圖像處理在城鄉河網河道邊界識別中的應用

余加俊 徐飛鴻 河海大學機電工程學院

圖像處理在城鄉河網河道邊界識別中的應用

余加俊 徐飛鴻 河海大學機電工程學院

針對無人船在城鄉河網自主航行的問題，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展，無人船的應用得到擴展，它可以在惡劣環境下作業。對于無人船來說，航行的關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重要。已知的邊界識別技術主要針對道路邊界，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處理，減少圖像噪聲，中間階段對輪廓進一步優化，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部分的特征，根據閉合的邊緣確定區域。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據量，加快計算速度。Harris角點檢測原理是對于一幅圖像，自相關函數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 輪廓優化處理

預處理后對圖像進行二值處理、中值濾波去噪聲。本文采用了根據圖像自身特點來自適應選擇閾值的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 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 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，通過識別出的河道邊界直線所在的一定區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 實驗結果與分析

實驗采集了20幅符合實驗條件的城鄉內河河道圖像。算法基于Visual studio 2013的編譯環境，圖一是測試圖片：

圖1 河道邊界識別

3 結束語

本文結合在道路邊界識別中應用的方法和模型，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，在復雜的河道環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[J].人工智能及識別技術,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