基于计算机视觉任务的图像直线提取技术

详细内容

[关键词]　直线;链码;边缘检测;拟合;计算机视觉

[摘　要]　提出一种基于计算机视觉任务的图像直线提取技术,首先用边界检测算子提取边缘,然后用链码将边缘表示出来,并记录链码的端点,即直线的端点,通过逐步删除对计算机视觉任务无意义的链码,得到图像直线的链码表示,最后用最小二乘法拟合图像直线的链码。该技术能尽可能多地从图像中提取直线信息,既可以较准确地提取直线的端点信息,又能得到直线的准确表示。

图像的特征指图像中可用作标志的属性。点和直线是计算机视觉中最常用的视觉特征。点和直线通常位于图像中物体的边缘上,因此图像边缘检测具有重要意义。 三维重建是计算机视觉的一个重要研究内容和研究任务。一般来说,图像特征抽象层次的提高,将更有利于进行图像处理和分析。为了便于重建三维物体的结构,有必要提高图像处理和分析的抽象层次(例如将点级别提高到线级别)。

直线出现在大多数人造环境中,而且直线特征比点特征更容易检测,直线还可以很稳定地检测和跟踪。另外为了重建三维物体的结构,仅需提取出有限个对完成计算机视觉任务有意义的直线,而不是图像中所有的直线。 不少研究者从一定的边缘模型及噪声模型出发,提出了边缘提取的最优滤波器,这些研究者都采用了最简单的阶跃性边缘与可加性的白噪声模型。在这些模型假设下,Canny[1]首次提出用于边缘检测的一阶微分滤波器的三条最优准则,即最大信号噪声比准则、最优零交叉点定位准则与多峰值响应准则,用变分原理推导出的函数形式应近似为高斯函数的一阶微分。

实验结果表明[2],Canny边缘检测算子在处理受可加性高斯噪声污染的图像中获得了良好的效果。因此,Canny提出的最佳边缘检测算子很快普及,成为了比较其它边缘检测算子实验结果好坏的标准,其原因就在于他最先建立了优化边缘检测算子的理论。 图像边缘的一种十分有用的表示方法是将它分割成若干部分,然后用简单的线段,例如用直线来表示其中的每一部分,其中最简单的是分段直线表示,即将一条曲线分为若干部分,并用直线来表示其中的每一部分。表示数字图像中边缘或曲线的最简单方法是由Freeman提出的链码方法[3-4]。链码方法是一种特殊的分段直线表示方法。

虽然现有的边缘分割方法较多,例如Tomek[5]提出的边缘分割算法,其基本思想是搜索包含在两条平行的切线之间最长的曲线段;基于统计模型的逼近方法[6]和迭代最小二乘法[7]也取得了成功,但由于图像噪声的影响和边缘分割方法本身的缺陷,具体实现边缘分割还是非常困难的。