基于Hough變換的圖像形狀特征檢測.pdf

1、人類對物體的識別最主要是對物體外形的識別，圖像的形狀檢測在圖像處理以及模式識別中是十分重要的。Hough變換作為目標形狀特征提取的有效方法得到了廣泛的應用。但Hough變換算法主要應用于二值圖像（即邊緣圖像），因此在對灰度圖像進行Hough變換前需要對其進行預處理（包括圖像的濾波與邊緣檢測）。圖像預處理作為Hough變換目標檢測過程中重要的前期工作，其結果將直接影響檢測結果的好壞。文中介紹了圖像中常見的兩種噪聲，對圖像的空間域噪聲濾波做

2、了一些研究，分析了高斯濾波與中值濾波的局限性，在雙邊濾波的基礎上提出了一種基于多次中值抽取的雙邊濾波方法，該方法兼顧了空間鄰域的相關性和像素強度的相似性，通過偽中值濾波選取強度濾波器的參考像素值，在平滑高斯噪聲和椒鹽噪聲的同時更好地保護了邊緣，與針對某一類特定噪聲設計的傳統(tǒng)濾波方法相比，該方法能夠處理混有混合噪聲（高斯噪聲和椒鹽噪聲）的圖像，并能夠得到很好的濾波效果。同時，本文分析了幾種經(jīng)典的邊緣檢測算子，用迭代的雙邊濾波方法代替Can

3、ny算子中的高斯濾波過程或自適應濾波過程，在一定程度上避免了濾波過程給邊緣帶來的模糊，得到了更好的邊緣檢測結果。 Hough變換作為圖形目標檢測的有效方法，能夠檢測直線、圓、橢圓和拋物線等眾多解析圖形，廣義Hough變換對該方法做了一些推廣，不再受圖形解析表達式的限制，通過預先設置的查找表，能夠檢測任何圖形目標。文中對這些方法都做了介紹，并對這些方法做了仿真。由于受到圖像空間和參數(shù)空間離散化的影響，以及Hough變換自身的計算過

4、程，使得傳統(tǒng)Hough變換方法也有一些局限性，比如在高強度噪聲下檢測的結果不佳，計算量大，存儲資源需求大等。文中分析了傳統(tǒng)Hough變換的投票過程，指出傳統(tǒng)方法對參數(shù)單元進行1值累加是不合理的，并且傳統(tǒng)方法沒有區(qū)分圖像中的噪聲點和直線上的點，介于此，提出了基于直線連接度量的Hough變換，既考慮了圖像的全局信息，也考慮了圖像中像點鄰域的局部信息，使得參數(shù)空間中的峰值不再受到噪聲的影響，同時也避免了圖像中具有線性關系的特征點投票帶來的虛假