基于改進的隨機Hough變換在水利遙感影像線性特征提取中的應用

王春林 孫金彥 錢海明

（安徽省·水利部淮河水利委員會水利科學研究院 合肥 230088）

1 引言

在衛星遙感影像上，大多數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構，因此線性結構提取成為水利遙感解譯不可缺少的一環。Hough變換作為一種經典的線性提取方法在圖像處理和模式識別等領域得到了廣泛的應用。由于其計算耗時和內存占用較大，提出改進隨機Hough變換方法，但是在獲取局部信息時易受噪聲和斷裂的影響，導致復雜場景中的線性提取效果不理想。

針對隨機Hough變換在處理局部信息時易受噪聲和斷裂的影響，導致復雜場景中的線性提取效果不理想等問題，本文擬提出一種基于Radon變換的隨機Hough變換線性檢測算法：首先采用Radon變換獲取穩健的局部信息，然后運用隨機霍夫變換處理已經提取的局部線性，保證隨機Hough變換能夠高效準確地提取出各類遙感影像中的線性。結果證明此方法降低隨機霍夫變換在處理局部信息時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變換檢測局部線性特征，需要對圖像分為11×11，17×17等奇數×奇數個子塊。實驗中將圖像分成多個11×11的子塊。

2.2 局部線性邊緣的檢測和延伸

根據線性特點，即線性方向的投影值最大，采用Radon變換來檢測局部線性。沿著線性方向對圖像進行Radon變換所得峰值最大，同時峰值持續寬度最窄，其他方向形成峰值偏小，且峰值持續寬度較大。應用Radon變換檢測局部線性邊緣時，子圖中的邊緣本身就不是嚴格的線性，通過峰值可以發現線段的存在，但是不能查找得到其上的所有點，且圖像分塊也會導致部分邊緣點未被查找,為了提取出局部邊緣線段上的所有點，需要對每條Radon變換得到的線段進行在全局范圍延伸。如圖1所示，Radon所提取的邊緣不完全，其周圍還存在其他邊緣點，通過對邊緣進行延伸，可以得到比較好的邊緣。

2.3 隨機Hough變換

隨機霍夫變換是由Xu Lei等突出的一種改進的霍夫變換方法。隨機霍夫變換采用多對一的映射，避免了傳統Hough變換一到多映射的龐大計算量；采用動態鏈表結構，只對多到一映射所得到的參數分配單元進行累積，從而降低了內存需求，同時使得RHT具有參數空間無限大、參數精度任意高等優點。當用RHT處理簡單圖像時，它表現出相當優異的性能但在處理復雜圖像時，由于隨機采樣會引入大量的無效采樣和累積，使算法的性能下降，且易受周圍噪聲和斷裂的影響。

參數公式：

計算公式：

RHT檢測線性具體步驟如下：

（1）讀取圖像。掃描邊緣圖像，獲得邊緣點集R，R中的像素數目為number；

圖1 線性短延伸圖

（2）定義參數空間P為空，并對累加器置零，迭代步驟數K=0；

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

（4）在參數空間 P 中，如果存在 Pc：|Pc—Pi|＜ε（ε 為一個給定的很小的閾值），則對應的累加器計數加1，并根據公式（2）重新計算（ρi，θi）；如果不存在，把Pi插入到參數空間P中，K=K+1；

（5）當K＞KMAX，即達到指定最大閾值時結束，否則繼續下一步；

（6）輸出對應的線性參數（ρi，θi），將R中對于線性上的點抹掉。初始化參數空間，轉到步驟（2），再次開始。

2.4 改進的RHT線性檢測算法

針對RHT對局部信息獲取局部信息時易受噪聲和斷裂的影響，引入Radon變換。本文主要思想將隨機Hough變換中點獲取線性投票，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，同時避免了Hough變換丟失線性的端點及長度信息。本文首先對圖像采用Canny算子對圖像提取邊緣，然后對圖像進行分塊（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），對于每一個子塊使用Radon變換，通過Radon峰值獲得可能線性所在的位置T，對（T-1，T+1）區域內所有點采用最小二乘擬合出線性的斜率與截距（注意點數必須達到閾值，才可以擬合線性）。最后在采用隨機Hough變換的原理在全局范圍內對獲得的線性特征進行處理，從而獲得比較準確的線性特征。

圖2 實驗1流程結果圖

本文中改進的RHT線性檢測算法具體步驟如下：

（1）先將圖像進行分割成11×11的小方塊區域，而后針對每一個子塊進行處理；

（2）對每個子塊采用Radon變換向四個方向進行投影，對投影結果卷積（卷積算子［111］，［0.510.5］），尋找其峰值；

（3）針對峰值所對應的線性，尋找峰值區域內可能位于線性上的點，對獲得點采用最小二乘擬合，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、終止點存儲到數組中；

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

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

3 實驗結果

圖2所示，實驗中（b）邊緣點非常密集，直接采用經典的Hough變換計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果。線性邊緣長度至少為30，端點間隔最大不超過3，分類時線性間距離最大為1。（e）是令邊緣點像素值為0疊加原圖的結果。

從實驗中可看出，對比標準霍夫變換提取結果，新方法在提取邊緣點較為密集的遙感影像邊緣線時具有很好的效果。

4 結束語

該方法主要針對復雜場景中隨機Hough變換在處理局部信息時易受噪聲和斷裂的影響導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，維護局部信息的完整性，保證隨機Hough變換高效準確地提取出各類遙感影像中的線性。同時，避免了霍夫變換在處理圖像時丟失線性起止點信息的情況發生，且算法并沒有降低計算速度，增加內存消耗。可用于提取線性彎曲度不強的線性信息，對于遙感影像中線性特征提取，具有一定的參考價值