一種彩色圖像分割的障礙物識別方法

侯之旭，張建勛

(重慶理工大學(xué) 計算機科學(xué)與工程學(xué)院，重慶　400054)

?

一種彩色圖像分割的障礙物識別方法

侯之旭，張建勛

(重慶理工大學(xué) 計算機科學(xué)與工程學(xué)院，重慶400054)

摘要：移動機器人障礙物檢測是機器人避障和移動路徑規(guī)劃的基礎(chǔ)，為了提高視覺機器人障礙物檢測能力，尤其是障礙物識別能力，針對傳統(tǒng)的灰度圖像分割作為障礙物目標識別方法在某些環(huán)境下效果不佳的問題，提出一種基于彩色圖像分割的障礙物檢測方法。首先充分利用HSI顏色模型中各個顏色分量的特征，再結(jié)合Otsu自適應(yīng)閾值方法進行對應(yīng)空間的圖像閾值分割?？紤]到機器人工作環(huán)境下外界光照條件變化較大的特點，提出了對亮度空間I進行非線性指數(shù)變換處理的做法，以解決圖像分割和障礙物識別易受光照變化影響的問題。實驗結(jié)果證明了該方法的可行性和有效性，可為障礙物檢測提供清晰準確的障礙物識別結(jié)果。

關(guān)鍵詞：灰度圖像分割；HSI顏色空間；Otsu算法；指數(shù)變換；開運算

當前，障礙物檢測技術(shù)已成為智能車輛自主導(dǎo)航領(lǐng)域研究的重點，在國內(nèi)外障礙物檢測相關(guān)研究中出現(xiàn)了許多算法。從單一化的傳感器應(yīng)用到多傳感器融合，以及基于機器視覺的方法[1]。與其他方法相比，基于視覺的方法具有成本低、信息豐富、探測范圍廣等諸多優(yōu)勢，成為當前熱門的研究方向?；跈C器視覺的方法的一般步驟為：圖像數(shù)據(jù)采集—圖像分割—目標識別—場景理解—執(zhí)行頂層行為控制策略[2]?；谝曈X的障礙物檢測分為基于立體視覺的方法和基于單目視覺的方法。文獻[3]在列舉分析了機器視覺的各種障礙物檢測方法的基礎(chǔ)上認為當前基于單目視覺的障礙物檢測方法較為合適。本文所涉及的基于彩色圖像分割的障礙物檢測方法也屬于單目視覺的障礙物檢測方法。

通常，在基于視覺障礙物檢測方法的第2步和第3步，即圖像分割和目標識別階段，大多數(shù)研究的做法都是把攝像機采集的彩色圖像轉(zhuǎn)換為灰度圖像，再利用圖像分割技術(shù)進行圖像的二值化、障礙物目標的提取[4]。由于人眼對亮度具有適應(yīng)性，在任一幅圖像上只能識別幾十種灰度級，但可以識別多種顏色，所以當僅靠灰度信息不容易從背景中提取目標時可以借助色彩信息[5]。本文采用一種基于HSI顏色空間的圖像分割方法[6]，通過充分利用彩色圖像顏色空間各顏色分量的特點，使用不同的分割方法，再將分割后的各個顏色分量的二值圖像合成最終的分割結(jié)果，以獲得較好的效果。

機器人在工作環(huán)境下由于光照條件復(fù)雜會影響圖像的分割結(jié)果和障礙物目標的準確識別，文獻[7-8]指出：基于視覺的障礙物目標檢測方法存在著易受地面紋理和環(huán)境光照變化影響的問題。結(jié)合本文所采用的方法，由于彩色圖像在HSI顏色空間中，亮度分量I(intensity)受光照條件影響最明顯，所以本文在針對顏色分量進行閾值分割時，引入了圖像增強領(lǐng)域中的非線性灰度增強思路，采用指數(shù)變換自適應(yīng)調(diào)整亮度空間對比度的做法[9]。

1彩色圖像分割

1.1HSI顏色空間

非線性變換空間HSI由色度(hue)、飽和度(saturation)、亮度(intensity)組成[10]，是一種接近人眼的色彩感知空間。其中：I表示亮度，主要受光源強弱影響；H表示色度，即人的感官對不同顏色的感受；S表示顏色的純度。在飽和度S=0，I值從0變大時圖像將從黑到白呈灰度變化；I和H一定，飽和度S由小變大時，圖像由灰度圖像逐漸變?yōu)椴噬珗D像。因此，當飽和度低時，不管色調(diào)H的值如何，圖像都表現(xiàn)為灰度圖像，而當S接近1時，才會真正體現(xiàn)出H所代表的顏色。

