薛玉利

　　(山東青年政治學(xué)院 信息工程學(xué)院，山東 濟(jì)南 250103)

　　摘要：提出一種最大極值區(qū)域（MSERs）結(jié)合分水嶺變換的粘連交通標(biāo)志分離算法。首先通過MSERs對圖像進(jìn)行二值化，選取在多個(gè)二值圖像中形狀均保持不變的區(qū)域作為候選標(biāo)志區(qū)域；然后，判斷是否為粘連標(biāo)志，若是則用分水嶺變換分離；最后提取單個(gè)標(biāo)志。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效分離粘連交通標(biāo)志，提取到完整的單個(gè)交通標(biāo)志。

　　關(guān)鍵詞： MSERs；分水嶺變換；粘連標(biāo)志

0引言

　　利用顏色分割來檢測交通標(biāo)志的算法主要采用RGB［1］、YUV和HIS等顏色空間，因?yàn)镽GB顏色特征對光照變化非常敏感，人們又提出了歸一化RGB［2］和MSERs［3］來改進(jìn)。在檢測中，如果多個(gè)交通標(biāo)志距離較近，分割后的圖像會(huì)出現(xiàn)互相粘連的情況（通常為2~4個(gè)），在去除干擾區(qū)域時(shí)，粘連的標(biāo)志區(qū)域被誤濾除，降低了交通標(biāo)志檢測性能。目前的檢測算法對這個(gè)問題關(guān)注較少，在參考文獻(xiàn)［4］中，BUIMINH T等提出兩種分離粘連標(biāo)志的算法，第一種算法利用粘連標(biāo)志內(nèi)部區(qū)域之間不連通的特性進(jìn)行分離，當(dāng)遮擋程度高時(shí)，分離效果差；第二種算法利用分水嶺變換分離，不受遮擋程度的約束，但算法計(jì)算成本較高。參考文獻(xiàn)［5］采用歸一化RGB方法對圖像分割，對每一個(gè)候選標(biāo)志區(qū)域進(jìn)行分水嶺變換，計(jì)算成本較參考文獻(xiàn)［4］有明顯提高，但是在圖像二值化時(shí)采用單一閾值，提取的標(biāo)志存在斷裂、不連續(xù)等問題，影響了后續(xù)的檢測和識別。

　　本文針對上述問題，提出一種基于MSERs和分水嶺變換的粘連交通標(biāo)志分離算法，利用多個(gè)閾值對圖像進(jìn)行二值化，選取在多個(gè)二值圖像中形狀均保持不變的區(qū)域作為候選標(biāo)志區(qū)域，然后對其進(jìn)行分離處理，可以有效提取出交通標(biāo)志，而且對光照變化魯棒性更強(qiáng)。

1基于MSERs的圖像分割

　　1.1交通標(biāo)志的MSERs提取

　　圖像轉(zhuǎn)換為歸一化紅藍(lán)圖像ΩRB的公式為：

　　ΩRB可以提取出紅、藍(lán)色像素值最高的像素，有利于檢測紅、藍(lán)色的標(biāo)志。設(shè)定標(biāo)志的閾值范圍為［90,150］，均勻選擇12個(gè)閾值對ΩRB二值化。如果某個(gè)連通區(qū)域的形狀在幾個(gè)閾值的二值圖像中均保持不變，則選作候選標(biāo)志區(qū)域。

　　1.2排除干擾區(qū)域

　　將候選區(qū)域進(jìn)行孔洞填充，將像素?cái)?shù)小于80或大于2 000的區(qū)域判為干擾區(qū)域，將其濾除。

　　對于候選標(biāo)志區(qū)域，設(shè)定縱橫比參數(shù)閾值A(chǔ)Rth。圓形或正方形標(biāo)志最小外接矩形的縱橫比為1；三角形標(biāo)志的縱橫比為0.87（水平放置）或1.15（垂直放置）?？紤]到交通標(biāo)志傾斜、旋轉(zhuǎn)及攝像裝置的放置位置等問題，容許各種形狀標(biāo)志的縱橫比在一個(gè)范圍內(nèi)。不同數(shù)量的粘連標(biāo)志的縱橫比范圍如表1所示。

　　當(dāng)候選標(biāo)志區(qū)域的縱橫比擊中［0.8,1.3］時(shí)，判定為1個(gè)標(biāo)志，直接提??；如果縱橫比擊中2、3、4個(gè)標(biāo)志的閾值區(qū)間時(shí)，判定為粘連標(biāo)志，提取該連通區(qū)域。

2基于分水嶺變換的粘連標(biāo)志分離

　　距離變換的圖像可以看做一個(gè)分水嶺地形結(jié)構(gòu)，需要通過分水嶺變換找到分水嶺脊線。

　　令M1，M2，…，MR是表示圖像G(x,y)的區(qū)域最小點(diǎn)的坐標(biāo)的集合。令C(Mi)是標(biāo)志與區(qū)域最小值Mi相聯(lián)系的匯水盆地中的點(diǎn)的坐標(biāo)集合。令T［n］表示滿足G(s,t)<n的坐標(biāo)(s,t)的集合。即：

　　T［n］={(s,t)|G(s,t)<n}(2)

　　令Cn(Mi)表示匯水盆地中與淹沒階段n的最小值Mi相關(guān)聯(lián)的點(diǎn)的坐標(biāo)集。則Cn(Mi)可看成是由下式給出的一幅二值圖像。

　　Cn(Mi)=C(Mi)∩T［n］(3)

　　令C［n］表示在階段n中已被水淹沒的匯水盆地的“并”。令C［max+1］表示所有匯水盆地的“并”。即：

　　C［n］=∪Ri=1CnMi(4)

　　C［max+1］=∪Ri=1C(Mi)(5)

　　顯然，C［n-1］是C［n］的一個(gè)子集，因?yàn)镃［n］是T［n］的一個(gè)子集，所以C［n-1］可以理解為是T［n］的一個(gè)子集。即C［n-1］中的每一個(gè)連通分量都恰好包含在T［n］的一個(gè)連通分量中。

　　尋找分水線的算法使用C［min+1］=T［min+1］來初始化，然后利用遞歸處理由C［n-1］計(jì)算C［n］，最終可以得到1個(gè)像素寬的分水嶺脊線，對脊線求補(bǔ)，將粘連的連通區(qū)域與脊線的補(bǔ)進(jìn)行“與”操作，即可得到被脊線分離的區(qū)域ROI。設(shè)ROI的高、寬分別為h、w，滿足式(6)的ROI被判斷為單個(gè)標(biāo)志，不滿足的則認(rèn)為是干擾區(qū)域。

　　3實(shí)驗(yàn)結(jié)果與分析

　　為了驗(yàn)證本文算法的有效性，分別對德國交通標(biāo)志集GTSDB和濟(jì)南市區(qū)的交通標(biāo)志集進(jìn)行測試。GTSDB中粘連標(biāo)志圖像20幅，涉及粘連的交通標(biāo)志60個(gè)。濟(jì)南數(shù)據(jù)集是在汽車速度為30~80 km/h，由行車記錄儀在不同時(shí)間采集的城市道路圖像，共有477幅圖像，其中粘連標(biāo)志圖像50幅，涉及粘連的標(biāo)志150個(gè)，其中紅色標(biāo)志83個(gè)，藍(lán)色標(biāo)志67個(gè)。

　　對于粘連的標(biāo)志圖像，分別采用參考文獻(xiàn)［5］的RGBN算法和本文的MSERs算法進(jìn)行二值化，出現(xiàn)了兩種情況：(1) RGBN算法出現(xiàn)粘連標(biāo)志，MSERs未出現(xiàn)粘連標(biāo)志；(2) 兩種算法均出現(xiàn)粘連標(biāo)志。

　　第一種情況如圖1所示。為了觀察方便，分別對兩種算法的粘連標(biāo)志進(jìn)行了局部放大。

　　由圖1可以看出，RGBN算法的閾值單一，在圖像分割中，出現(xiàn)了交通標(biāo)志粘連、區(qū)域不連續(xù)等問題。MSERs算法選取多個(gè)閾值，其中有幾個(gè)接近最佳閾值，所以MSERs的分割效果比RGBN的好。

