1.1设计背景

近年来，随着计算机软硬件技术的发展和人们日益增长的需求，计算机视觉技术在许多领域得到了广泛的应用，目标识别技术的的提高也愈发重要。其中，直线检测广泛的用于医学图像判读、生产线监控、军事目标检测和许多其他领域。

Hough变换作为数字图像处理领域识别直线的基本方法之一，有较好的容错性和鲁棒性^[1]，常作为检测图像中的直线的方法，也被广泛的应用于计算机视觉和模式识别等领域^[2][3]。与此同时，传统Hough变换也存在明显的缺陷:一是计算中的参数空间和计算精度成正比，计算量大、占用内存资源多；二是参数空间没有图像特征点的信息，实际图像中的一条直线容易与参数域中的多个峰值对应，使伪峰影响检测结果^[4][5]。针对Hough变换的上述问题，许多优化改进的Hough变换直线检测算法研究应运而生。

1.2国内外研究现状

当前，多数对Hough变换算法的改进都是针对减少耗时和降低运算复杂度的问题。Xu^[6]等提出随机Hough变换，在多个像素中随机抽取一个像素作为采样信息映射到参数空间，避免了较大计算两盒较多的内存占用。Kiryati^[7]等提出了多对一的概率Hough变换，将图像数据映射带参数域中具有更大概率的单元，大大减少所需内存空间。张大朴^[8]等提出了拟梯度方向的随机Hough变换，将梯度方向的可能值进行量化，降低了无效采样和累积的概率，运算速度和直线检测精度都有很大提高。Wang^[9]等提出了在ROI上的随机Hough变换，以此来提高边界检测率，并将其应用于自动驾驶的道路检测算法内，仿真证明该算法具有较强的抗干扰能力和较低的时间复杂度。张炫^[10]等提出核心像素点的理论结合改进的随机Hough变换来改善无效投票和累积问题，利用两阶段交叉扫描来识别两采样点以及采样点间的像素能否构成一条直线，提高采样的有效性和精度，但算法的计算速度还需优化。刁燕^[11]等提出了区分有序和无序边界进行检测，针对无序边界点，建立ROI进行低精度概率Hough变换检测，检测到直线后进行实时斜率修正，占用内存小，且对网状的边界有一定的抵抗性。严培荣^[12]等使用离散的量化参数空间进行直线搜索，用于城市云图的道路检测，能相对有效的消除一些建筑物的干扰但是对于边缘检测间断点较多或者是弯曲的道路检测效果不佳。刘镇岐^[13]等使用彩色空间转换和Hough变换相结合，进行前期HSV转换后再进行Hough转换检测，不仅能有效地检测出所有直线，还很大程度上减小了误检率，能适用于背景复杂的图像检测。田文利^[14]等使用Hough变换对进行聚类形态学处理后的文档图片做边缘检测，能有效的检测到图片中的文档边缘，为其研究的图像校正提供了有力前提。徐超^[15]等使用8邻域追踪边缘分组，解决了标准Hough变换直线检测过连接问题，提出像素点梯度方向差分概念，减少了直线检测中的无效累积，算法的均衡性更佳。

2. 研究的基本内容与方案

2.1研究的基本内容

图像的预处理：完成图像的采集后，对图像进行灰度化、滤波处理、边缘增强、二值化处理和识别。

边缘检测：选择较大尺度过滤噪声，识别边缘，选择较小的尺实现边缘的准确定位，综合不同尺度下的边缘图像得到检测结果。