陳雷，周靖仁，田曉燕

（1.河北大學(xué)電子信息工程學(xué)院，河北保定 071002；2.河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河北保定 071001）

南水北調(diào)工程是一個(gè)跨流域、長(zhǎng)距離的特大型輸水工程，對(duì)工程進(jìn)行長(zhǎng)期的安全檢測(cè)并建立一套高效實(shí)用的安全檢測(cè)系統(tǒng)十分必要.機(jī)器人巡檢船作為系統(tǒng)的前端設(shè)備，承擔(dān)著監(jiān)測(cè)各種水文參數(shù)及壩體參數(shù)的重要任務(wù).本文旨在探討基于圖像的巡檢船主動(dòng)避障方案，使巡檢船能夠自主航行.水面障礙物具有一定高度和傾角，并具備較明顯的直線邊緣特性，因此可通過(guò)提取目標(biāo)直線邊緣特征來(lái)發(fā)現(xiàn)障礙物.傳統(tǒng)的直線提取方法主要以Hough變換為代表，提取出含有邊緣特征的解析線段［1］，但需要較大的存儲(chǔ)空間并且可能產(chǎn)生冗余點(diǎn)，直接影響了系統(tǒng)性能及處理速度［2］.Gromponer等人［3］提出的LSD（line segment detection）算法，具有正比于圖像總像素的計(jì)算復(fù)雜度，適用于圖像規(guī)模較大情況下的2D線段提取.

本文提出了一種特定方向抑制的GOA改進(jìn)算法，并將該算法與LSD算法進(jìn)行實(shí)驗(yàn)對(duì)比.結(jié)果顯示，該方法檢測(cè)效果較好，且計(jì)算復(fù)雜度較低，適于在嵌入式設(shè)備中運(yùn)行.

1 LSD算法

LSD是通過(guò)梯度方向完成運(yùn)算的直線段提取算法.該方法通過(guò)迭代將梯度方向相近的點(diǎn)連接成具有統(tǒng)一朝向的區(qū)域以尋找能夠包圍此區(qū)域的最小矩形結(jié)構(gòu)，從而完成檢測(cè).此外，該方法含有錯(cuò)誤控制機(jī)制，保證了檢測(cè)結(jié)果的正確性，其對(duì)于包含大量紋理的圖像區(qū)域，尤其是包含大量各項(xiàng)同性特征的區(qū)域，不會(huì)檢測(cè)出線段結(jié)構(gòu)［4］.

1.1 LSD算法檢測(cè)步驟

本文首先采用LSD算法進(jìn)行了障礙物邊緣檢測(cè)，具體步驟如下［5］：

1）圖像降噪處理：通過(guò)高斯濾波器進(jìn)行濾波；

2）完成圖像中各像素的梯度幅值和方向信息的計(jì)算，為每個(gè)像素賦予權(quán)重和方向；

3）建立梯度幅值列表，增設(shè)狀態(tài)矩陣存儲(chǔ)像素點(diǎn)的狀態(tài)信息；

4）在列表中從梯度幅值較大并且未使用的像素開(kāi)始遍歷：尋找該點(diǎn)臨域中梯度方向與該點(diǎn)相近的點(diǎn)，將其標(biāo)記為已遍歷并加入當(dāng)前區(qū)域，同時(shí)更新梯度方向均值；

5）獲得區(qū)域后，使用矩形結(jié)構(gòu)對(duì)每個(gè)區(qū)域進(jìn)行逼近，并將顯著的錯(cuò)檢結(jié)果剔除即可得到符合條件的輸出.

1.2 LSD算法檢測(cè)實(shí)驗(yàn)結(jié)果

由于本系統(tǒng)需要抑制橫向邊緣，因此對(duì)LSD輸出的線段集合做了如下約束：

1）線段角度要在30°～150°；

2）線段長(zhǎng)度要在20個(gè)像素以上.

LSD算法的實(shí)驗(yàn)結(jié)果如圖1所示.

LSD方法優(yōu)先提取包含像素的梯度模值最大，即特征與周圍對(duì)比最明顯的線性要素，這樣某些特征明顯而較短的線性要素會(huì)阻礙特征不明顯但方向一致性好的較長(zhǎng)線性特征的提取.因此，對(duì)于一些較模糊的障礙物邊緣，其線性特征就會(huì)被忽略，由圖1b中所示白色漂浮物可以看出，LSD算法未能檢測(cè)出其邊緣特征.

2 GOA邊緣檢測(cè)算法

GOA邊緣檢測(cè)算子是一種基于圖像局部統(tǒng)計(jì)性的邊緣檢測(cè)算法［6］，由Zaman M R等人［7］提出，其算子是基于圖像局部統(tǒng)計(jì)性的一種邊緣檢測(cè)算法，對(duì)局部細(xì)小邊緣定位較為準(zhǔn)確.圖2以3×3窗口為例，圖中所示為4種不同的計(jì)算方向.

