激光激素目標提取灰度重心

1、激光激素目標提取灰度重心1 引言輕軌支撐柱墩、橋梁橋墩是一些關(guān)系國計民生的建筑 , 但是隨著時間的推移 , 這些龐大的支柱也會出現(xiàn)某種問題而影響到橋梁使用的安全性 , 嚴重時甚至會導致整座橋梁的坍塌 , 極大地威脅到人民的生命財產(chǎn)。 其中 , 頂部位移是體現(xiàn)橋梁安全的一個重要指標之一 , 對于橋梁頂部發(fā)生的位移進行實時檢測有助于掌握橋梁的即時數(shù)據(jù) , 從而有助于及時發(fā)現(xiàn)問題 , 減少事故的發(fā)生。目前 , 國內(nèi)對墩頂位移的檢測 , 主要采用激光撓度儀法、 GPS位移測量法、傾斜傳感器法、光纖傳感式微小位移測量系統(tǒng)法以及基于圖像處理的遠程式墩頂位移檢測系統(tǒng)等l一 31。針對基于圖像處理的遠程式墩頂

2、位移檢 i 則系統(tǒng)中 , 肖一先刊門 M;1 門 ;,) 對由墩頂位侈 i 則量系統(tǒng)采集到的激光光斑圖像采用噪聲消除和巾值濾波進行圖像平滑處理 , 提高目標丁背景的區(qū)分度 , 為提取目標創(chuàng)造條件其次 , 刊門 ( 。 11 巧腳 . 子對圖像進子襯圣割 , 以了電從夏雜背景中提取日標圖像最后 , 根據(jù)所提取的目標刊用亞像素細分腳一法中的灰度重心種法求出激光光斑的中心坐標.為實現(xiàn)墩頂位移的精密測怡提供關(guān)鍵的數(shù)據(jù) 2 圖像去噪平滑處理任何一幅圖像在獲取和數(shù)字化過程中都不可避免地存在噪聲 , 而噪聲往往和信號交織在一起 , 為 J準確地定位光斑中心 , 必須盡量減小噪聲帶來的干擾中值濾波有其獨特的優(yōu)

3、點 ;. 它可以較有效地去除噪聲而又不會損大圖像邊緣信息 , 對日標 言息有很好的保護作用 , 另外已對光斑圖像中的某些點缺陷還有較好的修夏作用 , 其基本思想是把以某點、 .I .t/) 勺中心的小窗日內(nèi)的所育像素的灰度按從大到小的順序排列 , 將中問值作為 (,r. 刀 ) 處的灰度值心窗 LI 一般取奇數(shù)個像素 ) 實驗中刊用 M川;ll) 程序?qū)唧w的激光尤斑圖像去噪處理結(jié)果如圖 ! 所示 3目標提取刊用入卜、 tl:d)所提供的各種邊緣儉測鉚一子, 可以吸為方便地實現(xiàn)目標圖像的提取。 M:、日 :,l)提供的邊緣檢測勸一子很多, 常用的邊緣檢測勸一子上要有、 ()1,( 、l 算子、

4、 R() ?1t 算子、 Pl 、二 ?itt算子、 C 川 111- 算子囚其中 C川 1 了 ly 邊緣檢測是一種比較新的邊緣險測算子, 具有很好的邊緣監(jiān)測性能 , 在圖像處理中得到了越來越廣泛的應(yīng)用, 它依據(jù)圖像邊緣檢測最優(yōu)準則設(shè)計 C:、,1,1 、, 邊緣檢測勸法一 )1 c: 飛, 飛:w 使用了變分法 , 這是一種尋找滿足特定功能函數(shù)的方法 , 其最優(yōu)檢測使用四個指數(shù)函數(shù)項的和表示 , 非常近似 J二高斯函數(shù)的一階導數(shù)。 圖 Zfll圖 3 是刊用各勸 . 子對去噪處理后的激光光斑圖像進行目標提取的效果圖。對上述幾種算子提取的結(jié)果進行對比可以發(fā)現(xiàn), 利用Calllw 算子 , 適

5、當調(diào)節(jié)高斯濾波器的大小和閡值 , 可以盡可能多地標識出激光光斑圖像中的實際邊緣 , 獲得地效果最為理想 , 能夠檢測到真正的弱邊緣 , 很好的反映了原圖像的特性。4 光斑中心位置的亞像素定位光斑中心提取的最后一個步驟是依據(jù)提取出來的目標圖像確定目標中心位置 , 這個環(huán)節(jié)需要重點考慮的問題是定位的精度。 在測量視場一定的條件下 , 提高系統(tǒng)測量精度的最直接方法就是提高圖像傳感器分辨率 , 即增加像素點陣數(shù) , 本質(zhì)上就是采用像元更小的圖像傳感器。 然而這種通過提高硬件分辨率來提高系統(tǒng)精度的代價是相當昂貴的 , 且提高程度有一定的局限性。若墩頂發(fā)生的位移在一個像素以內(nèi) , 那么僅僅依靠硬件就無法分

6、辨了。 為了提高靶心定位精度 , 本文采取了亞像素細分技術(shù) 7 一 9 。亞像素技術(shù)從本質(zhì)上來講就是用軟件技術(shù)來彌補硬件的不足 , 在進行圖像處理時可以借助某些數(shù)學工具對這些特征進行處理后實現(xiàn)對像素的細分 , 例如 , 當算法的精度為個像素 , 則相當于測量系統(tǒng)的硬件分辨率提高了 10 倍 , 這祥就能分辨精度在一個像素內(nèi)的位移了。 實現(xiàn)亞像素細分有多種算法 , 考慮到監(jiān)測目標是具有良好對稱性的圓形光斑 , 因此我們采用了灰度重心算法?；叶戎匦乃惴ㄊ菍D像中圓、 橢圓和矩形等中心對稱目標進行高精度定位的常用亞像素算法 , 它通過求取目標的數(shù)字圖像灰度中心來判別物體中心位置。該方法增大了光強大的

7、點在確定光帶中心的權(quán)重 , 提高了測量精度 , 與現(xiàn)有的幾種亞像素光帶中心提取方法相比 , 提取的曲線更接近理想值 , 三維重構(gòu)的效果很好 , 通過實驗 , 結(jié)果令人滿意。亞像素位置提取的步驟如下 : 假設(shè)光斑圖像處于二維平面坐標系中 , 大小為。 x, 。經(jīng)過圖像分割處理后圖像中只剩下光斑圖像。 光斑灰度分布如圖 4 所示。而經(jīng)過系數(shù)為無的細分 , 并進行雙線性插值后 , 新的目標大小變?yōu)槿f xN。其中 , 盯=無 m,N=介 n, 此時 , 系統(tǒng)的精度便達到了1/k 像素雙線性插值的具體實施方法如圖 5, 設(shè)原圖上的一個非整數(shù)坐標點為(;rl,婦, 則可以利用(rl,lj) 點的4 個最鄰

8、近像素的灰度值來計算 ( 了, 婦點處的灰度值斌尸 , 獷) 。設(shè) ( 獷 , 獷 ) 點的 4 個最鄰近像至此 , 利用灰度中心算法 , 便可準確計算出中心的位置 , 圖 6、圖 7 分別是利用 Matlab 提取光斑在 X 方向與 y 方向上的灰度強度分布圖。從圖中可以看出 , 光斑在 X 方向與 y 方向的灰度最大值均出現(xiàn)在 750 位置 , 也就是說 , 光斑的中心坐標位于 (750,750), 這對于利用灰度中心算法得到的光斑中心有很好的參考意義。這樣 , 在確定光斑中心坐標后 , 只需得到位移前后兩光斑坐標的差值 , 根據(jù)基于圖像處理的遠程式墩頂位移檢測系統(tǒng)的檢測原理 , 便可得到精確的實際墩頂位移。只夕全寧合口二口卜口針對基于圖像處理的遠程式墩頂位移檢測系統(tǒng), 利用 Matlab 方法對墩頂位移測量系統(tǒng)中采集到的激光光斑圖像利用噪聲消除和中值濾波法進行圖像平滑處理 , 提高目標與背景的區(qū)分度 ; 利用 canny 算子對圖像進行分割 , 以便從復(fù)雜背景中提取目標圖像 ; 根據(jù)所提取的目標利用亞像素細分算法中的