由于HSI顏色空間能將亮度與顏色分開處理，避免受外界光照變化的影響，所以HSI顏色空間比RGB更適合圖像分割和目標識別[11]。

1.2HSI空間圖像分割

將普通圖像分割方法應(yīng)用于不同顏色空間的每個顏色分量上，分割結(jié)果通過一定的方式組合，即可獲得圖像分割結(jié)果[12]。

文獻[13]針對HSI顏色空間的特點，提出對3個分量進行分割的方法。具體思路是：① 利用S區(qū)分高飽和度區(qū)域和低飽和度區(qū)域；② 利用H分量對高飽和度區(qū)進行分割；③ 利用I分量對低飽和度區(qū)進行分割。假設(shè)HSI的3個顏色分量的分割閾值分別為Hm、Sm、Im。具體流程如圖1所示。

圖1　HSI空間圖像序列分割算法流程

1.3閾值選取方法

本文采用最大類間方差法作為分割閾值選取方法。該方法的優(yōu)點是計算簡單、穩(wěn)定、實用性強，能提高圖像分割效果。利用圖像灰度統(tǒng)計直方圖，通過某個指定的灰度級將圖像分成目標和背景2個部分，并分別計算兩部分的類內(nèi)方差以及兩部分之間的方差比值，其分割原理如下：

把一幅數(shù)字圖像f(x,y)中的像素按灰度級用閾值T分為C0和C1類，定義類間方差為σ2(T)：

(1)

其中：P0和P1分別是兩類灰度值像素點的總概率；u0和u1分別為均值。所求閾值為σ2(T)取得最大值時的灰度級，即

(2)

相比傳統(tǒng)的固定全局閾值分割，Otsu的自適應(yīng)閾值選取方法能較好地適應(yīng)圖像背景和目標灰度值區(qū)別不大的情況。且Otsu法也是基于灰度值統(tǒng)計直方圖的方法，只需執(zhí)行一遍從圖像的最小灰度值到最大灰度值的像素點分類臨界值的循環(huán)計算即可。由于采用每個灰度級作為臨界值對像素點進行分類得到類間方差，取類間方差最大時的臨界灰度值為分割閾值，因而并沒有引入過大的計算量。分割結(jié)果對比如圖2所示。

圖2　固定閾值分割與Otsu的對比

2調(diào)整圖像亮度

機器人在行進中必須適應(yīng)不同的光照變化，尤其是較暗的條件[14]。由于分量I主要反映亮度信息，所以在本文方法中，在對I分量進行分割前，先根據(jù)I均值進行亮度調(diào)整。

帥大叔發(fā)動了汽車向前沖去，把兇悍男的車撞向河里。兇悍男爬出汽車，放狠話說“我記下了你的車牌號，你跑不掉”，帥大叔于是熱血上涌，開車返回不軋死對方誓不罷休。

2.1非線性灰度變換

文獻[15]的非線性灰度變換主要有2種擴展方法，對數(shù)方法和指數(shù)方法。

2.2亮度調(diào)整

指數(shù)變換常用于圖像的對比度增強，常用的指數(shù)變換公式為

(3)

其中c和γ為正常數(shù)。當c=1時，通過對γ的各種值進行分析可知：當γ<1時，能使r在值較小時的某個范圍變動時起放大作用，因此對于較暗的圖像，適合使用γ<1的指數(shù)變換，從而使較暗的區(qū)域得到拉伸，增強細節(jié)和整體亮度。在本文方法中，H、S、I分量已經(jīng)歸一化，I分量的均值代表了圖像的整體亮度，根據(jù)亮度分量I的均值選取γ值：均值越小，圖像越暗，適合選取較小的γ值使圖像較暗的區(qū)域得到拉伸。基于I均值的圖像亮度的增強公式為

(4)

其中，μ(I)為圖像亮度的均值。

應(yīng)用指數(shù)變換對亮度空間進行亮度調(diào)整，用來減輕環(huán)境光照條件變化對目標提取的影響。鑒于本文介紹的基于HSI顏色空間的彩色圖像分割思路，需要在程序流程中加入對I空間進行亮度調(diào)整的步驟，即在圖1的 HSI空間圖像序列分割算法流程表示的第1步和第2步之間加入2步操作，分別是計算亮度空間I的均值和利用均值對I空間進行指數(shù)變換以調(diào)整亮度，變換后的流程如圖3所示。

圖3　優(yōu)化后的HSI圖像分割流程

圖4為采用圖3流程和圖1流程進行圖像分割得到的結(jié)果。圖4(a)為RGB原圖；(b)為沒有對亮度空間I進行亮度調(diào)整時采用圖2流程進行HSI空間圖像分割的結(jié)果；(c)為在步驟中加入對空間I進行亮度調(diào)整的HSI空間圖像分割結(jié)果。通過對比圖4(b)與(c)兩幅圖像能夠明顯看出采用指數(shù)變換對亮度空間I進行亮度調(diào)整對于圖像分割和目標識別的作用。

圖4　亮度調(diào)整的圖像分割結(jié)果

3實驗結(jié)果及分析

根據(jù)本文所提方法進行仿真實驗，獲得了較優(yōu)的效果。實驗移動機器人平臺為搭載1個攝像頭的無線wifi智能小車，是一款基于單目視覺系統(tǒng)的智能機器人系統(tǒng)，通過wifi信號與計算機控制系統(tǒng)相連接。計算機平臺為2.4 GHz CPU，2 G內(nèi)存，軟件平臺基于開源圖像處理庫OpenCV。機器人運動控制程序運行平臺為Visual Studio2010。

本文采用基于HSI色彩空間的序列分割方法進行圖像分割。根據(jù)圖1的分割流程，先對H，S，I空間分別利用Otsu法進行閾值選取，閾值見表1。

表1　HSI各顏色空間分割閾值

序列分割是指對圖像逐個像素點進行二值處理。先對每個像素點在飽和度S空間的值與飽和度閾值Sm進行比較，當飽和度值大于Sm時，優(yōu)先使用色調(diào)空間進行分割；當小于Sm時，使用亮度空間進行分割。

鑒于智能小車采集行進前方的障礙物時所處區(qū)域光照條件不佳，因而需要對圖像亮度空間I的顏色值進行指數(shù)變換，以改善由于障礙物所在區(qū)域局部光照不足對分割結(jié)果產(chǎn)生的影響。本實驗采用均值對亮度空間I進行指數(shù)變換，均值為 0.231 5。

首先通過實驗對比傳統(tǒng)的基于灰度圖像分割與彩色圖像HSI空間分割的結(jié)果。圖5為對比實驗情況，即障礙物目標分割結(jié)果。圖5中的第1幅圖像為機器人運動過程中某個時刻拍攝的1張照片，將RGB原圖轉(zhuǎn)換為HSI顏色空間，首先對亮度空間進行指數(shù)變換，然后利用基于HSI的顏色模型的序列分割方法得到分割結(jié)果，如圖5(d)所示。圖5(b)和(c)幅圖像分別是RGB原圖的灰度圖像和利用Otsu法對灰度圖像進行閾值分割的結(jié)果。通過對比圖5(c)和(d)的圖像可以觀察到：本文采用的基于HSI色彩空間序列分割的方法較傳統(tǒng)的基于灰度圖像分割的方法的性能有了明顯改善。

圖5　對比實驗圖像分割結(jié)果

實驗中，小車運行前方的障礙物是人工設(shè)置的障礙物，一個是倒扣的藍色容器，一個是黑色的包裝盒。通過對比圖5(c)和(d)的圖像，尤其是對照倒扣的藍色容器，發(fā)現(xiàn)兩種分割結(jié)果對該障礙物目標的識別存在較明顯的差異?；贖SI顏色空間的圖像分割技術(shù)獲得了較好的障礙物目標識別效果，說明了本文方法的有效性。

實驗結(jié)果表明：基于彩色圖像的閾值分割方法可以有效識別障礙物目標。尤其是通過利用HSI顏色空間，首先針對每個顏色空間的圖像進行閾值分割，然后將結(jié)果合成為RGB模式，取得圖像分割效果。另外，由于機器人運行環(huán)境存在環(huán)境光照條件不確定的情況，借助亮度空間I的均值，對I空間進行指數(shù)變換，從而使該方法對外界光照的變化有了較好的適應(yīng)，圖像分割結(jié)果顯示能得到清晰準確的障礙物目標。

4結(jié)束語

視覺機器人運動過程中的障礙物檢測是從未知環(huán)境中尋找運動路徑或避碰的重要一環(huán)。本文使用一種基于彩色圖像分割的障礙物目標識別方法，采用對光照條件變化敏感程度低的HSI顏色圖像空間進行圖像分割，利用各個顏色空間有區(qū)別地進行閾值分割，然后將得到的各個顏色空間上的分割結(jié)果合成在RGB顏色空間中的分割結(jié)果。由于亮度空間I是對環(huán)境光照最敏感的顏色分量，故本文利用I空間的均值對I空間進行指數(shù)變換，從而能對光線較暗時的圖像進行拉伸，使得圖像細節(jié)不會因光線暗而被埋沒，最終影響障礙物目標的識別。針對移動機器人行進前方障礙物的目標檢測實驗表明，本文方法準確性好，有一定的魯棒性，且編程易實現(xiàn)。本文障礙物識別方法也是后續(xù)障礙物目標定位，甚至移動機器人控制運動策略完成避障或?qū)Ш降幕A(chǔ)。

參考文獻：

[1]王天濤，趙永國，常發(fā)亮.基于視覺傳感器的障礙物檢測[J].計算機工程與應(yīng)用，2015，4(4) ：180-183.