運(yùn)算時(shí)選取1個(gè)滑動(dòng)窗口并以當(dāng)前像素為待檢測(cè)點(diǎn)，在窗口內(nèi)對(duì)兩側(cè)不重疊區(qū)域的4個(gè)不同方向計(jì)算像素點(diǎn)灰度均值Rj，Qj（j＝1，2，3，4），該像素點(diǎn)相應(yīng)方向的梯度值為Gj

取該像素點(diǎn)處Gj的最大值為其梯度值

圖1 LSD實(shí)驗(yàn)檢測(cè)結(jié)果Fig.1 Experimental test results of LSD

圖2 GOA算子4種計(jì)算方向Fig.2 Four arithmetic direction of GOA operator

通過(guò)對(duì)G值的分析可以看出：G值越大代表兩側(cè)區(qū)域灰度均值差別越大，則該像素點(diǎn)處于2區(qū)域邊界的概率越大；G值越小則兩側(cè)區(qū)域灰度均值差別越小，依概率可判定屬同一塊均勻區(qū)域.在實(shí)際使用過(guò)程中，滑動(dòng)窗口的尺寸與抗噪性能成正比，但與其對(duì)細(xì)小邊緣的檢測(cè)能力成反比.

3 改進(jìn)的GOA邊緣檢測(cè)

障礙物邊緣檢測(cè)的基本思路為提取圖像中具有一定長(zhǎng)度的特定角度紋理.由于正常的水面波紋多為橫向紋理，且連通長(zhǎng)度較短，在改進(jìn)算法中需弱化處理；而豎向和斜向紋理多為障礙物邊緣的真實(shí)紋理，該部分在改進(jìn)的算法中需被強(qiáng)化以完成檢測(cè)、提取.改進(jìn)的GOA算法結(jié)構(gòu)如圖3所示.

圖3 改進(jìn)的GOA算法結(jié)構(gòu)Fig.3 Improved GOA algorithm structure

3.1 GOA算法改進(jìn)方案

上述（3）－（6）式中Pi＝（i＝1，2，…，9）為窗口內(nèi)各像素點(diǎn)的灰度值，具體運(yùn)算步驟為

1）計(jì)算局部最強(qiáng)特征梯度值G＝max（G1，G2，G3，G4）；

2）對(duì)局部最強(qiáng)特征進(jìn)行篩選，弱化橫向紋理即G不能為G4；

3）決定窗口內(nèi)數(shù)據(jù)兩側(cè)的差異性，針對(duì)圖像序列中障礙物的邊緣需要選取閾值使得G＞TH；

4）依據(jù)篩選后的最強(qiáng)特征梯度生成邊緣紋理圖.

障礙物類型的差異性會(huì)導(dǎo)致其圖像中的灰度分布不同，從而造成梯度的強(qiáng)弱之分.為盡可能尋找強(qiáng)邊緣，同時(shí)對(duì)弱紋理進(jìn)行抑制，需采用局部均值二值化算法對(duì)邊緣紋理圖進(jìn)行二值化.系統(tǒng)采用圖4所示模版以Gmean（Gmean＝P1＋P1＋…＋P9）作為閾值，像素點(diǎn)信息值Pi×9與之進(jìn)行比較來(lái)完成窗口內(nèi)圖像二值化.

圖像運(yùn)算過(guò)程中采用的小規(guī)模的滑動(dòng)窗口會(huì)在一定程度上降低算法的抗噪聲能力，因此在圖像二值化后通過(guò)腐蝕和膨脹的形態(tài)學(xué)操作，以去除圖像噪點(diǎn)，模版如圖5所示.

圖4 GOA3×3模板Fig.4 3×3Template for GOA

圖5 形態(tài)學(xué)操作3×3模版Fig.5 3×3Template for morphological

上述圖像信息包含障礙物目標(biāo)邊緣和密集紋理噪聲構(gòu)成的偽目標(biāo)，通過(guò)連通性分析最終完成提取真實(shí)目標(biāo)特征并去除虛假區(qū)域信息.系統(tǒng)采用外接矩形來(lái)描述和判定候選區(qū)域，利用長(zhǎng)軸／短軸直接進(jìn)行線段的判定［8］.根據(jù)連通性分析結(jié)果，系統(tǒng)控制單元采用歷史驗(yàn)證的方式進(jìn)行告警判斷.針對(duì)視頻序列當(dāng)連續(xù)N幀圖像中出現(xiàn)M幀存在告警狀態(tài)，則判定為系統(tǒng)遭遇障礙物告警，需及時(shí)做出避讓.驗(yàn)證幀數(shù)N與判定門(mén)限M均與航速有關(guān).

3.2 改進(jìn)GOA算法檢測(cè)實(shí)驗(yàn)結(jié)果

在巡檢船采集的視頻序列中，通過(guò)提取樹(shù)枝、漂浮物、橋墩等作為實(shí)驗(yàn)對(duì)象.系統(tǒng)對(duì)其進(jìn)行了完整的算法分析，并結(jié)合實(shí)際需求對(duì)GOA算法進(jìn)了改進(jìn)，實(shí)驗(yàn)結(jié)果如圖6所示.

由圖6b圖可以看出，圖像數(shù)據(jù)由改進(jìn)后的GOA算法處理后強(qiáng)化了豎向和斜向的紋理，但其中水面豎向波紋產(chǎn)生的密集噪聲點(diǎn)仍然較多.針對(duì)噪聲特點(diǎn)加入的腐蝕、膨脹操作后再進(jìn)行連通性分析就可得到圖6c所示的處理結(jié)果，此時(shí)巡檢船行駛過(guò)程中所遇到的障礙物邊緣特征已經(jīng)完成提取.圖6d所示即為目標(biāo)檢測(cè)結(jié)果.

圖6 改進(jìn)的GOA算法實(shí)驗(yàn)結(jié)果Fig.6 Experimental test results of improved GOA algorithm

通過(guò)與前面所述LSD算法針對(duì)相同目標(biāo)的檢測(cè)結(jié)果進(jìn)行對(duì)比，經(jīng)過(guò)改進(jìn)的GOA算法對(duì)于目標(biāo)特征提取較為完整，對(duì)不同障礙物的識(shí)別適應(yīng)性較強(qiáng).

4 總結(jié)

提出了一種方向抑制的改進(jìn)型GOA算法.由圖6所示實(shí)驗(yàn)結(jié)果可以看出障礙物特有的豎（斜）向紋理被強(qiáng)化，而以橫向紋理為主的水面波紋被抑制.同時(shí)，算法中各個(gè)環(huán)節(jié)均是比較利于實(shí)現(xiàn)的圖片空域算法，該算法乘加操作較多，而出現(xiàn)的除法運(yùn)算也已用其他運(yùn)算來(lái)替代，除了連通域分析之外，統(tǒng)計(jì)操作也較少，因此適于移植到嵌入式設(shè)備中.算法完成后期在TI公司的Davinci芯片中經(jīng)核心函數(shù)DSP優(yōu)化后，CIF分辨率圖像的平均處理速度為26.4ms／幀，完全滿足實(shí)時(shí)性要求.

［1] MATAS J，GALAMBOS C，KITTLER J.Robust Detection of Lines Using the Progressive Probabilistic Hough Transform［J］.Computer Vision and Image Understanding，2000，78（1）：119－137.

［2] 李煒，黃心漢，王敏.一種快速Hough變換改進(jìn)算法及其在圖像邊緣檢測(cè)中的應(yīng)用［J］.信號(hào)處理，1999，15（2）：182－187.LI Wei，HUANG Xinhan，WANG Min.A new fast hough transform and its application in edge detection［J］.Signal Processing，1999，15（2）：182－187.

［3] VON GIOI R G，JAKUBOWICZ J，MOREL J M，et al.LSD：A fast line segment detector with a false detection control［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32（4）：7 22－732.

［4] DESOLNEUX A，MLISAN L，MOREL J M.Meaningful alignments［J］.Computer Vision，2000，40（1）：7－23.

［5] 夏旸，管海兵，宦飛.基于顏色與線段的圖像輪廓提取算法［J］.信息安全與通信保密，2012（5）：58－60.XIA Yang，GUAN Haibing，HUAN Fei.Image contour extraction algorithm based on color and line segment detection［J］.Information Security and Communications Privacy，2012（5）：58－60.

［6] 王敏，周樹(shù)道.靜態(tài)水上物體檢測(cè)分割算法［J］.實(shí)驗(yàn)室研究與探索，2010，29（6）：30－32.WANG Min，ZHOU Shudao.Static water object detection segmentation［J］.Research and Exploration in Laboratory，2010，29（6）：30－32.

［7] ZAMAN M R，MOLONEY C R.A comparison of adaptive filters for edge preserving smoothing of speckle noise［J］.Proceedings of International Conference on Acoustic，Speech，and Signal Processing，1993，2（1），44－52.

［8] 覃勛輝，馬戎，付維平，等.一種基于梯度的直線段檢測(cè)算法［J］.光子學(xué)報(bào)，2012，41（2）：205－209.QIN Xunhui，MA Rong，F(xiàn)U Weiping，et al.A line segments detection algorithm based on grad［J］.Acta Photonica Sinica，2012，41（2）：205－209.