基于改進邊緣檢測的加油錐套識別?

張 濤 陳朝陽

（西安中飛航空測試技術發(fā)展有限公司 西安 710089）

1 引言

空中加油技術可極大提升作戰(zhàn)飛機的遠程作戰(zhàn)能力，已成為未來空中加油技術的發(fā)展趨勢。飛行過程中對錐套的識別是一個很重要的環(huán)節(jié)［1］，加油機、天空以及錐套的顏色受光照、云層等因素影響較大，圖像邊緣信息變化范圍較大，很難有固定的閾值來確定錐套的顏色變化范圍，給錐套的提取帶來了困難［2］。

本文采用雙邊濾波［3］方法代替?zhèn)鹘y(tǒng)的canny邊緣檢測中高斯濾波［4］的方法，引入多次迭代法來求取雙門限閾值，使得閾值的選擇更能符合圖像的要求，并在一定程度上降低了噪聲的干擾。通過實驗結果分析可知，此方法可以得到較好的邊緣檢測結果，不僅提高了圖像中弱邊緣的檢測準確度而且可以有效地抑制噪聲。

2 傳統(tǒng)canny邊緣檢測方法

傳統(tǒng)canny邊緣檢測中使用高斯濾波方法對圖像進行平滑處理，以減少噪聲對圖像的影響。高斯濾波函數的表達式［5］為

其中，σ為方差。使用不同方差的高斯濾波卷積模板對圖像進行濾波，得到的結果如圖1所示。

從圖1可知，錐套與飛機以及天空的顏色很接近。當使用較小的σ進行濾波時（如圖（a）），能夠保留圖像的邊緣信息，但對圖像噪聲的處理能力就會變弱；當使用較大的 σ 濾波［6］時（如圖（c）），圖像噪聲變弱，但圖像會變得過度平滑，造成邊緣信息的的丟失。為了克服這種問題，本文采用改進的雙邊濾波的方法代替?zhèn)鹘y(tǒng)的canny邊緣檢測中高斯濾波的方法。

圖1 不同閾值濾波

3 基于改進的雙邊濾波去噪方法

雙邊濾波模板主要由兩個模板生成，第一個是高斯模板，第二個是以灰度級的差值作為函數系數生成的模板，這兩個模板點乘就得到了最終的雙邊濾波模板。雙邊濾波既利用了幾何信息又利用了像素信息來定義濾波窗口的權重［7］，像素值越接近，權重越大。表達式為

其中，（i，j）為當前像素點的橫縱坐標，k，l為中心點的坐標；f（i，j）當前點的像素值，f（k，l）為中心點的像素值。δd，δg分別為空間距離以及灰度距離的標準差。

通過式（2）可知，當雙邊濾波的模板中心像素點是一個噪聲點時，f（k，l）的像素值與鄰域范圍內的目標點f（i，j）的像素值會有較大的差異，會導致灰度信息的權重變?。?］，從而不能去除圖像中的噪聲。

因此，采用模板區(qū)域內像素點灰度值的平均值代替模板區(qū)域中心點的灰度值來改善這種情況。改進的雙邊濾波的權重系數的表達式為

其中，(xp，yp)為模板區(qū)域內的像素點灰度值的平均值。

其中，n為采用的濾波模板中像素點個數。

假設濾波窗口區(qū)域的中心點不是噪聲點，那么模板區(qū)域內的像素點的平均灰度值 f(xp，yp)與中心點的灰度值f（i，j）不會相差很大，這樣對圖像進行濾波時，同樣可以起到雙邊濾波器的效果。

4 多次迭代法設定高低門限值

在實際的飛行過程中，圖像的噪聲、亮度等信息是隨時變化的，使用設定的好的閾值并不適合對圖像的實時處理［9］。由圖像跟蹤中分類器的方法想到，通過圖像的直方圖信息得到合適的閾值，再引迭代的思想，隨著錐套的不斷變化實時的更新閾值從而保證其能夠適應時刻變化的圖像信息［10］。假設圖像在范圍[0，G]內有L個灰度級，那么可以定義：

其中，rk是區(qū)間[0，G]內的第k級亮度，nk是灰度級為rk的圖像中的像素數。使用所有元素h(rk)除以圖像中的像素總數n所得到的圖形：

其中，k=1，2，…，L。假設直方圖中最大和最小波峰的的灰度值分別為T1和T2。則圖像的閾值T0：

那么使用T0將圖像分割得到新的兩組像素，G1由灰度值大于T0的所有像素構成，G2由所有小于等于T0的所有像素構成。計算G1和G2范圍內的像素的平均灰度值得到m1和m2。其中：

那么，通過計算得到一個新的閾值T為

如果得到的T滿足T≤T0，那么就將得到的T作為圖像中的高閾值，否則，將繼續(xù)通過上述計算得到一個新的T，直到滿足T≤T0這個條件為止。

5 實驗結果與分析

使用改進的canny邊緣檢測方法對錐套圖像進行處理，并同傳統(tǒng)的canny邊緣檢測方法的結果進行對比分析。為了使檢測的效果更直觀明顯，對原始的灰度圖像加入3%的椒鹽噪聲［11］如圖（b）所示。對加入噪聲的新圖像分別進行高斯濾波和改進的雙邊濾波處理，得到的結果分別如圖（c）和圖（d）所示。最后通過對圖像進行邊緣檢測結果如圖（e）和圖（f）所示。

圖2 處理結果對比

使用圖2中（f）圖的圖像進行處理，通過開閉運算［12］操作后如圖3（a）所示，對圖像邊緣的點進行橢圓擬合［13］，所得結果如圖3（b）所示。

圖3 處理結果

從圖像的對比可知，改進的雙邊濾波由于考慮了鄰域范圍內像素的灰度值之間的關系，在保留圖像的細節(jié)［14］和去除噪聲的效果方面要優(yōu)于高斯濾波的效果。通過最后的檢測結果可以看出，改進的canny邊緣檢測得到的結果受噪聲影響小，并且改進的雙閾值選取方法［15］使得檢測得到的圖像邊緣較完整，其最終檢測效果要優(yōu)于傳統(tǒng)的canny邊緣檢測。

此方法在實際的飛行應用中如圖4所示。

圖4 實驗中對錐套進行跟蹤

圖4為美國大黃蜂戰(zhàn)機在空中加油的視頻［16］，實驗中對錐套進行跟蹤，使用本文方法參與錐套中心的檢測，并進行高低閾值的計算，可以準確地提取出錐套中心的邊緣信息，效果明顯。

6 結語

本文對傳統(tǒng)canny算法中的濾波和雙閾值選取的方法進行改進，提高了在復雜多變的機載環(huán)境中的應用性，采用改進的雙邊濾波方法代替?zhèn)鹘y(tǒng)的高斯濾波方法實現對圖像的去噪，并在高低閾值的選取方法上，采用多次迭代法實現圖像的高低閾值的選取，避免了設定的閾值不符合圖像要求的局限性使之能夠更好地應用在機載環(huán)境中。實驗結果表明本文的算法可以很好地抑制噪聲并可以保持邊緣的連續(xù)性，并且高低閾值選取的方法對于實時變化的機載環(huán)境有著很好的適應性。為以后機載設備進行圖像實時處理打下了堅實的基礎。