灰度不均勻的曲線形態(tài)檢測(cè)方法及應(yīng)用研究.pdf

1、曲線形態(tài)是一類重要的目標(biāo)特征，具體包括直線、圓、曲線、具有寬度的曲線結(jié)構(gòu)和輪廓等，已廣泛應(yīng)用于字符、零部件、建筑物和道路等目標(biāo)檢測(cè)中。由于光照、相機(jī)抖動(dòng)或磨損等的影響，實(shí)際獲取的曲線形態(tài)上的灰度不均勻且噪聲干擾較大，稱這類曲線形態(tài)為灰度不均勻的曲線形態(tài)。對(duì)于這類曲線形態(tài)，經(jīng)典的算法提取的曲線形態(tài)常出現(xiàn)斷裂、虛假、誤檢、漏檢以及輪廓缺失等問(wèn)題。因此，提高灰度不均勻的曲線形態(tài)檢測(cè)的魯棒性和精確性是一個(gè)具有挑戰(zhàn)性的課題。
　　由于貨車圖

2、片包含了多種曲線形態(tài)的目標(biāo)，本文以貨車故障檢測(cè)系統(tǒng)為應(yīng)用背景，系統(tǒng)地研究了多種曲線形態(tài)的檢測(cè)問(wèn)題，主要研究?jī)?nèi)容主要分為四大部分：1)第一部分利用線元素的特殊結(jié)構(gòu)性質(zhì)，研究了基于紐扣型結(jié)構(gòu)的分水嶺算法，以獲得精確的邊緣或輪廓；2)第二部分利用線元素的感知編組規(guī)則，研究了曲線檢測(cè)與寬線檢測(cè)算法；3)第三部分利用局部曲率和全局空間對(duì)稱性，研究了尺度和旋轉(zhuǎn)不變的輪廓描述子及匹配算法，提高了輪廓描述與檢測(cè)對(duì)缺失和毛刺等的魯棒性；4)第四部分為曲線

3、形態(tài)檢測(cè)的應(yīng)用，研究了貨車故障定位與檢測(cè)系統(tǒng)中曲線形態(tài)的檢測(cè)方法。本文主要工作及創(chuàng)新點(diǎn)如下：
　　邊緣或輪廓是最基本的曲線形態(tài)。理論分析和試驗(yàn)研究表明，梯度圖像中邊緣或輪廓的線元存在一種紐扣型結(jié)構(gòu)。由于紐扣型結(jié)構(gòu)為特殊的結(jié)構(gòu)，目前的分水嶺算法均忽略了這一結(jié)構(gòu)，從某個(gè)弱梯度對(duì)應(yīng)的分水嶺點(diǎn)開(kāi)始，把不屬于分水嶺的弱梯度點(diǎn)誤判為分水嶺點(diǎn)，導(dǎo)致了虛假的邊緣檢測(cè)。為此，本文提出基于紐扣型結(jié)構(gòu)的分水嶺算法，將弱梯度對(duì)應(yīng)的分水嶺點(diǎn)起始點(diǎn)定義為阻礙

4、點(diǎn)，同時(shí)定義基于阻礙點(diǎn)的最接近路徑，用以生成新的集水盆地，得到新的分水嶺。實(shí)驗(yàn)表明，該方法還原和體現(xiàn)了紐扣型結(jié)構(gòu)，確保了邊緣檢測(cè)或輪廓提取的精確性。
　　其次，在邊緣檢測(cè)的基礎(chǔ)上，針對(duì)曲線檢測(cè)結(jié)果易受噪聲點(diǎn)或偏離點(diǎn)等干擾的問(wèn)題，本文提出了基于窗口的連通區(qū)域標(biāo)記和方向控制的曲線檢測(cè)算法。從運(yùn)動(dòng)動(dòng)力學(xué)觀點(diǎn)出發(fā)，本文把曲線視為給定點(diǎn)連續(xù)運(yùn)動(dòng)的軌跡，通過(guò)切線方向提出了方向控制的思想，把同一個(gè)方向的點(diǎn)組織為曲線。此外，對(duì)于圓這一特殊曲線，本

5、文還提出基于托勒密定理和方向控制的圓檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明，提出的算法速度快、檢測(cè)精度高、魯棒性強(qiáng)。
　　再次，寬線是特殊的曲線形態(tài)，在圖像中表現(xiàn)為條狀的區(qū)域。受噪聲和光照等影響，寬線檢測(cè)易出現(xiàn)斷裂甚至漏檢的問(wèn)題。本文利用梯度方向的延續(xù)性，提出了一種有效的寬線檢測(cè)算法。該算法提出線增強(qiáng)算子以增強(qiáng)線特征，并提出接近方向和采用假設(shè)驗(yàn)證法得到線候選目標(biāo)，再利用背景灰度具有相似性的特點(diǎn)，來(lái)確定線是否為寬線，從而排除雜亂線條的干擾，接著沿著

6、線的剖面檢測(cè)確定另一側(cè)寬線，并利用拐點(diǎn)處具有無(wú)延續(xù)性的特點(diǎn)檢測(cè)拐點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該算法能有效地檢測(cè)變對(duì)比度的寬線。
　　然后，在輪廓提取的基礎(chǔ)上，輪廓的描述與檢測(cè)是目標(biāo)檢測(cè)的最重要的課題之一。由于受視角、光照和噪聲等影響，輪廓可能存在尺度、旋轉(zhuǎn)、毛刺、微小缺失等問(wèn)題。針對(duì)這些問(wèn)題，本文提出了基于改進(jìn)的曲率函數(shù)和行程編碼的局部輪廓描述子和基于空間對(duì)稱性的全局輪廓描述子，這兩個(gè)輪廓描述子對(duì)旋轉(zhuǎn)和尺度具有不變性，且對(duì)微小缺失和毛刺等具

7、有魯棒性。最后，本文利用隱馬爾可夫模型(HMM)框架，提出了基于HMM模型的輪廓描述子匹配算法，并對(duì)MPEG-7 Shape CE Part B和Kimia99數(shù)據(jù)庫(kù)進(jìn)行測(cè)試，實(shí)驗(yàn)表明，本文提出的匹配算法容錯(cuò)能力強(qiáng)，適合輪廓描述子序列的匹配。
　　最后，針對(duì)貨車故障定位與檢測(cè)的應(yīng)用，從大尺度曲線形態(tài)故障部位定位和感興趣區(qū)域典型曲線形態(tài)檢測(cè)兩方面，系統(tǒng)地研究了線、圓以及寬線等各形態(tài)的故障部位定位與檢測(cè)方法，研制和開(kāi)發(fā)了貨車故障定位與