王春林 孫金彥 錢(qián)海明

（安徽省·水利部淮河水利委員會(huì)水利科學(xué)研究院 合肥 230088）

1 引言

在衛(wèi)星遙感影像上，大多數(shù)物體都是由線性組成，同樣在水利遙感影像中，河流、堤岸和水工建筑等多為線性結(jié)構(gòu)，因此線性結(jié)構(gòu)提取成為水利遙感解譯不可缺少的一環(huán)。Hough變換作為一種經(jīng)典的線性提取方法在圖像處理和模式識(shí)別等領(lǐng)域得到了廣泛的應(yīng)用。由于其計(jì)算耗時(shí)和內(nèi)存占用較大，提出改進(jìn)隨機(jī)Hough變換方法，但是在獲取局部信息時(shí)易受噪聲和斷裂的影響，導(dǎo)致復(fù)雜場(chǎng)景中的線性提取效果不理想。

針對(duì)隨機(jī)Hough變換在處理局部信息時(shí)易受噪聲和斷裂的影響，導(dǎo)致復(fù)雜場(chǎng)景中的線性提取效果不理想等問(wèn)題，本文擬提出一種基于Radon變換的隨機(jī)Hough變換線性檢測(cè)算法：首先采用Radon變換獲取穩(wěn)健的局部信息，然后運(yùn)用隨機(jī)霍夫變換處理已經(jīng)提取的局部線性，保證隨機(jī)Hough變換能夠高效準(zhǔn)確地提取出各類(lèi)遙感影像中的線性。結(jié)果證明此方法降低隨機(jī)霍夫變換在處理局部信息時(shí)所受到噪音及斷裂的影響。

2 線性提取算法

2.1 圖像分塊

為了便于使用Radon變換檢測(cè)局部線性特征，需要對(duì)圖像分為11×11，17×17等奇數(shù)×奇數(shù)個(gè)子塊。實(shí)驗(yàn)中將圖像分成多個(gè)11×11的子塊。

2.2 局部線性邊緣的檢測(cè)和延伸

根據(jù)線性特點(diǎn)，即線性方向的投影值最大，采用Radon變換來(lái)檢測(cè)局部線性。沿著線性方向?qū)D像進(jìn)行Radon變換所得峰值最大，同時(shí)峰值持續(xù)寬度最窄，其他方向形成峰值偏小，且峰值持續(xù)寬度較大。應(yīng)用Radon變換檢測(cè)局部線性邊緣時(shí)，子圖中的邊緣本身就不是嚴(yán)格的線性，通過(guò)峰值可以發(fā)現(xiàn)線段的存在，但是不能查找得到其上的所有點(diǎn)，且圖像分塊也會(huì)導(dǎo)致部分邊緣點(diǎn)未被查找,為了提取出局部邊緣線段上的所有點(diǎn)，需要對(duì)每條Radon變換得到的線段進(jìn)行在全局范圍延伸。如圖1所示，Radon所提取的邊緣不完全，其周?chē)€存在其他邊緣點(diǎn)，通過(guò)對(duì)邊緣進(jìn)行延伸，可以得到比較好的邊緣。

2.3 隨機(jī)Hough變換

隨機(jī)霍夫變換是由Xu Lei等突出的一種改進(jìn)的霍夫變換方法。隨機(jī)霍夫變換采用多對(duì)一的映射，避免了傳統(tǒng)Hough變換一到多映射的龐大計(jì)算量；采用動(dòng)態(tài)鏈表結(jié)構(gòu)，只對(duì)多到一映射所得到的參數(shù)分配單元進(jìn)行累積，從而降低了內(nèi)存需求，同時(shí)使得RHT具有參數(shù)空間無(wú)限大、參數(shù)精度任意高等優(yōu)點(diǎn)。當(dāng)用RHT處理簡(jiǎn)單圖像時(shí)，它表現(xiàn)出相當(dāng)優(yōu)異的性能但在處理復(fù)雜圖像時(shí)，由于隨機(jī)采樣會(huì)引入大量的無(wú)效采樣和累積，使算法的性能下降，且易受周?chē)肼暫蛿嗔训挠绊憽?/p>

參數(shù)公式：

計(jì)算公式：

RHT檢測(cè)線性具體步驟如下：

（1）讀取圖像。掃描邊緣圖像，獲得邊緣點(diǎn)集R，R中的像素?cái)?shù)目為number；

圖1 線性短延伸圖

（2）定義參數(shù)空間P為空，并對(duì)累加器置零，迭代步驟數(shù)K=0；

（3）從 R 中隨機(jī)選取兩點(diǎn)（X1，Y1）和（X2，Y2）將其代入公式（1）中，聯(lián)力解得參數(shù)空間中一點(diǎn)Pj（ρj，θj）；

（4）在參數(shù)空間 P 中，如果存在 Pc：|Pc—Pi|＜ε（ε 為一個(gè)給定的很小的閾值），則對(duì)應(yīng)的累加器計(jì)數(shù)加1，并根據(jù)公式（2）重新計(jì)算（ρi，θi）；如果不存在，把Pi插入到參數(shù)空間P中，K=K+1；