　　對GTSDB中20幅粘連標(biāo)志圖像分別用兩種算法分割，統(tǒng)計(jì)是否出現(xiàn)粘連標(biāo)志的結(jié)果如表2所示。

　　第二種情況兩種分割算法均出現(xiàn)粘連，此時(shí)需要進(jìn)行分離。實(shí)驗(yàn)結(jié)果如圖2所示。

　　由圖2可以看出，RGBN算法導(dǎo)致三角形標(biāo)志不連續(xù)，后續(xù)的孔洞填充中該標(biāo)志填充失敗，且三角形的不連續(xù)邊緣粘連在右下角的圓形標(biāo)志上，在分水嶺變換中無法將二者分離。在判斷分離后的標(biāo)志是否為單個(gè)標(biāo)志時(shí)，因不滿足縱橫比條件導(dǎo)致右下角的圓形標(biāo)志被濾除。兩種算法的分離結(jié)果如表3所示。

　　本文算法還適于紅色和藍(lán)色標(biāo)志粘連、藍(lán)色標(biāo)志之間粘連的情況。因?yàn)镸SERs得到的是歸一化紅藍(lán)圖像，當(dāng)出現(xiàn)紅色、藍(lán)色之間標(biāo)志粘連時(shí)，也可以用本文算法進(jìn)行分離處理。實(shí)驗(yàn)結(jié)果如圖3所示。

　　對于濟(jì)南市區(qū)的數(shù)據(jù)集，采用參考文獻(xiàn)［5］ 與本文算法分割，實(shí)驗(yàn)結(jié)果如表4所示。

　　由表3、4可以看出，參考文獻(xiàn)［5］僅對紅色交通標(biāo)志進(jìn)行實(shí)驗(yàn)分析，采用RGBN分割算法，導(dǎo)致部分標(biāo)志分割后出現(xiàn)斷裂、不連續(xù)等問題，因而無法定位這些標(biāo)志。本文算法基于MSERs算法，采用多個(gè)閾值分割，可以獲得較完整的交通標(biāo)志，最后成功定位交通標(biāo)志，并且該算法同時(shí)適用于紅色和藍(lán)色的交通標(biāo)志。

4結(jié)束語

　　本文提出了一種基于MSERs和分水嶺變換分離粘連交通標(biāo)志的算法，實(shí)驗(yàn)證明，該方法能夠有效分離粘連的交通標(biāo)志，定位單個(gè)標(biāo)志，為后續(xù)的交通標(biāo)志識別打好基礎(chǔ)。MSERs方法采用多個(gè)閾值對圖像進(jìn)行二值化，可以獲得比RGBN方法更好的分割效果。

參考文獻(xiàn)

　?。?］ SOETEDJO A, YAMADA K. Fast and robust traffic sign detection［C］. 2005 IEEE International Conference on Systems, Man and Cybernetics, Waikoloa, HI, USA,2005:13411346.

　?。?］ KAMADA  H, NAOI S, GOTOH T. A compact navigation system using image processing and fuzzy control［J］. in Proc. IEEE Southeast on, New Orleans, LA, 1990（1）：337342.

　?。?］ AYOAGI Y, ASAKURA T. A study on traffic sign recognition in scene image using genetic algorithms and neural networks［C］.Proceedings of IEEE Int. Conf. Ind. Electron. Control Instrum. Taipei,China:IEEE,1996:18381843.

　?。?］ BUIMINH T, GHITA A, WHELAN P F, et al. Two algorithms for detection of mutually occluding traffic signs［C］. ICCAIS 2012,2012 International Conference on Control, Automation and Information Sciences, New York: IEEE,2012:120125.

　?。?］ 李厚杰,邱天爽,宋海玉,等.基于分水嶺變換的互相遮擋交通標(biāo)志自適應(yīng)分離［J］.大連理工大學(xué)學(xué)報(bào),2014,54(1):100105.