[发明专利]一种基于动态阈值区间的Hough变换直线检测方法

说明书

技术领域

本发明属于图像特征提取与识别技术领域，特别涉及一种基于动态阈值区间的Hough变换直线检测方法。

背景技术

图像特征提取是图形识别的前提，涉及到计算机图形学、数字图像处理、模式识别、人工智能等多门学科领域，有着广阔的研究空间和应用前景。工程图纸智能识别是图像特征提取的重要应用领域。各类工程图纸中工程图形对象的主要几何元素是线段。如何快速有效的检测线段特征是识别图形对象的基础。

直线提取方法主要分为两大类：第一类方法是在基于几何特征在图像域中直接提取直线，利用图像空间中像素的梯度或灰度等信息进行处理。第二类方法是将图像转化到参数域中提取直线，根据参数域中的信息进行间接处理，如Hough变换是将图形映射到Hough参数域内，根据某一解析式把图形上的每个点投影到参数域中，并进行简单的累加统计，然后寻找累加峰值检测直线。基于图像域的方法虽然速度较快，但易于受到噪声的干扰，出现不连续的直线，限制了实际应用。基于参数域的方法抗噪性高，且能够连接共线短直线，适合于并行处理。然而该方法是进行图像域到参数域的一对多映射，并且存在噪声点与离散化误差的影响，导致计算量大、参数域中峰值点被次峰值点包围导致漏检或误检，阈值难以设定等问题。

针对Hough变换计算量大，A.Goldenshluger and A.Zeevi采用随机Hough变换方法，在多个像素中随机抽取一个像素作为采样信息映射到参数空间，避免了较大计算量与较多的内存开销，但由于该方法随机获取采样点，因而造成了大量的无效累积，降低了方法的效率。

针对参数域中峰值点被次峰值包围的问题，Siyu Guo等人提出邻域抑制的方法，对投影到参数域中投票值进行加权，有效降低次峰值的影响，提高了Hough变换检测的准确率，但是该方法的权重值设定对检测结果有很大影响，需要大量测试才能得到权重的精确值，增加了该方法的计算复杂度，降低了该方法的实用性。

发明内容

为了克服上面方法的不足，本发明提出一种基于动态阈值区间的Hough变换直线检测方法。步骤如下：

步骤1：基于邻接关系的聚类顺序存储：针对图像中具有一定线宽的线段进行细化处理，输出任一像素点的8邻域内最多只有两个相邻像素点的骨架线，然后进行基于邻接关系的聚类顺序存储，将骨架线上的像素点存储到某一段数组中。

步骤2：阈值区间构建：采样某一段数组中的m个邻接像素，构建阈值区间，判断m个点是否在同一条直线上，同时进行噪声的过滤，增强了方法的鲁棒性。

步骤3：动态直线检测：针对某一段像素数组，在构建阈值区间的基础上，采用基于区间折半的动态采样方式实现直线的检测。

步骤4：直线拼接，针对上述方法检测后的相邻短直线段，根据该直线段的斜率和端点最短邻接距离大小判断两条线段是否同属于一条线段，这样实现直线段的最佳分类。

步骤5：结束。

本发明与现有技术相比具有以下优点：

(1)图像中的直线受到离散化和噪声影响，引起参数阈空间中主峰值被次峰值包围导致漏检与误检等问题，提出动态阈值区间的概念，避免了上述情况的发生，增加方法的鲁棒性。

(2)在构建阈值区间后，对被检测的像素点只需要计算两次就可以判断是否在直线上，避免了传统Hough检测的大量计算。

(3)在对某一段像素数组的直线检测过程中，采用基于区间折半的动态采样方式探测阈值区间，并对像素数组中的每一个像素进行识别，提高了方法的检测效率与效果。

附图说明

图1为本发明一种基于动态阈值区间的Hough变换直线检测方法直线聚类顺序存储流程图；

图2为本发明一种基于动态阈值区间的Hough变换直线检测方法m个采样点的Hough变换直线参数阈值区间构建图；

图3为本发明一种基于动态阈值区间的Hough变换直线检测方法动态采样的Hough变换直线检测示意图；

具体实施方式

下面参见本发明的附图并结合具体实施例对本发明进行进一步详细说明，但本发明的保护范围不受具体的实施实例所限制，以权利要求书为准。另外，以不违背本发明方案的前提下，对本发明所作的本领域普通技术人员容易实现的任何改动或改变都将落入本发明的权利要求范围之内。

本发明包括以下关键步骤：

步骤1：图像中直线细化后，输出任一像素点的8邻域内最多只有两个相邻像素点的骨架线，采用附图1所示的流程将直线段顺序存储到某一段数组中；

步骤2：构建阈值区间；