厦门大学博硕士论文摘要库

Size: px

Start display at page:

Download "厦门大学博硕士论文摘要库"

衫慎
4 years ago
Views:

4 摘要摘要具有同心圆特征的物体在日常生活和工业生产中广泛存在, 通过检测同心圆来定位及其识别物体可以大大提高生活与生产智能化水平, 节省人力和时间成本目前公开的同心圆检测研究成果相对较少, 已有可查文献中同心圆检测主要是基于同心圆的特征点, 需要给出合适的约束条件, 有一定的局限性因此同心圆检测的研究有较强的实用价值和重要的研究意义在总结前人成果基础上, 本文提出三种算法来改善同心圆检测的局限性 : 基于质心检测和直线 Hough 变换的同心圆检测算法基于梯度 Hough 变换和二次检测的同心圆检测算法以及基于梯度 Hough 变换和一维 Hough 变换的同心圆检测算法对以上三种算法进行研究与对比, 研究内容及创新点主要体现在以下四个方面 : (1) 利用同心圆质心在圆心处的几何特征, 结合直线 Hough 变换提出一种同心圆检测算法, 先分割出图像中的圆, 再定位同心圆在圆分割方面, 提出基于特征点邻域法距离方差和归一化的两种图像分割方法分析表明基于距离方差和归一化的圆分割方法较基于形状角的方法效果更优 (2) 研究发现梯度 Hough 变换只能检测圆而不能检测同心圆, 本文提出通过多次图像分割和圆检测来检测图像中的同心圆的算法并提出用赋值法和画圆覆盖两种方法来去掉当前检测到的圆, 仿真结果表明, 赋值法去圆效果更优最后将此算法成功应用到茶杯茶壶的检测中 (3) 结合梯度 Hough 变换和一维 Hough 变换, 提出一种同心圆检测算法改进一维 Hough 变换, 通过合并相似半径提高半径检测的准确度 ; 在图像预处理过程中, 通过离散化图像和降低图像分辨率提高算法检测效率 (4) 对三种同心圆检测算法进行分析和比较第三种算法是第二种算法的改进理论分析和仿真结果表明, 第三种算法抗干扰性最好, 但检测效率不如第一种算法最后将第三种算法与一种典型的基于弦中点 Hough 变换的同心圆检测算法相比较, 分析表明第三种算法检测效率更高, 抗干扰性更好关键词 : 同心圆 ; 梯度 ; 质心 ; 二次检测 ;Hough 变换 I

5 Abstract Abstract The objects possess concentric circle features are widespread in our daily lives and industrial production, life and production intelligence will be greatly enhanced by detecting concentric circle to localize and recognize objects, it saves terms both in human cost and time cost. The publication on concentric circle detection is relatively not so much, the advanced achievements are mainly based on feature points on the concentric circles, certain proper constraints need to be given and is certain limited. Thereby, there are strong practical value and important research significance for further research about concentric circle detection. Referring to the advanced achievements in concentric circle detection, three approaches are proposed to improve the detection limitations: the approach based on centroid and straight line Hough transform the approach based on gradient Hough transform and second detection and the approach based on gradient Hough transform and one-dimensional Hough transform. A comparative study of the proposed approaches has been performed, the main contributions of this thesis are as follows. (1) The thesis proposes one concentric circle detection approach combining with the property of the circle centroid and the straight line Hough transform. First the circles are segmented, and then the concentric circles are located. In addition, the two methods about circle segmentation based on feature point neighborhood method and the distance variance and normalization method are proposed. Theory analysis shows that circle segmentation method based on distance variance and normalization outperforms the method based on shape angle. (2) One concentric circle approach which requires multiple image segmentation and circle detection is proposed based on the situation that gradient Hough transform can detect circles rather than concentric circles. What more, this thesis proposes evaluation method and picturing circles to cover the detected circles, simulation shows that the evaluation method performs better. The proposed approach is II

