特征，并进行概率霍夫直线检测得到待提取的拉索线段集；
(5)对步骤(4)中得到的拉索线段集采用基于距离的聚类拟合方法完整提取出目标拉索。
对于步骤(5)中的基于距离的拟合方法做出以下说明：
从步骤(4)中霍夫直线检测得到的拉索线段集是一些零散的线段且包括误检线段，采用聚类拟合方法能有效提取出目标拉索，这里的聚类按照距离的标准进行拟合，故称为基于距离的聚类拟合方法。将距离作为标准设定了距离阈值，可以有效筛选掉背景中的直线线段，降低了误检的情况，并且对不同种类的拉索提取也有较好的效果。
附图说明
图1是本发明中边缘检测算法的流程图。
图2是本发明中直线检测算法的流程图。
具体实施方式
下面结合附图对本发明做进一步说明：
图1是本发明中边缘检测算法的流程图，包括以下步骤：
(1)读入原始图像；
(2)用Canny算法得到图像边缘，同时小波变换分解得到竖直方向的边缘；
(3)遍历两幅图像的像素点求交集，对得到的图像用9×1的模板膨胀；
(4)将新得到的边缘图叠加到Canny检测得到的边缘图上；
(5)输出边缘图像。
图2是本发明中直线检测算法的流程图，包括以下步骤：
(1)对边缘检测得到的图像采用1×9的模板进行腐蚀操作；
(2)通过概率霍夫直线检测得到候选线段集合；
(3)根据斜率筛选检测到的候选线段集，并对所有线段标记为false；
(4)随机选取线段Lj，以第一个端点保存为基准点Aj；
(5)判断当前线段是否为false，若是则执行步骤6),否则返回步骤4)；
(6)选取下一条线段Lj+1,并且判断是否为false，若是则执行步骤7)，否则重复执行本步骤；
(7)计算线段Lj+1所在直线到点Aj的水平距离；
(8)若距离在阈值内，则线段Lj+1标记为true并执行步骤9)，否则直接执行步骤9)；
(9)判断所有线段是否遍历结束，若是则线段Lj标记为true，否则执行步骤6)；
(10)判断是否所有线段标记为true，若是则算法结束，否则执行步骤4)。

Claims (4)

1.一种提取航拍图像中拉索的方法，其特征在于包括以下步骤：
(1)对原始航拍图像分别进行Canny算子处理和一次小波分解；
(2)提取步骤(1)中小波分解得到的垂直方向的高频分量，并与步骤(1)中Canny算子得到的边缘检测图像做交集；
(3)对步骤(2)中得到的交集图像经形态学膨胀处理后，叠加到步骤(1)中Canny检测得到的边缘图上得到最终的边缘检测图；
(4)对步骤(3)得到的边缘检测图通过形态学腐蚀处理，滤除复杂的图像环境中的大量背景图案，保留直线方向的特征，并进行概率霍夫直线检测得到待提取的拉索线段集；
(5)对步骤(4)中得到的拉索线段集根据斜线进行筛选，在筛选的结果上采用基于距离的聚类拟合方法完整提取出目标拉索。
2.如权利要求1所述的一种提取航拍图像中拉索的方法，其特征在于，所述形态学膨胀采用9×1的模板。
3.如权利要求1所述的一种提取航拍图像中拉索的方法，其特征在于，形态学腐蚀采用1×9的模板。
4.如权利要求1所述的一种提取航拍图像中拉索的方法，其特征在于，所述基于距离的聚类拟合方法包括以下步骤：
(1)对通过斜率筛选后的所有线段标记为false；
(2)随机选取线段Lj，以第一个端点保存为基准点Aj；
(3)判断当前线段是否为false，若是则执行步骤(4),否则返回步骤(2)；
(4)选取下一条线段Lj+1,并且判断是否为false，若是则执行步骤(5)，否则重复执行本步骤；
(5)计算线段Lj+1所在直线到点Aj的水平距离；
(6)若距离在阈值内，则线段Lj+1标记为true并执行步骤(7)，否则直接执行步骤(7)；
(7)判断所有线段是否遍历结束，若是则线段Lj标记为true，否则执行步骤(4)；
(8)判断是否所有线段标记为true，若是则算法结束，否则执行步骤(2)。
CN201810838934.0A 2018-07-27 2018-07-27 一种提取航拍图像中拉索的方法 Active CN109117757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810838934.0A CN109117757B (zh) 2018-07-27 2018-07-27 一种提取航拍图像中拉索的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810838934.0A CN109117757B (zh) 2018-07-27 2018-07-27 一种提取航拍图像中拉索的方法

Publications (2)

Publication Number Publication Date
CN109117757A CN109117757A (zh) 2019-01-01
CN109117757B true CN109117757B (zh) 2022-02-22

Family

ID=64863354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810838934.0A Active CN109117757B (zh) 2018-07-27 2018-07-27 一种提取航拍图像中拉索的方法

Country Status (1)

Country Link
CN (1) CN109117757B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114789446A (zh) * 2022-05-27 2022-07-26 平安普惠企业管理有限公司 机器人位姿估计方法、装置、电子设备及存储介质
CN115683431B (zh) * 2023-01-03 2023-08-18 湖南大学 基于直线跟踪算法的拉索索力确定方法、装置及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645172A (zh) * 2009-09-09 2010-02-10 北京理工大学 数字图像中直线的快速检测方法
CN102628814A (zh) * 2012-02-28 2012-08-08 西南交通大学 一种基于数字图像处理的钢轨光带异常自动检测方法
CN103093466A (zh) * 2013-01-21 2013-05-08 武汉大学 基于LiDAR点云和影像的建筑物三维变化检测方法
CN105225216A (zh) * 2014-06-19 2016-01-06 江苏天穗农业科技有限公司 基于空间距圆标记边缘检测的虹膜预处理算法
CN105825510A (zh) * 2016-03-17 2016-08-03 中南大学 一种兴趣点与道路网的自动配准方法
CN107341470A (zh) * 2017-07-03 2017-11-10 国网浙江省电力公司信息通信分公司 一种基于航拍图像的输电线检测方法
CN107705301A (zh) * 2017-09-29 2018-02-16 南京中设航空科技发展有限公司 一种基于无人机航拍公路图像的公路标线破损检测方法
CN107832674A (zh) * 2017-10-16 2018-03-23 西安电子科技大学 一种车道线检测方法
CN108229251A (zh) * 2016-12-15 2018-06-29 中国移动通信有限公司研究院 一种动作识别方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645172A (zh) * 2009-09-09 2010-02-10 北京理工大学 数字图像中直线的快速检测方法
CN102628814A (zh) * 2012-02-28 2012-08-08 西南交通大学 一种基于数字图像处理的钢轨光带异常自动检测方法
CN103093466A (zh) * 2013-01-21 2013-05-08 武汉大学 基于LiDAR点云和影像的建筑物三维变化检测方法
CN105225216A (zh) * 2014-06-19 2016-01-06 江苏天穗农业科技有限公司 基于空间距圆标记边缘检测的虹膜预处理算法
CN105825510A (zh) * 2016-03-17 2016-08-03 中南大学 一种兴趣点与道路网的自动配准方法
CN108229251A (zh) * 2016-12-15 2018-06-29 中国移动通信有限公司研究院 一种动作识别方法及装置
CN107341470A (zh) * 2017-07-03 2017-11-10 国网浙江省电力公司信息通信分公司 一种基于航拍图像的输电线检测方法
CN107705301A (zh) * 2017-09-29 2018-02-16 南京中设航空科技发展有限公司 一种基于无人机航拍公路图像的公路标线破损检测方法
CN107832674A (zh) * 2017-10-16 2018-03-23 西安电子科技大学 一种车道线检测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
"edge detection combining wavelet transform and canny operator based on fusion rules";LanYan Xue;《2009 International Conference on Wavelet Analysis and Pattern Recognition》;20090715;第324-328页 *
"Hough-Transform-Based Cluster Identification and Modeling for V2V Channels Based on Measurements";Xuesong Cai等;《IEEE Transactions on Vehicular Technology》;20180531;第67卷(第5期);第3838-3852页 *
"Robust detection of lines using the progressive probabilistic hough transform";Matas J等;《Computer Vision and Image Understanding》;20001231;第78卷(第1期);第119-137页 *
"Wavelet and Canny Based Edge Detection Method for Noisy Lung CT Image";Singh A等;《International Journal of Emerging Technology and Advanced Engineering》;20130531;第3卷(第5期);第776-780页 *
"基于小波变换与改进的Roberts算子融合的图像边缘检测";陈志强等;《研究与开发》;20110430(第4期);第15-18页 *
"基于小波变换和canny算子的齿轮边缘检测";陈少平等;《失效分析与预防》;20101130;第5卷(第4期);第199-203页 *
"基于特征点最小距离拟合的文档图像倾斜检测";吴一全等;《光学技术》;20090131;第35卷(第1期);第152-155页 *
"黑白棋盘网格中的直线检测方法研究";李晓芳等;《电脑开发与应用》;20140531;第27卷(第5期);第27-31页 *

Also Published As

Publication number Publication date
CN109117757A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN106709436B (zh) 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统
US10592754B2 (en) Shadow removing method for color image and application
WO2017054314A1 (zh) 一种建筑物高度计算方法、装置和存储介质
CN110349207B (zh) 一种复杂环境下的视觉定位方法
Wu et al. Lane-mark extraction for automobiles under complex conditions
CN108052917B (zh) 一种基于新旧时相变化发现的违章建筑自动识别的方法
CN107808161B (zh) 一种基于光视觉的水下目标识别方法
US9031285B2 (en) Detection of floating objects in maritime video using a mobile camera
CN106682665B (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
CN110659547B (zh) 物体识别方法、装置、车辆和计算机可读存储介质
CN109858438B (zh) 一种基于模型拟合的车道线检测方法
CN106447701A (zh) 用于图像相似性确定、对象检测和跟踪的方法和装置
CN106875430B (zh) 动态背景下基于固定形态的单一运动目标追踪方法和装置
CN109117757B (zh) 一种提取航拍图像中拉索的方法
Li et al. A lane marking detection and tracking algorithm based on sub-regions
CN112580447B (zh) 一种基于边缘二阶统计与融合的电力线检测方法
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN111340833B (zh) 最小二乘去干扰随机Hough变换的输电线提取方法
CN109961065B (zh) 一种海面舰船目标检测方法
FAN et al. Robust lane detection and tracking based on machine vision
JP2008035301A (ja) 移動体追跡装置
Zhang et al. An optical flow based moving objects detection algorithm for the UAV
CN110675442A (zh) 一种结合目标识别技术的局部立体匹配方法及系统
Raikar et al. Automatic building detection from satellite images using internal gray variance and digital surface model
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant