基于改進(jìn)邊緣檢測的加油錐套識別?

張 濤 陳朝陽

（西安中飛航空測試技術(shù)發(fā)展有限公司 西安 710089）

1 引言

空中加油技術(shù)可極大提升作戰(zhàn)飛機(jī)的遠(yuǎn)程作戰(zhàn)能力，已成為未來空中加油技術(shù)的發(fā)展趨勢。飛行過程中對錐套的識別是一個(gè)很重要的環(huán)節(jié)［1］，加油機(jī)、天空以及錐套的顏色受光照、云層等因素影響較大，圖像邊緣信息變化范圍較大，很難有固定的閾值來確定錐套的顏色變化范圍，給錐套的提取帶來了困難［2］。

本文采用雙邊濾波［3］方法代替?zhèn)鹘y(tǒng)的canny邊緣檢測中高斯濾波［4］的方法，引入多次迭代法來求取雙門限閾值，使得閾值的選擇更能符合圖像的要求，并在一定程度上降低了噪聲的干擾。通過實(shí)驗(yàn)結(jié)果分析可知，此方法可以得到較好的邊緣檢測結(jié)果，不僅提高了圖像中弱邊緣的檢測準(zhǔn)確度而且可以有效地抑制噪聲。

2 傳統(tǒng)canny邊緣檢測方法

傳統(tǒng)canny邊緣檢測中使用高斯濾波方法對圖像進(jìn)行平滑處理，以減少噪聲對圖像的影響。高斯濾波函數(shù)的表達(dá)式［5］為

其中，σ為方差。使用不同方差的高斯濾波卷積模板對圖像進(jìn)行濾波，得到的結(jié)果如圖1所示。

從圖1可知，錐套與飛機(jī)以及天空的顏色很接近。當(dāng)使用較小的σ進(jìn)行濾波時(shí)（如圖（a）），能夠保留圖像的邊緣信息，但對圖像噪聲的處理能力就會變?nèi)?；?dāng)使用較大的 σ 濾波［6］時(shí)（如圖（c）），圖像噪聲變?nèi)?，但圖像會變得過度平滑，造成邊緣信息的的丟失。為了克服這種問題，本文采用改進(jìn)的雙邊濾波的方法代替?zhèn)鹘y(tǒng)的canny邊緣檢測中高斯濾波的方法。

圖1 不同閾值濾波

3 基于改進(jìn)的雙邊濾波去噪方法

雙邊濾波模板主要由兩個(gè)模板生成，第一個(gè)是高斯模板，第二個(gè)是以灰度級的差值作為函數(shù)系數(shù)生成的模板，這兩個(gè)模板點(diǎn)乘就得到了最終的雙邊濾波模板。雙邊濾波既利用了幾何信息又利用了像素信息來定義濾波窗口的權(quán)重［7］，像素值越接近，權(quán)重越大。表達(dá)式為

其中，（i，j）為當(dāng)前像素點(diǎn)的橫縱坐標(biāo)，k，l為中心點(diǎn)的坐標(biāo)；f（i，j）當(dāng)前點(diǎn)的像素值，f（k，l）為中心點(diǎn)的像素值。δd，δg分別為空間距離以及灰度距離的標(biāo)準(zhǔn)差。

通過式（2）可知，當(dāng)雙邊濾波的模板中心像素點(diǎn)是一個(gè)噪聲點(diǎn)時(shí)，f（k，l）的像素值與鄰域范圍內(nèi)的目標(biāo)點(diǎn)f（i，j）的像素值會有較大的差異，會導(dǎo)致灰度信息的權(quán)重變?。?］，從而不能去除圖像中的噪聲。

因此，采用模板區(qū)域內(nèi)像素點(diǎn)灰度值的平均值代替模板區(qū)域中心點(diǎn)的灰度值來改善這種情況。改進(jìn)的雙邊濾波的權(quán)重系數(shù)的表達(dá)式為

其中，(xp，yp)為模板區(qū)域內(nèi)的像素點(diǎn)灰度值的平均值。

其中，n為采用的濾波模板中像素點(diǎn)個(gè)數(shù)。

假設(shè)濾波窗口區(qū)域的中心點(diǎn)不是噪聲點(diǎn)，那么模板區(qū)域內(nèi)的像素點(diǎn)的平均灰度值 f(xp，yp)與中心點(diǎn)的灰度值f（i，j）不會相差很大，這樣對圖像進(jìn)行濾波時(shí)，同樣可以起到雙邊濾波器的效果。

