检测图像检测技术发展历史及现状课题的难点第章直线检测算法直线检测算法直线检测算法尺蠖蠕行算法尺蠖蠕行的过程和环境基本原理第章算法的改进和实现编程环境的搭建环境搭建算法的改进经典算法的实现获取图片类获得直线类图像输出类软件效果展示软件结果展示直线检测效果经典算法的性能第章结束语,参考文献致谢,外文资料原文,外文资料译文,第章引言第章引言图像工程与直线检测图像工程将图像技术发展过程中出现的各种新理论新方法新算法新手段新设备等进行综合研究和集成应用的个整体框架，可分为个层次图像处理强调在图像之间进行的变换，狭义上的图像处理主要满足对图像进行各种加工以改善图像的视觉效果并为自动识别打下基础，或对图像进行压缩编码以减少所需存储空间或存储时间传输通路的要求。图像处理是图像工程最底层的操作，主要在图像像素级上进行处理，处理的数据量非常大。图像分析图像分析是对图像中感兴趣的目标进行检测和测量，以获得目标的客观信息从而建立对图像的描述。图像分析是个从图像到数据的过程。这里的数据可以是对目标特征测量的结果，或是基于测量的符号表示，其主要是以观察着为中心研究客观世界。图像分析是图像工程中层的操作，分割和特征值提取把原来以像素描述的图像转变成比较简洁的非图形式的描述。图像理解图像理解进步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。图像理解在定程度上是以客观世界为中心，借助知识经验等来把握整个客观世界包括没有直接观察到的事物。图像理解是处于图像工程最高层的操作，基本上是对从描述抽象出来的符号进行运算，其处理过程和方法与人类的思维推理可以有许多类似之处。直线段的检测属于图像分析阶段，对其研究的意义在于直线段是图像的基本组成元素，任何图形微观上都是由直线段组成直线段的检测为图像分析阶段中更高层的处理诸如目标的表达提取和识别提供数据支持，它的影响可以达到图像理解阶段。在实际应用中，道路识别建筑物识别医学图像分析航空和卫星图像分析等领域都需要借重于直线检测技术。图像检测技术发展历史及现状图像检测作为图像分析技术的个研究内容，它也是伴随着数字图像处理的发展而发展的。数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪年代传真技术的发明和发展。其后，则是由于宇宙方面的要求，需要处理大量的宇宙探测器上拍摄下来的不清楚的其他天体如月球火星等以及地球本身的照片。然而，图像处理技术的发展，远远突破了这两个领域，到今天，它已经广泛的应用到科学研究工农业生产军事技术政府部门医疗卫生等许多领域，进步推动着社会生产力的发展。图像检测是图像分析研究内容的部分。目前，在图像分析领域已经有很大的发展。图像分析是种从幅图像中通过自动的或半自动的方法提取图像尺寸数据或信息的方法。图像分析方法通常因图像分析系统最后的输出是数字而不是画面，使它与其他类型的图像处理方法，如编码恢复放大等不同。图像分析源于经典的模式识别方法，根据定义，分析系统并不局限于对个固定数量类别的场景区域的分类，而是更倾向于可设计成用于描绘复杂场景。根据事先预测，该场景的种类可能是非常多的和不确定的。目前，图像分析领域主要包括形态学图像处理边缘检测图像特征提取图像分割形状分析图像检测和配准等几个方面的内容形态学图像处理它的基本概念可以追朔到对空间集合代数的研究和对拓扑的研究。形态学图像处理是这样的种处理类型，它对图像中的物体的空间形态或结构进行修改。膨胀腐蚀和骨架化是三种基本的形态学计算。边缘检测幅图像的振幅属性如亮度或三色值的变化或突变是对图像进行描述的重要特性，因为它们常指示图像中物体的物理特性。从个层面到另个层面的图像亮度的局部突变叫亮度边缘。对于亮度图像中的边缘检测直线检测和点检测有两类近似方法微分检测和模型拟合。图像特征提取图像的特征是指图像显著的基本特征或特性。些图像是其本质的特性，在定程度上这样的特征可以从视觉上分辨出来，另些则是通过些变换产生的人为特征。本质特征包括像素区域和灰度纹理区域的亮度。图像分割图像分割法使图像被划分成或分隔成具有相近特征的区域。对于图像分割法，其最基本的特征是单色照片图像的亮度振幅和彩色图像的彩色因素。图像边缘和纹理也是对分割法很有用的特征。形状分析目前已经提出了几种定性的和定量的方法来描述图像中物体的形状，这些方法对于在模式识别系统中对物体进行分类和在图像理解系统中象征性的描述物体是很有用的。在这些方法中，有些只能应用在二进制图像中，另第章引言外的些则可以被扩展到灰度图像中。图像检测和配准图像检测主要是确定位于图像内被猜测的物体是存在还是不存在的。而图像配准主要是涉及到对图像区域的空间配准问题。在个图像区域中，物体检测的种最基本方法是通过模板匹配来进行。在目前的实际应用中，广泛的利用变换来进行圆形或椭圆性的物体检测。课题的难点传统的变换法首先是运算量大，由于对所有源像素点都要进行无差别的转换运算，对像素较大的图像进行转换时相应的计算时间也太长。传统的变换法最主要的缺陷在于它会将中断的直线无差别地连接起来，在些场合有助于修补图像，但是对源数据处理阶段会产生的数据，导致了与源图像的偏差。电子科技大学学士学位论文第章直线检测算法直线检测现在已经成为计算机视觉中的个研究重点，近年来许多学者就这领域展开了广泛研究并提出了许多直线检测算法。目前直线检测算法主要可以分为以下几类变换法相位编组法链码检测法以下将就直线检测中的些经典和高效算法进行原理的介绍。直线检测算法算法及其改进算法是利用坐标域变换的代表。此类算法的优点是抗干扰能力强，对图像中的噪声不敏感。但是由于其算法特点使得其时间复杂度和空间复杂度都很高，并且在变换过程中丢失了线段的长度信息。变换的基本思想是点线的对偶性。方面，图像空间中共线的点对应在参数空间里相交的线另方面，在参数空间中相交于同个点的所有直线在图像空间里都有共线的点与之对应。因此变换把在图像空间中的直线检测问题转换到参数空间中对点的检测问题，通过在参数空间里进行简单的累加统计完成检测任务。如果参数空间中使用直线方程，当图像空间直线斜率为无穷大时，会使累加器尺寸和变很大，从而使计算复杂度过大。为解决这问题，采用直线极坐标方程，变换方程下所示。根据这个方程，原图像空间中的点对应新参数空间中的条正弦曲线，即点正弦曲线对偶。检测直线的具体过程就是让取遍可能的值，然后计算的值，再根据和的值对累加数组累加，从而得到共线点的个数。下面介绍和取值范围的确定。设被检测的直线在第象限，右上角坐标为则第象限中直线的位置情况如图所示。第章直线检测算法图检测位置图由图可见，当直线从与轴重合处逆时针旋转时，的值开始由增大，直到，所以的取值范围为。由直线极坐标方程可知由的取值范围和它们的分辨率就可以确定累加器的大小，从而检测直线。直线检测算法由于其应用广泛和简洁获得了很大程度上的认可，但同时有学者对算法的低效率和高空间占用并不满意，而且在变换时直线将丧失其长度和具体位置的问题也令些学者不满意。于是，他们提出了改进的方案。与算法通过坐标转换的方式不同，改进的方案更倾向与从直线的直接特征中寻找突破点。等提出了种在链码中检测直线的算法。该算法从起始链码开始，对每链码确定个直线穿行区域以及两条用于确定下链码是否属于同直线的上下边界线。如果下链码位于上下边界线之内，则该链码与上链码属于同直线否则该链码属于另直线。由于该算法仅对目标的边界链码进行处理，因此其算法的复杂度较小，为，其中为边界链码的个数。但该算法在跟踪得到每链码时需确定下直线链码的存在范围，这是比较耗时的过程，利用数字直线的特征可以简化该过程。计算机处理的图像是经过采样量化等数字过程后形成的离散图像，离散空间中的直线呈现出连续空间的直线所不具备的些特征。总结了这些特征并提出了数字直线的链码应遵循的三条准则简称准则条数字直线的邻域链码中最多包括两个方向，其中个为主方向，它是决定直线方向的主要因素这两个方向的链码值相差为主方向上链码值相同的连续像素组成个线段子元，除去第个和最后个线段子元，其余各线段子元的长度至多相差个像素。算法直接从直线的特征找到突破点，通过比对直线的特征从而就可以找出隐藏在图像中的直线。这为从多的学者从迷茫中指明了方向，些比较经典的基于准则的想法被相继提出。其中最有里程意义的应该是等提出个基于准则直线检测算法。该算法完整而全面的理解了准则，并且在现实上并不困难。该算法的具体思想如下首先跟踪线段子元，然后根据两相邻线段子元间的偏转角度确定这两线段子元是否相似，最后若两子元相似则连接两线段子元。该算法的计算复杂度为，为目标边界像素的数目。虽然该算法与等算法的计算复杂度相同，但该算法在跟踪得到个线段子元后才进行偏转角度的计算，因此，该算法比等算法更高效。首先我们需要定义个新概念量化方向子集，下文简称，在对个图像进行数字化之后，条连续的直线段将成为系列短直线段的集合，而这些短直线段被定为在八个等同的量化方向上，如图所示。图像素的量化定位这些具有相同的方向而长度不同的短直线段被成为量化方向子集。对于个数字化直线任意的，可能存在不同长度的短直线和相同长度的短直线，我们称为量化方向元素，下文简称。现在我们来考虑下条数字化直线段的参数方程式为并且其终点第章直线检测算法为，和，。我们已经定义了，而且可以认为