图像处理在城乡河网河道边界识别中的应用

2017-08-16余加俊徐飞鸿河海大学机电工程学院

数码世界 2017年8期

余加俊徐飞鸿河海大学机电工程学院

图像处理在城乡河网河道边界识别中的应用

余加俊徐飞鸿河海大学机电工程学院

针对无人船在城乡河网自主航行的问题，提出了一种适用于一般河道的边界识别方法。该方法首先通过Sobel算子提取图像边缘信息，再进行基于模板的角点检测，然后对检测结果进行局部二值化处理，对轮廓进行线性拟合，最后采用基于直线模型的河道边界算法识别河道边界。实验表明，该算法能够较准确准确识别河道边界。

河道边界直线模型无人船

随着智能无人船舶的发展，无人船的应用得到扩展，它可以在恶劣环境下作业。对于无人船来说，航行的关键是快速准确的获取水面上的信息，而河道边界识别对于无人船水上航行至关重要。已知的边界识别技术主要针对道路边界，其中主要有基于道路特征的方法和基于道路模型的方法。但这些是针对具体边界研究的算法，这在河道边界识别上缺乏普适性，没有太好的效果。

本文提出了一种基于直线模型的河道边界识别算法。以满足实验条件的图像为处理对象，在初始阶段对图像进行预处理，减少图像噪声，中间阶段对轮廓进一步优化，拟合出河道边界，最后通过基于直线模型的河道边界识别算法，标定出河道边界。实验结果表明，该方法能够较快速的对不同类型的河道进行识别，具有较强的适应能力。

1 河道边界识别算法

本文河道边界识别算法分为三个模块：第一个模块是基于Sobel的边缘检测，通过模板匹配提取图像中的轮廓信息；第二个模块是对轮廓进行多层筛选；第三个模块对图像左右分别进行计算求出河道边界。

1.1 图像预处理

在算法的第一个模块，为了消除干扰信息，增强边缘信息，需要对图像进行预处理，包括边缘检测、模板匹配和角点检测。

按下式对RGB三分量进行加权平均得到较合理的灰度图像：

图像中包含与河道边界特征无关信息，为了提高算法的实时性，采用Sobel算子来提取图像中不连续部分的特征，根据闭合的边缘确定区域。Sobel边缘检测算子是一种离散性差分算子，用来运算图像亮度函数的灰度近似值：

角点在保留河道图像图形重要特征的同时，可以有效的减少信息的数据量，加快计算速度。Harris角点检测原理是对于一幅图像，自相关函数描述了局部图像灰度的变化程度，可表示为：

其中， E( x, y )是由于两个窗口偏移 (u, v )而造成的图像灰度的平均变化，I代表图像灰度。

1.2 轮廓优化处理

预处理后对图像进行二值处理、中值滤波去噪声。本文采用了根据图像自身特点来自适应选择阈值的Otsu算法，将边界从背景中分离出来，他的算法如下：

记 f( i, j)为M × N图像(i, j) 点的灰度值，灰度级为m ，假设 f( i, j)取值[0,m − 1]。记 p( k)为灰度值为 k的频率，则有：

大津法指出求图像最佳阈值 g的公式：

阈值g把整幅图像分割出了目标和背景两部分。

其中， f( x, y)， g( x, y)分别为原始图像和处理后的图像，W为二位模板。

1.3 基于直线模型的边界识别

假定河道边界是直线，可以采用直线对河道图像中的边界进行约束。本文采用直线模型对河道边界进行拟合，在图像中，设 L1和为L1河道左右边界，考虑河岸的平行性，可以采用徐友春提出的边界可信度检测函数，通过识别出的河道边界直线所在的一定区域范围来计算所有可能的河道边界点属于该直线的概率之和，定义如下，在面积为 S的感兴趣图像上，任一点属于给定一条直线的概率为：