野外环境下图像中坑区域的提取方法

doi:10.11772/j.issn.1001-9081.2016.04.1132

计算机应用 ›› 2016, Vol. 36 ›› Issue (4): 1132-1136.DOI: 10.11772/j.issn.1001-9081.2016.04.1132

野外环境下图像中坑区域的提取方法

孟令江^1,2, 王挺¹, 姚辰¹

1. 中国科学院沈阳自动化研究所, 沈阳 110000;
2. 中国科学院大学, 北京 100049

收稿日期:2015-08-31 修回日期:2015-11-16 出版日期:2016-04-10 发布日期:2016-04-08
通讯作者: 孟令江
作者简介:孟令江(1983-),男,内蒙古包头人,硕士研究生,主要研究方向:机器视觉; 王挺(1978-),男,辽宁沈阳人,副研究员,博士,主要研究方向:机器人控制、特种机器人、模式识别、智能系统; 姚辰(1964-),男,辽宁沈阳人,研究员,博士,主要研究方向:机器人控制、特种机器人。

Image segmentation method of pit area in wild environment

MENG Lingjiang^1,2, WANG Ting¹, YAO Chen¹

1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang Liaoning 110000, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2015-08-31 Revised:2015-11-16 Online:2016-04-10 Published:2016-04-08

摘要/Abstract

摘要： 在野外环境中有很多坑区域,这对野外工作机器人的移动带来了困难,因此引入视觉方法来实现对坑的检测。首先根据工程要求去除掉一部分不满足大小的疑似区域,再利用坑区域边缘梯度去除掉一部分疑似区域,之后计算与椭圆相似度来确定灰度分割阈值,并通过分析坑与椭圆相似度曲线来确定相似度阈值,以从疑似区域中分离出坑区域。经过使用200幅不同角度、场景和坑数量的图像进行测试,结果表明该方法能够在复杂野外环境下很好地提取出坑区域,对坑轮廓的规整度不敏感,能够适应复杂的环境,是一种有效的方法。

关键词: 坑区域, 阈值分割, 直方图, 梯度, 椭圆相似度

Abstract: It is difficult for robot to move in wild environment because of pit areas, so a visual coping method was put forward to detect those pit areas. Firstly, according to project requirements, a part of suspected areas with small size were removed, as well as some the suspected areas with edge gradient. Secondly, the oval similarity was calculated to determine gray level segmentation threshold, and the similarity threshold was confirmed by analyzing the oval similarity curve, which was used to separate pit areas from the suspected pit areas. At last, the simulation results on 200 pictures with different angles, scenes and pit umbers show that the proposed method can be applied to extract pit area in complex environment, and is also not sensitive to outline regularity of pit area; besides, it can adapt to complex environment.

Key words: pit area, threshold segmentation, histogram, gradient, oval similarity

中图分类号:

TP751.1

孟令江, 王挺, 姚辰. 野外环境下图像中坑区域的提取方法[J]. 计算机应用, 2016, 36(4): 1132-1136.

MENG Lingjiang, WANG Ting, YAO Chen. Image segmentation method of pit area in wild environment[J]. Journal of Computer Applications, 2016, 36(4): 1132-1136.