4 多次迭代法設(shè)定高低門限值

在實(shí)際的飛行過程中，圖像的噪聲、亮度等信息是隨時(shí)變化的，使用設(shè)定的好的閾值并不適合對圖像的實(shí)時(shí)處理［9］。由圖像跟蹤中分類器的方法想到，通過圖像的直方圖信息得到合適的閾值，再引迭代的思想，隨著錐套的不斷變化實(shí)時(shí)的更新閾值從而保證其能夠適應(yīng)時(shí)刻變化的圖像信息［10］。假設(shè)圖像在范圍[0，G]內(nèi)有L個(gè)灰度級，那么可以定義：

其中，rk是區(qū)間[0，G]內(nèi)的第k級亮度，nk是灰度級為rk的圖像中的像素?cái)?shù)。使用所有元素h(rk)除以圖像中的像素總數(shù)n所得到的圖形：

其中，k=1，2，…，L。假設(shè)直方圖中最大和最小波峰的的灰度值分別為T1和T2。則圖像的閾值T0：

那么使用T0將圖像分割得到新的兩組像素，G1由灰度值大于T0的所有像素構(gòu)成，G2由所有小于等于T0的所有像素構(gòu)成。計(jì)算G1和G2范圍內(nèi)的像素的平均灰度值得到m1和m2。其中：

那么，通過計(jì)算得到一個(gè)新的閾值T為

如果得到的T滿足T≤T0，那么就將得到的T作為圖像中的高閾值，否則，將繼續(xù)通過上述計(jì)算得到一個(gè)新的T，直到滿足T≤T0這個(gè)條件為止。

5 實(shí)驗(yàn)結(jié)果與分析

使用改進(jìn)的canny邊緣檢測方法對錐套圖像進(jìn)行處理，并同傳統(tǒng)的canny邊緣檢測方法的結(jié)果進(jìn)行對比分析。為了使檢測的效果更直觀明顯，對原始的灰度圖像加入3%的椒鹽噪聲［11］如圖（b）所示。對加入噪聲的新圖像分別進(jìn)行高斯濾波和改進(jìn)的雙邊濾波處理，得到的結(jié)果分別如圖（c）和圖（d）所示。最后通過對圖像進(jìn)行邊緣檢測結(jié)果如圖（e）和圖（f）所示。

圖2 處理結(jié)果對比

使用圖2中（f）圖的圖像進(jìn)行處理，通過開閉運(yùn)算［12］操作后如圖3（a）所示，對圖像邊緣的點(diǎn)進(jìn)行橢圓擬合［13］，所得結(jié)果如圖3（b）所示。

圖3 處理結(jié)果

從圖像的對比可知，改進(jìn)的雙邊濾波由于考慮了鄰域范圍內(nèi)像素的灰度值之間的關(guān)系，在保留圖像的細(xì)節(jié)［14］和去除噪聲的效果方面要優(yōu)于高斯濾波的效果。通過最后的檢測結(jié)果可以看出，改進(jìn)的canny邊緣檢測得到的結(jié)果受噪聲影響小，并且改進(jìn)的雙閾值選取方法［15］使得檢測得到的圖像邊緣較完整，其最終檢測效果要優(yōu)于傳統(tǒng)的canny邊緣檢測。

此方法在實(shí)際的飛行應(yīng)用中如圖4所示。

圖4 實(shí)驗(yàn)中對錐套進(jìn)行跟蹤

圖4為美國大黃蜂戰(zhàn)機(jī)在空中加油的視頻［16］，實(shí)驗(yàn)中對錐套進(jìn)行跟蹤，使用本文方法參與錐套中心的檢測，并進(jìn)行高低閾值的計(jì)算，可以準(zhǔn)確地提取出錐套中心的邊緣信息，效果明顯。

6 結(jié)語

本文對傳統(tǒng)canny算法中的濾波和雙閾值選取的方法進(jìn)行改進(jìn)，提高了在復(fù)雜多變的機(jī)載環(huán)境中的應(yīng)用性，采用改進(jìn)的雙邊濾波方法代替?zhèn)鹘y(tǒng)的高斯濾波方法實(shí)現(xiàn)對圖像的去噪，并在高低閾值的選取方法上，采用多次迭代法實(shí)現(xiàn)圖像的高低閾值的選取，避免了設(shè)定的閾值不符合圖像要求的局限性使之能夠更好地應(yīng)用在機(jī)載環(huán)境中。實(shí)驗(yàn)結(jié)果表明本文的算法可以很好地抑制噪聲并可以保持邊緣的連續(xù)性，并且高低閾值選取的方法對于實(shí)時(shí)變化的機(jī)載環(huán)境有著很好的適應(yīng)性。為以后機(jī)載設(shè)備進(jìn)行圖像實(shí)時(shí)處理打下了堅(jiān)實(shí)的基礎(chǔ)。