一种基于滤波响应的电线检测分类方法

摘要

本发明公开了一种基于滤波响应的电线检测分类方法，包括直线的检测和电线的分类，首先基于Canny算子和Hough变换检测到可能的电线区域，再对其提取纹理和颜色特征，最后用RBF核的SVM训练电线的分类器。本发明所提出的基于滤波器响应的电线检测方法可以快速有效地检测到电线的位置，其中基于滤波器的直线检测能够快速有效的检测到电线的可能位置，并能有效地抑制噪声，另外，采用的纹理和颜色特征在复杂环境下对电线的检测具有鲁棒性。

主权项

一种基于滤波响应的电线检测分类方法，其特征是，包括以下步骤：(1)直线的检测：步骤一、构建数据库：从网络上搜集多张包含电线的训练图像和测试图像，其中一部分图像包含复杂场景，比如交通复杂的情况、树林和房屋；步骤二、图像归一化处理及提取图像边缘：针对每一张训练图像，首先对图像大小进行归一化操作，将图像的高度设为200像素，保持图像的宽高比不变，再用Canny算子得到图像的边缘；步骤三、设计滤波器并提取各个方向的直线：设计一个滤波器，滤波器的第一行为1，第二行为‑1，将之前得到的边缘图像的0值变为‑1，将滤波器与边缘图像进行卷积操作，得到滤波器响应结果，再将滤波器进行0～180度的旋转，每次旋转的间隔为3度，将旋转后的滤波器与边缘图像进行卷积操作，得到各个方向上的滤波器响应结果，为了得到滤波器响应的阈值，将旋转后的滤波器定义为R，计算R绝对值的总和T：$T=\underset{i=1}{\overset{h}{\Sigma }}\underset{j=1}{\overset{w}{\Sigma }}\left|R_{\mathrm{ij}}\right|---\left(1\right)$其中，h、w分别为图像的宽度和高度，将阈值设定为0.8*T，将滤波器响应小于该阈值的设为0，大于该阈值的设为1，得到二值化结果，将滤波器中大于0的设为1，小于等于0的设为0，得到一个滤波器的掩膜，用之前得到的二值化结果，找到为1的点，将每个点设为滤波器掩膜的中心，得到滤波器上掩膜为1的点的边缘图像，完成各个方向的直线的选取；步骤四、标定电线位置：针对步骤三得到的各个方向上的直线，将其合并起来得到总的直线区域，将其中非电线的区域手动删去，得到电线的标定结果；步骤五、电线正负样本的确定：用步骤三的方法得到各个方向上的直线，针对一个特定的角度，若其二值化结果有多个不连通的区域，针对每个区域，计算其中标定为电线的个数，如果电线个数与区域像素总数的比例大于0.05，则将该区域设定为电线的正样本，小于0.05的区域设定为电线的负样本；(2)电线的分类：步骤一、训练颜色特征的聚类中心：针对每张训练图像，计算图像每个像素的颜色特征F_c，F_c＝[R,G,B₁,R‑G,G‑B₁,L,A,B₂]      (2)其中,R代表RGB颜色空间中红色通道，G代表RGB颜色空间中绿色通道，B₁代表RGB颜色空间中蓝色通道，R‑G代表RGB颜色空间中红色通道与绿色通道的差值，G‑B₁代表RGB颜色空间中绿色通道与蓝色通道的差值，L代表亮度，A代表在红色和绿色之间的位置，B₂代表在黄色和蓝色之间的位置，随机的从训练图像所有像素对应的颜色特征中选取多个特征，再用Kmeans聚类方法对选取出的特征进行聚类，得到颜色特征的聚类中心；步骤二、训练纹理特征的聚类中心：针对每张训练图像，将图像分为4*4的小块，每个小块的采样间距为4个像素，针对每个小块，提取其纹理特征，从训练图像所有小块对应的纹理特征中选取多个特征，再用Kmeans聚类方法对选取出的特征进行聚类，得到纹理特征的聚类中心；步骤三、提取各个方向的直线：用直线检测中步骤三的方法得到直线各个方向的区域，对每个区域，提取其颜色特征，找到与该颜色特征最靠近的颜色聚类中心，用该聚类中心来表示其颜色特征，统计矩形区域内颜色特征聚类中心出现的次数，计算其直方图；对每个直线区域，得到包含该区域的最小矩形区域，将该矩形区域分为4*4的小块，每个小块的采样间距为4个像素，对每个小块，提取其纹理特征，找到与该纹理特征最靠近的纹理聚类中心，用该聚类中心来表示其纹理特征，统计矩形区域内纹理特征聚类中心出现的次数，计算其直方图，将颜色特征聚类中心的直方图和纹理特征聚类中心的直方图串联起来作为该直线区域的特征；步骤四、训练RBF核的SVM分类器：针对电线的正样本和负样本，提取各个样本直线区域的特征，再训练RBF核的SVM分类器；步骤五、电线的设定：针对测试图像，首先用直线的检测中步骤三的方法检测到可能的直线，用电线的分类步骤三的方法得到直线各个区域的特征，再用电线的分类步骤四的方法得到RBF核的SVM分类器对该特征进行分类，得到属于电线的概率，将概率大于0.3的设定为电线。