（5）當(dāng)K＞KMAX，即達(dá)到指定最大閾值時(shí)結(jié)束，否則繼續(xù)下一步；

（6）輸出對(duì)應(yīng)的線性參數(shù)（ρi，θi），將R中對(duì)于線性上的點(diǎn)抹掉。初始化參數(shù)空間，轉(zhuǎn)到步驟（2），再次開(kāi)始。

2.4 改進(jìn)的RHT線性檢測(cè)算法

針對(duì)RHT對(duì)局部信息獲取局部信息時(shí)易受噪聲和斷裂的影響，引入Radon變換。本文主要思想將隨機(jī)Hough變換中點(diǎn)獲取線性投票，改為直接用局部線性投票。這樣可以減少局部噪聲，局部斷裂的影響，同時(shí)避免了Hough變換丟失線性的端點(diǎn)及長(zhǎng)度信息。本文首先對(duì)圖像采用Canny算子對(duì)圖像提取邊緣，然后對(duì)圖像進(jìn)行分塊（注意分成的子塊最好為9×9，11×11，13×13等子塊行列值最好為奇數(shù)），對(duì)于每一個(gè)子塊使用Radon變換，通過(guò)Radon峰值獲得可能線性所在的位置T，對(duì)（T-1，T+1）區(qū)域內(nèi)所有點(diǎn)采用最小二乘擬合出線性的斜率與截距（注意點(diǎn)數(shù)必須達(dá)到閾值，才可以擬合線性）。最后在采用隨機(jī)Hough變換的原理在全局范圍內(nèi)對(duì)獲得的線性特征進(jìn)行處理，從而獲得比較準(zhǔn)確的線性特征。

圖2 實(shí)驗(yàn)1流程結(jié)果圖

本文中改進(jìn)的RHT線性檢測(cè)算法具體步驟如下：

（1）先將圖像進(jìn)行分割成11×11的小方塊區(qū)域，而后針對(duì)每一個(gè)子塊進(jìn)行處理；

（2）對(duì)每個(gè)子塊采用Radon變換向四個(gè)方向進(jìn)行投影，對(duì)投影結(jié)果卷積（卷積算子［111］，［0.510.5］），尋找其峰值；

（3）針對(duì)峰值所對(duì)應(yīng)的線性，尋找峰值區(qū)域內(nèi)可能位于線性上的點(diǎn)，對(duì)獲得點(diǎn)采用最小二乘擬合，從而獲取線性的斜率及截距（a，b），將投影方向，線性的斜率、截距，線性的起始點(diǎn)、終止點(diǎn)存儲(chǔ)到數(shù)組中；

（4）對(duì)所有區(qū)域計(jì)算結(jié)束后，再采用隨機(jī)Hough變換的方法對(duì)獲得的線性信息進(jìn)行處理。首先對(duì)獲得的局部線性作線性延伸，然后對(duì)所有線性按照投影方向進(jìn)行投票，投票過(guò)程中，將斜率，截距都相近線性合并，斜率、截距計(jì)算公式：

ki=（ki×（n-1）+kj/n，di=（di×（n-1）+dj）/n（3）

3 實(shí)驗(yàn)結(jié)果

圖2所示，實(shí)驗(yàn)中（b）邊緣點(diǎn)非常密集，直接采用經(jīng)典的Hough變換計(jì)算量大且效果很不理想。（c）是采用Radon變換提取的邊緣線并延伸，與（b）相比，減少了大量的噪聲點(diǎn)及不重要的短邊緣。（d）是Hough變換提取的邊緣且去除毛刺等的最終結(jié)果。線性邊緣長(zhǎng)度至少為30，端點(diǎn)間隔最大不超過(guò)3，分類(lèi)時(shí)線性間距離最大為1。（e）是令邊緣點(diǎn)像素值為0疊加原圖的結(jié)果。

從實(shí)驗(yàn)中可看出，對(duì)比標(biāo)準(zhǔn)霍夫變換提取結(jié)果，新方法在提取邊緣點(diǎn)較為密集的遙感影像邊緣線時(shí)具有很好的效果。

4 結(jié)束語(yǔ)

該方法主要針對(duì)復(fù)雜場(chǎng)景中隨機(jī)Hough變換在處理局部信息時(shí)易受噪聲和斷裂的影響導(dǎo)致局部信息丟失的情況，引入Radon變換可以很好地降低噪聲、斷裂的影響，維護(hù)局部信息的完整性，保證隨機(jī)Hough變換高效準(zhǔn)確地提取出各類(lèi)遙感影像中的線性。同時(shí)，避免了霍夫變換在處理圖像時(shí)丟失線性起止點(diǎn)信息的情況發(fā)生，且算法并沒(méi)有降低計(jì)算速度，增加內(nèi)存消耗?？捎糜谔崛【€性彎曲度不強(qiáng)的線性信息，對(duì)于遙感影像中線性特征提取，具有一定的參考價(jià)值