参考文献

[1] 刘超, 蔡文华, 陆玲.图像阈值法分割综述[J]. 电脑知识与技术, 2015, 11(1):140-145.(LIU C, CAI W H, LU L. Survey on the method of image threshold segmentation[J]. Computer Knowledge and Technology, 2015, 11(1):140-145.)
[2] CHAN F H Y, LAM F K, ZHU H. Adaptive thresholding by variational method[J]. IEEE Transactions on Image Processing, 1998, 7(3):468-473.
[3] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1):62-66.
[4] 王磊, 段会川. Otsu方法在多阈值图像分割中的应用[J]. 计算机工程与设计, 2008, 29(11):2844-2845, 2972.(WANG L, DUAN H C. Application of Otsu method in multi-threshold image segmentation[J]. Computer Engineering and Design, 2008, 29(11):2844-2845, 2972.)
[5] 李了了, 邓善熙, 丁兴号. 基于大津法的图像分块二值化算法[J]. 微计算机信息, 2005, 21(8-3):76-77.(LI L L, DENG S X, DING X H. Binarization algorithm based on image partition derived from Da-Jin method[J]. Microcomputer Information, 2005, 21(8-3):76-77.)
[6] 郭烈, 王荣本, 金立生, 等. 基于二维最大熵阈值分割的坑识别方法[J]. 计算机工程与应用, 2006, 42(21):226-228.(GUO L, WANG R B, JIN L S, et al. Hole detection based on 2D maximum entropy threshold segmentation[J]. Computer Engineering and Applications, 2006, 42(21):226-228.)
[7] 熊娟. 基于图像处理的月球撞击坑识别技术研究[D]. 南昌:华东交通大学, 2013:20-42.(XIONG J. Research on technology of lunar crater detecting based on image processing[D]. Nanchang:East China Jiaotong University, 2013:20-42.)
[8] 许新征, 丁世飞, 史忠植, 等. 图像分割的新理论和新方法[J]. 电子学报, 2010, 38(2A):76-82.(XU X Z, DING S F, SHI Z Z, et al. New theories and methods of image segmentation[J]. Acta Electronica Sinica, 2010, 38(2A):76-82.)
[9] 杨金龙, 张光南, 厉树忠, 等. 基于二维直方图的图像分割算法研究[J]. 激光与红外, 2008, 38(4):400-404.(YANG J L, ZHANG G N, LI S Z, et al. Study of image segmentation algorithm based on two-dimensional histogram[J]. Laser and Infrared, 2008, 38(4):400-404.)
[10] YEN J C, CHANG F J, CHANG S. A new criterion for automatic multilevel thresholding[J]. IEEE Transactions on Image Processing, 1995, 4(3):370-377.
[11] 吴冰, 秦志远. 自动确定图像二值化最佳阈值的新方法[J]. 测绘学院学报, 2001, 18(4):283-286.(WU B, QIN Z Y. The methods and practice of rectifying the distorting errors on scanned image from large-scale topographic map[J]. Journal of Institute of Surveying and Mapping, 2001, 18(4):283-286.)
[12] 梁华为.直接从双峰直方图确定二值化阈值[J]. 模式识别与人工智能, 2002, 15(2):253-256.(LIANG H W. Direct determination of threshold from bimodal histogram[J]. Pattern Recognition and Artificial Intelligence, 2002, 15(2):253-256.)

[1]	李辉, 吴传生, 刘俊, 刘文. 基于梯度曲面面积与稀疏约束的图像平滑方法[J]. 计算机应用, 2021, 41(7): 2039-2047.
[2]	王建平, 王刚, 毛晓彬, 马恩琪. 基于深度强化学习的二连杆机械臂运动控制方法[J]. 计算机应用, 2021, 41(6): 1799-1804.
[3]	王先武, 张挺, 吉欣, 杜奕. 基于带梯度惩罚深度卷积生成对抗网络的页岩三维数字岩心重构方法[J]. 计算机应用, 2021, 41(6): 1805-1811.
[4]	贾鹤鸣, 李瑶, 姜子超, 孙康健. 基于改进共生生物搜索算法的林火图像多阈值分割[J]. 计算机应用, 2021, 41(5): 1465-1470.
[5]	王锦凯, 贾旭. 基于迁移孪生非负矩阵分解的静脉识别算法[J]. 计算机应用, 2021, 41(3): 898-903.
[6]	陈朗, 王让定, 严迪群, 林昱臻. 融合残差网络和极限梯度提升的音频隐写检测模型[J]. 计算机应用, 2021, 41(2): 449-455.
[7]	李福海, 蒋慕蓉, 杨磊, 谌俊毅. 基于生成对抗网络的梯度引导太阳斑点图像去模糊方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3345-3352.
[8]	曹建芳, 闫敏敏, 贾一鸣, 田晓东. 融合迁移学习的Inception-v3模型在古壁画朝代识别中的应用[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3219-3227.
[9]	卓禹心, 韩素雅, 张榆锋, 李支尧, 董毅峰. 基于超声谐波包络Nakagami参数图像的微波消融区域自动分割方法[J]. 计算机应用, 2021, 41(10): 3089-3096.
[10]	顾桐, 许国良, 李万林, 李家浩, 王志愿, 雒江涛. 基于集成LightGBM和贝叶斯优化策略的房价智能评估模型[J]. 计算机应用, 2020, 40(9): 2762-2767.
[11]	李浩, 朱焱. 基于梯度分布调节策略的Xgboost算法优化[J]. 计算机应用, 2020, 40(6): 1633-1637.
[12]	徐代, 岳璋, 杨文霞, 任潇. 基于改进的三向流Faster R-CNN的篡改图像识别[J]. 计算机应用, 2020, 40(5): 1315-1321.
[13]	王锦凯, 贾旭. 基于加权正交约束非负矩阵分解的车脸识别算法[J]. 计算机应用, 2020, 40(4): 1050-1055.
[14]	王肖, 魏嘉旺, 袁玉波. 基于特征部位圆形域的人脸图像修复方法[J]. 计算机应用, 2020, 40(3): 847-853.
[15]	杨立波, 蒋铁钢, 徐志强. 基于混合梯度的硬阈值追踪算法[J]. 计算机应用, 2020, 40(3): 912-916.

野外环境下图像中坑区域的提取方法

Image segmentation method of pit area in wild environment

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics