多次拍照，得到多个训练 图像，将所有训练图像组成训练样本集； 在每幅训练图像中，选择出堆粮高度线内的若干个像素点，用泛洪填充算法找出每幅 训练图像中所选像素点的邻近点，所述邻近点与所选像素点的像素值之间的差值在指定数 值范围内，将所述邻近点和所选像素点一起加入到所述训练样本集中。3. 根据权利要求1所述的堆粮高度线的检测方法，其特征在于，所述的提取训练样本 集中的每幅训练图像中的每个像素点的颜色空间特征，用EM算法训练所有的颜色空间特 征得到混合高斯模型，包括： 对于训练样本集中的每幅训练图像中的任意一个像素点，设其RGB值分别为R，G，B，该像素点的颜色空间特征为 对于训练样本集中的每幅训练 ， 图像中的每个像素点，分别提取其颜色空间特征； 以所有像素点的颜色空间特征作为训练数据，用最大期望算法EM算法训练所述训练 数据得到一个混合高斯模型GMM，记为模型Θ 所述模型Θ包含M个分量，每个分量包含3种参数（Wi, μ i, Σ J，i=l. . . M，Wi表示第 i个分量的权值，μ i表示第i个分量的均值，Σ i表示第i个分量的方差。4. 根据权利要求3所述的堆粮高度线的检测方法，其特征在于，所述的计算待检图像 中的每个像素点的颜色空间特征相对于所述混合高斯模型的后验概率值，得到概率图像， 包括： 拍摄出堆粮高度线的待检图像，对所述待检图像中的每个像素点，提取该像素点的颜 色空间特征X，计算所述颜色空间特征X相对于模型Θ的后验概率值为：其中，g是高斯密度函数。 生成所述待检图像对应的灰度图像，该灰度图像中的每个像素点的像素值为所述待检 图像中的相同位置的像素点的所述后验概率值，对所述灰度图像进行腐蚀膨胀，得到概率 图像。5. 根据权利要求4所述的堆粮高度线的检测方法，其特征在于，所述的根据所述待检 图像的灰度图像和所述概率图像，通过Hough变换分别得到堆粮高度线上边缘的备选集合 和下边缘的备选集合，包括： 用Canny边缘检测算法对所述待检图像对应的灰度图像进行边缘检测，得到图像C ; 用预先设定的索贝尔Sobel算子对所述概率图像进行卷积，得到图像S，将图像S中负 值设为〇后的图像作为图像S+ ;将图像S中正值设为0、负值取反后的图像作为图像S-Jf 图像S+与图像C逐点相乘，得到图像H+，将图像S-与图像C逐点相乘，得到图像H-; 对图像H+进行基于线段检测算法的Hough变换，将Hough变换后获得的线段记为堆粮 高度线上边缘的备选集合；对图像H-进行基于线段检测算法的Hough变换，将Hough变换 后获得的线段记为堆粮高度线下边缘的备选集合。6. 根据权利要求5所述的堆粮高度线的检测方法，其特征在于，所述的从堆粮高度线 上边缘的备选集合、下边缘的备选集合配对得到待检图像中的堆粮高度线的位置，包括： 在堆粮高度线上边缘和下边缘的备选集合中，将小于堆粮高度线长度的经验阈值L的 线段去掉； 将堆粮高度线的上边缘备选集合中的第i个线段和下边缘备选集合中的第j个线段的 长度之差记为dji, j),夹角记为ds(i, j),中点连线长度记为dM(i, j); 则堆粮高度线的上下边缘由下式确定： (m, n) = argmini；Ja| dL(i, j) |+b|ds(i, j) |+c|dM(i, j)-w 其中，堆粮高度线的上边缘为所述上边缘备选集合中的第m个线段，堆粮高度线的下 边缘为所述下边缘备选集合中的第η个线段，w为堆粮高度线的经验宽度，a，b，c为设定的 权值，在m和η确定之后，将所述上边缘备选集合中的第m个线段作为堆粮高度线的上边 缘，将所述下边缘备选集合中的第η个线段作为堆粮高度线的下边缘，堆粮高度线的上边 缘的左右端点和下边缘的左右端点围成的四边形区域，作为堆粮高度线在所述待检图像中 的位置。7. -种堆粮高度线的检测装置，其特征在于，包括： 训练样本集构造模块，用于通过摄像机采集堆粮高度线的训练图像，基于所述训练图 像组成训练样本集； 混合高斯模型构造模块，用于提取所述训练样本集中的每幅训练图像中的每个像素点 的颜色空间特征，用EM算法训练所有的颜色空间特征得到混合高斯模型； 概率图像获取模块，用于计算待检图像中的每个像素点的颜色空间特征相对于所述混 合高斯模型的后验概率值，得到所述概率图像； 上、下边缘备选集合获取模块，用于根据所述待检图像的灰度图像和所述概率图像，通 过Hough变换分别得到堆粮高度线上边缘的备选集合和下边缘的备选集合； 堆粮高度线确定模块，用于从所述堆粮高度线上边缘的备选集合、下边缘的备选集合 配对得到待检图像中的堆粮高度线的位置。8. 根据权利要求7所述的堆粮高度线的检测装置，其特征在于： 所述的训练样本集构造模块，具体用于在不同时间段通过摄像机对需要检测堆粮高度 线的墙面进行多次拍照，得到多个训练图像，将所有训练图像组成训练样本集； 在每幅训练图像中，选择出堆粮高度线内的若干个像素点，用泛洪填充算法找出每幅 训练图像中所选像素点的邻近点，所述邻近点与所选像素点的像素值之间的差值在指定数 值范围内，将所述邻近点和所选像素点一起加入到所述训练样本集中。9. 根据权利要求8所述的堆粮高度线的检测装置，其特征在于： 混合高斯模型构造模块，用于对于训练样本集中的每幅训练图像中的 任意一个像素点，设其RGB值分别为R，G，B，该像素点的颜色空间特征为对于训练样本集中的每幅训练图像中的每个像素点，分 别提取其颜色空间特征； 以所有像素点的颜色空间特征作为训练数据，用最大期望算法EM算法训练所述训练 数据得到一个混合高斯模型GMM，记为模型Θ ; 所述模型Θ包含M个分量，每个分量包含3种参数（Wi, μ i, Σ J，i=l. . . M，Wi表示第 i个分量的权值，μ i表示第i个分量的均值，Σ i表示第i个分量的方差。10. 根据权利要求9所述的堆粮高度线的检测装置，其特征在于： 概率图像获取模块，用于拍摄出堆粮高度线的待检图像，对待检图像中的每个像素点， 提取该像素点的颜色空间特征X，计算所述颜色空间特征X相对于模型?的后验概率值 为：其中，g是高斯密度函数。 生成所述待检图像对应的灰度图像，该灰度图像中的每个像素点的像素值为待检图像 中的相同位置的像素点的所述后验概率值，对所述灰度图像进行腐蚀膨胀，得到概率图像。11. 根据权利要求10所述的堆粮高度线的检测装置，其特征在于： 所述的上、下边缘备选集合获取模块，具体用于用Canny边缘检测算法对所述待检图 像对应的灰度图像进行边缘检测，得到图像C ; 用预先设定的索贝尔Sobel算子对所述概率图像进行卷积，得到图像S，将图像S中负 值设为〇后的图像作为图像S+ ;将图像S中正值设为0、负值取反后的图像作为图像S-Jf 图像S+与图像C逐点相乘，得到图像H+，将图像S-与图像C逐点相乘，得到图像H-; 对图像H+进行基于线段检测算法的Hough变换，将Hough变换后获得的线段记为堆粮 高度线上边缘的备选集合；对图像H-进行基于线段检测算法的Hough变换，将Hough变换 后获得的线段记为堆粮高度线下边缘的备选集合。12. 根据权利要求11所述的堆粮高度线的检测装置，其特征在于： 所述的堆粮高度线确定模块，具体用于在堆粮高度线上边缘和下边缘的备选集合中， 将小于堆粮高度线长度的经验阈值L的线段去掉； 将堆粮高度线的上边缘备选集合中的第i个线段和下边缘备选集合中的第j个线段的 长度之差记为dji, j),夹角记为ds(i, j),中点连线长度记为dM(i, j); 则堆粮高度线的上下边缘由下式确定： (m, n) = argmini；Ja| dL(i, j) |+b|ds(i, j) |+c|dM(i, j)-w 其中，堆粮高度线的上边缘为所述上边缘备选集合中的第m个线段，堆粮高度线的下 边缘为所述下边缘备选集合中的第η个线段，w为堆粮高度线的经验宽度，a，b，c为设定的 权值，在m和η确定之后，将上边缘备选集合中的第m个线段作为堆粮高度线的上边缘，将 下边缘备选集合中的第η个线段作为堆粮高度线的下边缘，堆粮高度线的上边缘的左右端 点和下边缘的左右端点围成的四边形区域，作为堆粮高度线在所述待检图像中的位置。
【专利摘要】本发明提供了一种堆粮高度线的检测方法和装置。该方法包括：通过摄像机采集堆粮高度线的训练图像，基于训练图像组成训练样本集；提取训练样本集中每幅训练图像中每个像素点的颜色空间特征，用EM算法训练所有的颜色空间特征得到混合高斯模型；计算待检图像中每个像素点颜色空间特征相对于混合高斯模型的后验概率值，得到概率图像；根据概率图像和待检图像的灰度图像，通过Hough变换分别得到堆粮高度线上、下边缘的备选集合；从堆粮高度线上边缘的备选集合、下边缘的备选集合配对得到待检图像中的堆粮高度线的位置。本发明通过结合颜色空间建模和Hough变换算法，融合堆粮高度线的颜色信息和形状信息，提高了堆粮高度线的位置检测准确度。
【IPC分类】G06T7/00, G06T7/40
【公开号】CN104899854
【申请号】CN201410079819
【发明人】胡懋地, 李其均
【申请人】航天信息股份有限公司
【公开日】2015年9月9日
【申请日】2014年3月5日