6 Abstract successfully applied to teapots and cups recognition at last. (3) Propose one concentric circle detection approach combining with the gradient Hough transform and one-dimensional Hough transform. For detection accuracy enhancement, one-dimensional Hough transform is improved by merging the detected similar radius together; A method by both image discretization and image resolution radio reduction is taken in image preprocessing process to simplify the computation. (4) The proposed three concentric circle approaches are analyzed and compared with each other. The third approach is modified based on the second approach. Theory analysis and experimental results give the demonstration that the third approach is the most robust while maintaining comparable execution times compared with the first approach. Finally, the third algorithm presents prior to execution efficiency and robustness compared with a kind of typical concentric detection method based on chord mid-point Hough transform. Keywords: Concentric circle; Gradient; Centroid; Second detection; Hough transform III

7 目录目录第一章绪论问题的提出与研究意义同心圆检测算法的研究现状本文的主要研究内容和贡献...2 第二章图像处理预备知识图像灰度化图像去噪中值滤波高斯滤波灰度图像形态学处理图像分割阈值分割法边界分割法区域生长法图像差分法图像边缘检测 Roberts 算子 Sobel 算子 Prewitt 算子 Laplacian 算子 Canny 算子本章小结...21 第三章基于质心检测和直线 Hough 变换的同心圆检测算法第一次图像分割各连续曲线质心求取第二次图像分割圆心和半径求取直线 Hough 变换原理用直线 Hough 变换求圆心和半径同心圆判断本算法实现步骤和仿真结果本章小结...32 第四章基于梯度 Hough 变换和二次检测的同心圆检测算法...33 IV

8 目录 4.1 Hough 圆检测原理关于 OpenCV 中梯度 Hough 算法图像边缘检测梯度的一般定义图像边缘与梯度的关系边缘检测算法本算法实现步骤本算法仿真结果本算法在茶杯茶壶识别中的应用本章小结...43 第五章基于梯度 Hough 变换和一维 Hough 变换的同心圆检测算法一维 Hough 变换原理改进的一维 Hough 半径检测算法本算法的实现步骤和仿真结果实现步骤仿真结果本算法与基于弦中点 Hough 变换的同心圆检测方法的比较本算法与基于质心和直线 Hough 变换同心圆检测算法比较本章小结...51 第六章全文总结与展望全文总结研究工作展望...53 参考文献...55 攻读硕士期间发表的论文...58 致谢...59 V

9 Contents Contents Chapter I Introduction Motivation Literature Review Contribution...2 Chapter II Prelimilaries on Image Preprocessing Image Graying Image Denosing Median Filtering Gaussian Filtering Gray-Scale Image Morphology Processing Image Segmentation Thresh Segmentation Method Border Segmentation Method Region Growing Method Image Difference Method Image Edge Detection Roberts Sobel Prewitt Laplacian Canny Conclusion of the Chapter...21 Chapter III The Concentric Circle Detection Algorithm Based on Centroid and Straight Line Hough Transform First Time Image Segmentation Getting the Centroid of the Continuity Curves Second Time Image Segmentation Getting the Circle Center and Radius The Principle of Straight Line Hough Transform Getting the Circle Center and Radius By Straight Line Hough Transform Concentric Circle Judgment Implementation Steps and Experimental Results Conclusion of the Chapter...32 VI

10 Contents Chapter IV The Concentric Circle Detection Algorithm Based on Gradient Hough Transform and Second Detection The Principle of Circle Detection Hough Transform Gradient Hough Transform In OpenCV Image Edge Detection Definition of Gradient Relationship Between Image Edge and Gradient Algorithms of Edge Detection Implimentaion Steps Experimental Results Applycation On Recognition of Teapots and Cups Conclusion of the Chapter...43 Chapter V The Concentric Circle Detection Algorithm Based on Gradient Hough Transform and One-Dimensional Hough Transform Principle Of One-Dimensional Hough Transform Improved Algorithm of One-Dimensional Hough Transform Implementation Steps and Experimental Results Implementation Steps Experimental Results Comparison Between This Algorithm and the Algorithm Based On Chord Mid-point Hough Transform Comparison Between This Algorithm and the Algorithm Based On Centroid and Straight Line Hough Transform Conclusion of the Chapter...51 Chapter VI Conclusion and Future Work Summary Future Work...53 References...55 Paper Published During Master Study Period...58 Acknowledgements...59 VII

12 第一章绪论第一章绪论 1.1 问题的提出与研究意义不同类型的物体有不同的特征, 有形状特征纹理特征颜色特征等等, 机器视觉通过检测物体的某个特征来检测该物体包含同心圆特征的物体在日常生活与工业生产中大量存在, 如光环抑制活动的检测 [1] 相机的校准和标定 [2] 印刷电路板 (PCB) 圆孔光电图像中的同心圆的精确识别 [3] 打靶系统的同心圆环识别 [4] 以及 PET 瓶口的在线检测 [5] 等等, 都需要应用到同心圆检测技术另外对于某些难以检测的物体, 可以通过在该物体上作同心圆标记, 然后利用同心圆检测算法检测该物体, 从而大大提高物体检测的效率目前对点直线和圆的检测算法的研究相对比较成熟有部分学者对同心圆检测做了一些研究工作, 但到目前为止, 关于同心圆检测的公开发表的文献相对比较少随着机器视觉技术的发展智能科技的进步以及自动化水平的提高, 同心圆检测算法的研究对于机器视觉领域的发展显得越来越重要通过检测同心圆来定位及其识别物体可以大大提高生活与生产智能化水平, 节省人力和时间成本因此同心圆检测算法的研究具有重要的研究意义 1.2 同心圆检测算法的研究现状 1992 年,Hough 提出 Hough 变换 [6], 可以用来检测图像中的直线与圆, 后续出现了很多圆检测改进算法, 主要从时间复杂度准确性抗干扰性等方面进行改进但是目前国内外公开的文献中关于同心圆检测算法的研究比较少 [7][8], 从搜集的文献看, 主要是基于同心圆的特征点来检测同心圆文献 [7] 就是在圆周上找到两个特征点, 两点间线段构成圆的弦, 根据以圆的弦为直径的所有的圆必相交于圆心的几何特征并结合 Hough 变换来求圆的圆心, 再对每个特征点到圆心的距离进行数量累积, 累加值超过给定阈值的半径为该圆心对应的半径该算法检测同心圆时, 需要寻找同一个圆周上的两个特征点, 再求以这两个点连线为直径构成的圆的交点来找圆心, 而文献中并没有描述如何寻找 1

13 三种基于 Hough 变换的同心圆检测算法研究同一个圆周上的两个特征点另外当图像中圆较多或者干扰物较多时, 该算法的时间复杂度会随之增大, 抗干扰性也会随之减弱文献 [8][9] 也是根据同心圆的特征点来进行检测, 通过先找到同一个圆周上的三个不同点, 再根据三个点的坐标来求圆的一般方程的参数, 从而定位各个同心圆的圆环, 最后再对同心圆进行判断文献 [9] 中算法是文献 [8] 算法的改进, 不同之处在于文献 [8] 通过在水平和垂直方向变换检测角度来找同一圆周上三个不同的特征点, 而文献 [9] 通过设定一个约束条件来分别找内外两个圆环上的三个不同特征点文献 [10] 中先根据区域划分法来划分出同心圆中不同圆环所在区域, 再根据不同区域各个圆上特征点的坐标来求这些圆环的圆心和半径这种算法需要预知圆心的位置, 再利用最小二乘拟合方法求得同心圆的每个圆环综合这些文献来看, 基于特征点的同心圆检测算法需要给出合适的约束条件, 有一定的局限性, 对于干扰点较多同心圆相交圆出现缺口的情况算法的抗干扰性较差, 这样就对图像预处理的要求较高, 算法的复杂度也随之加大因此本文提出三种同心圆检测算法, 在算法局限性上有所改善 1.3 本文的主要研究内容和贡献本论文主要对 Hough 变换进行了研究学习, 同时探讨并总结了前人关于同心圆的研究成果在前人成果基础上提出三种同心圆检测算法, 并针对时间复杂度以及抗干扰性进行研究和比较本文的创新点主要包括以下几部分 : (1) 在总结前人成果基础上, 提出三种新的同心圆检测算法, 这三种算法相对于以往基于特征点的同心圆检测方法, 在一定程度上改善了同心圆检测的局限性 (2) 在三种同心圆检测算法中, 提出几种图像分割方法其中包括, 提出邻域分割法距离方差和归一化两种方法对圆进行分割 ; 提出赋值法和画圆覆盖法两种去圆的方法覆盖检测到的圆改进一维 Hough 半径检测算法, 合并累加值超过指定阈值的相似半径, 提高半径检测的准确度 (3) 从理论上证明形状角与图形的大小有关, 将本文中基于距离方差和归一化方法的圆分割方法与一种基于形状角的分割法进行比较分析表明, 基于 2

14 第一章绪论距离方差和归一化方法进行圆分割效果更优 ; 在图像预处理过程中, 通过图像离散化和降低图像分辨率来提高检测效率本文主要内容安排如下 : 第一章绪论, 阐述论文的研究背景和课题意义, 介绍目前公开发表的几种主要的同心圆检测算法, 并简要概括本文的主要内容第二章, 阐述图像处理以及图像识别的基础理论知识, 包括图像的灰度化图像分割边缘检测等, 为后续同心圆检测算法实现和应用奠定理论基础第三章, 提出同心圆检测算法的新思路, 即先分割出图像中的圆, 再在此基础上判断和定位同心圆, 详细阐述本文提出的第一种同心圆检测算法的设计流程并完成仿真本算法结合圆的质心在圆心处的几何特征和一维 Hough 变换原理进行同心圆检测, 提出使用特征点邻域法完成连续曲线分割和使用距离方差和归一化方法完成圆分割, 并理论证明结合以上两种分割方法进行圆分割优于一种基于形状角的分割方法第四章, 详细阐述本文提出的第二种同心圆检测算法的设计并完成仿真, 在梯度 Hough 变换只能检测圆而无法检测同心圆情况下, 将梯度 Hough 变换应用到同心圆检测中, 提出通过二次检测实现同心圆检测二次检测过程中, 提出赋值法和画圆覆盖法两种去圆分割方法, 通过仿真发现, 赋值法效果更优最后实现此同心圆检测算法在茶杯茶壶识别中的应用第五章, 详细阐述本文提出的第三种同心圆检测算法的设计并完成仿真, 是第二种算法的改进算法, 分析和仿真表明本算法相比于第二种算法提高了检测效率半径检测过程中合并相似半径提高半径检测准确度最后将本算法与第一种算法以及一种基于弦中点的 Hough 变换算法分别进分析比较, 分析结果表明本算法抗干扰性最好, 检测效率略差于第一种算法第六章, 总结本文的研究工作, 并对后续的研究工作作出展望 3

15 第二章图像处理预备知识第二章图像处理预备知识 2.1 图像灰度化用计算机进行数字图像处理的目的是为了产生更适合人类视觉观察和识别的图像以及让计算机能够自动识别和理解的图像, 是图像分析的前期步骤 [11] 图像处理是将图像包含的信息转化为数值信息来处理将彩色图像转化为灰度图像的过程称为图像的灰度化处理自然界中所有的颜色都是由三原色红 (R) 绿 (G) 蓝 (B) 按照不同的比例混合而成, 称为三原色理论 [12] 彩色图像中每个像素的颜色由红 (R) 绿 (G) 蓝 (B) 三个分量来决定, 每个分量有 255 种取值, 这样一个像素点就有多万种颜色变换范围, 如常见的组合有 : 红 (255,0,0) 绿 (0,255,0) 蓝 (0,0,255) 白 (255,255,255) 而灰度图像是红 (R) 绿 (G) 蓝 (B) 三个分量相同的一种特殊的彩色图像, 其中一个像素点的变换范围为 255 种所以为了减少图像的计算量, 一般先将各种格式的图像转变为灰度图像灰度图像是只含亮度信息不含色彩信息的图像, 可以用三种方法来求图像的灰度 [13] : (1) 最大值法 : 取 R G B 三个分量的取值的最大值, 如式 2.1 所示. 这样产生的结果会产生亮度较高的灰度图 Gray max( R, G, B) (2.1) (2) 平均值法 : 即求 R G B 的平均值, 如式 2.2 所示 Gray ( R G B)/3 (2.2) (3) 加权平均值法 : 根据重要性赋予 R G B 不同的权值, 并相加如式 2.3 所示其中, w r w g w b Gray wrr wgg wbb (2.3) 分别是 R G B 的权值人眼对绿色的敏感度最高, 对红色的敏感度次之, 对蓝色敏感度最低, 因此, w g w r w b 我们取经典的参数值, 即 wr 0.30 wg 0.59 wb 0.11, 4

三种基于 Hough 变换的同心圆检测算法研究即 Gray 0.3R 0.59G 0.11B (2.4) 本文所研究的算法都是在灰度图上进行的, 对图像灰度化如图 2.1 2.2 图像去噪 (a) 原图图 2.

16 三种基于 Hough 变换的同心圆检测算法研究即 Gray 0.3R 0.59G 0.11B (2.4) 本文所研究的算法都是在灰度图上进行的, 对图像灰度化如图图像去噪 (a) 原图图 2.1 对图像进行灰度化处理示意图 (b) 灰度图图像信息的采集过程中往往会受到各种噪声的干扰, 这些噪声在图像上常常表现为一些孤立像素点, 可理解为像素的灰度是空间相关的, 即噪声点像素灰度与它们的领近像素有着显著不同通常, 一般图像处理会带有后续处理过程中所不希望夹带的孤立像素点, 这种干扰点会影响后续图像的分割和分析判断, 所以图像在后续分析判断某些特征之前, 要先进行去噪处理中值滤波对受到噪声干扰的图像可以采用线性滤波的方法来处理, 但是很多线性滤波有低通性, 在去噪的同时也使得边缘模糊了, 中值滤波在某些情况下可以做到既去除噪声又保护图像的边缘, 它是一种非线性的去除噪声的方法中值滤波的原理是将一个含有奇数个点的模板窗口的中心与待处理的像素点重合, 读取模板下各对应像素点的灰度值, 再将这些灰度值从小到大进行排序, 将这些灰度值中值来代替模板中心像素点的灰度值令模板窗口含 n( 奇数 ) 个点, 窗口所覆盖区域特征点灰度值分别为 Gray, Gray ( x, y ),. Gray ( x, y ) 则模板窗口中心覆盖的特征点灰度值为 ( x1, y1 ) 1 2 n n 5

17 Degree papers are in the Xiamen University Electronic Theses and Dissertations Database. Full texts are available in the following ways: 1. If your library is a CALIS member libraries, please log on and submit requests online, or consult the interlibrary loan department in your library. 2. For users of non-calis member libraries, please mail to etd@xmu.edu.cn for delivery details.

5 5 7 5 4 4 6 9 8 40

5 5 7 5 4 4 6 9 8 40 4 5 0 959 68 959 55 959 4 957 4 5 998 4 9 959 98 8 980 8 84 4 987 4 5 6 7 8 9 986 998 989 4 977 8 5 988 6 985 8 7 98 990 5 8 998 4 9 987 4 5 4 96 9 959 8 959 4 986 4 5 5 8 96 4 5