基于MATLAB圖像處理的非結構化道路識別

呂艷鵬，潘玉田

（中北大學 機電工程學院，山西 太原 030051）

0 引言

車輛無人化是未來發(fā)展的趨勢，因此研究非結構化道路的識別問題具有重要的意義。非結構化道路沒有明顯的分界線，識別具有一定的難度。但在許多情況下，非結構化道路環(huán)境中道路部分與非道路部分在顏色方面差異性較大，本文正是考慮使用顏色這個相關特征來對道路部分進行提取和分離。

1 圖像分割處理

首先選取非結構化道路原圖，如圖1所示。根據(jù)圖像輸出特征，在識別處理時，采用了RGB顏色模型。因為該模型計算最為簡單，可不經(jīng)換算而直接使用輸出數(shù)值。

圖1 非結構化道路原圖

在圖像二值化的處理過程中，關鍵問題是閥值的選擇是否得當，閥值選擇的合理與否直接關系到道路識別程度的優(yōu)劣。假設需要處理的彩色圖像是一個二值灰度圖像，其灰度級h＝｛0，1，2，…｝，閥值t∈h，二值化處理的結果為B，B＝｛b0，b1｝。則圖像f二值化的過程如式（1）所示：

閥值t的不同導致處理出的二值圖像也不一樣。1979年科學家大津（日本）提出了Otsu法（大津法，又稱最大類間方差法）。Otsu法得到了大多數(shù)學者與同行的高度認可，被認為是閥值自動識別圖像的最佳算法。Otsu法計算很簡單，在一定條件下不受亮度與對比度等相關因素的干擾，因此該法被廣泛應用于實時圖像處理系統(tǒng)中。

在實際應用中，閥值t一般使用式（2）來選取：

其中：w0（t）為目標部分比例；w1（t）為背景部分比例；u0（t）為目標均值；u1（t）為背景均值；u（t）為總均值。

由式（2）得到的閥值在色度空間中利用大津法得到的分割結果如圖2所示?？梢钥闯?，道路區(qū)域和非道路區(qū)域比較清楚地被區(qū)別開來，這為后續(xù)的圖像去噪處理奠定了基礎。

圖2 大津法處理后的二值圖像

2 圖像去噪處理

對于圖像二值化處理，大津法的分割效果較好，缺陷是有顆粒狀和塊狀噪聲。為了得到明顯的道路邊界，本文使用數(shù)學形態(tài)學和閥值面積消去法來去除噪聲的干擾。

數(shù)學形態(tài)學源于集合論，并在集合論的基礎上發(fā)展起來，它的運算由集合運算（并∪、交∩、補－）來組成，所有的圖像都要以一定的合理方式轉化成集合形式來進行處理。數(shù)學形態(tài)學用具有不同結構和特征的元素去標示圖像中相應元素的形態(tài)，進而解決相關問題。數(shù)學形態(tài)學的運算基本上有4個，即膨脹、腐蝕、開啟和閉合。用數(shù)學形態(tài)學的這4個基本運算可以進行圖像形狀和結構的相關分析和處理，比如圖像的分割、圖像的特征抽取、圖像的邊界檢測、圖像的增強和恢復等。

因為道路區(qū)域相互連通，可以應用閥值面積消去法來消除圖像中小區(qū)域中的顆粒和噪聲。第一步要對道路區(qū)域和非道路區(qū)域進行區(qū)域標示，再對整個圖像掃描，消除噪聲后的圖像如圖3所示。

圖3 去噪處理后的圖像

3 道路邊緣檢測

經(jīng)過分析消除噪聲后的圖像，可以看出去噪效果很明顯，能很好地分離出道路區(qū)和非道路區(qū)。為方便計算，選擇Roberts算子進行邊緣檢測來得到道路的邊緣，可以利用兩個方向與圖像進行鄰域卷積來完成Roberts算子的邊緣檢測，得到的圖像如圖4所示。

圖4 應用Roberts算子得到的道路邊緣

4 擬合道路邊界

曲線擬合（curve fitting）是指用連續(xù)曲線近似地刻畫或比擬平面上離散點組所表示的坐標之間的函數(shù)關系的一種數(shù)據(jù)處理方法。在數(shù)據(jù)分析處理中，曲線擬合就是用數(shù)學表達式無限逼近各離散點，即離散數(shù)據(jù)的公式化。而在實踐中，離散點或數(shù)據(jù)一般都是各種實驗和工程實際的實驗值或觀測值。由于各種原因，大多數(shù)離散點都是不一樣的，這樣不僅不便于處理和統(tǒng)計計算，而且不能準確和完全地體現(xiàn)出其應有的變化趨勢和規(guī)律，這個問題就可由曲線擬合來解決。曲線直線化是曲線擬合的重要手段之一，對于某些非線性的道路都可以通過簡單的數(shù)學變換使之直線化。根據(jù)實際情況，本文通過最小二乘法求得邊界曲線。

應用最小二乘法進行曲線擬合，其優(yōu)點非常明顯，只需遍歷一次就可以得到擬合曲線，如圖5所示。

圖5 道路邊緣擬合曲線

5 結語

通過分析道路區(qū)域與非道路區(qū)域在顏色特征上的不同，應用MATLAB強大的工具箱，得到了道路區(qū)域與非道路區(qū)域。

［1］凌波，吳婧.最大熵原理在非結構化道路圖像識別中的應用［J］.電路與系統(tǒng)學報，2005，10（4）：78-81.

［2］岡薩雷斯.數(shù)字圖像處理［M］.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2003.

［3］管琰平.基于彩色圖像的非結構化道路檢測［J］.計算機應用，2005，25（12）：2931-2934.

［4］何清法.基于內(nèi)容的圖像分析與檢索關鍵技術的研究［D］.北京：中國科學院計算技術研究所，2001：22-24.

［5］懷林，劉小渝，況魯.曲線擬合在公路試驗數(shù)據(jù)處理中的應用［J］.交通科技與經(jīng)濟，2006（2）：17-18.

［6］張曉峰.視覺導航中基于圖像的路邊識別算法研究［D］.南京：南京理工大學，2004：6-14.

［7］劉子輝.軍用無人駕駛車輛非結構化道路識別方法研究［D］.長春：吉林大學，2007：52-68.