[2]NELSON R C,ALOIMONOS J.Obstacle avoidance using flow field divergence[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(10):1102-1106.

[3]杜欣，周圍，朱云芳，等.基于單目視覺的障礙物檢測[J].浙江大學(xué)學(xué)報(工學(xué)版),2008,42(6):913-917.

[4]林開顏，吳軍輝，徐立鴻.彩色圖像分割方法綜述 [J].計算機圖像圖形學(xué)報,2005，10(1):1-10.

[5]DESOUZA GN,KAK AC.Vision from mobie robot navigation:a Survey[J].IEEE Transacion on Pattern Analysis and Macheine Intelligence,2002,24(2):237.

[6]ULRISH I,NOURBAKHSH I.Appearance-based obstacle detection with monocular color vision[C]//Proceedings of the AAAI Nationnal Conference on Artificial Intelligence.Austin Texas,USA:[s.n.],2000:866-871.

[7]BATAVIA P H,SINGH S.Obstacle detection using adaptive color segmentation and color stereo homography[C]//Proceedings of the IEEE Internationnal Conference on Robotics and Automation.Seoul,Korea:[s.n.],2001:705-710.

[8]沈春生，王耀南.移動機器人目標分割及測距的方法研究[J].計算機工程與應(yīng)用,2011,47(23):181-185.

[9]譚磊，王耀南，沈春生，等.基于單目視覺的室內(nèi)移動機器人障礙物檢測研究[J].計算機測量與控制，2010，18(12):2727-2732.

[10]張璐璐，何寧，徐成，等.HSI空間中基于自適應(yīng)閾值的彩色地圖的道路提取[J].北京聯(lián)合大學(xué)學(xué)報：自然科學(xué)版， 2014，28(3):14-19.

[11]廖建軍.基于計算機視覺的石材輪廓提取及缺陷檢測[D].沈陽：沈陽建筑大學(xué)， 2013.

[12]何少佳，劉子揚，史劍清.基于單目視覺的室內(nèi)機器人障礙物檢測方案[J].計算機應(yīng)用，2012，32(9):2556-2559.

[13]ZHANG Y J,YAO Y R,HE Y.Color image segmentation based on HSI Model[J].High Technology Letters,1998,4(1):28-31.

[14]余權(quán)，馬勝前，馬冬梅.保持圖像亮度的自適應(yīng)局部對比度增強[J].計算機工程與應(yīng)用，2015，7(7):160-164.

[15]馮清枝，王明燦，周純冰.非線性灰度變換在圖像增強中的運用[J].中國刑警學(xué)院學(xué)報,2008，6(2):59-61.

(責(zé)任編輯楊黎麗)

A Method of Color Image Segmentation Used in Obstacle Recognition

HOU Zhi-xu, ZHANG Jian-xun

(College of Computer Science and Engineering, Chongqing University of Technology,Chongqing 400054, China)

Abstract:Mobile robot obstacle detection is the basis of robot obstacle avoidance and mobile path planning. In order to improve the detection ability of the obstacle detection in the visual robot, especially the obstacle recognition ability, aiming at the problem of the traditional gray image segmentation as an obstacle to the target recognition method in some environment, a method for the detection of obstacle detection based on color image segmentation was proposed. Firstly, the characteristics of each color component in the HSI color model were fully utilized, and the image threshold segmentation based on the Otsu adaptive threshold method was applied. In addition, considering the change of the environment of the robot working environment, the changes of the illumination conditions are relatively large, we proposed a method to deal with the nonlinear exponential transformation of the luminance space I in order to improve the image segmentation and obstacle recognition, and the problem is easily affected by illumination changes. Experimental results demonstrate the feasibility and effectiveness of the proposed method and it can provide clear and accurate obstacle recognition result for obstacle detection.

Key words:gray image segmentation; HSI color space; Otsu method; exponential transformation; open operation

中圖分類號：TP391.41

文獻標識碼：A 1674-8425(2016)03-0094-05

doi:10.3969/j.issn.1674-8425(z).2016.03.016

作者簡介：侯之旭(1988—)，男，碩士研究生，主要從事計算機圖形圖像學(xué)研究；張建勛(1971—)，男，博士，教授，主要從事圖像處理與分析、實時計算機圖形學(xué)等方面研究。

基金項目：企業(yè)信息化與物聯(lián)網(wǎng)測控技術(shù)四川省高校重點實驗室項目(2015WZJ02)

收稿日期：2015-09-10

引用格式：侯之旭，張建勛.一種彩色圖像分割的障礙物識別方法[J].重慶理工大學(xué)學(xué)報(自然科學(xué))，2016(3):94-98.

Citation format：HOU Zhi-xu, ZHANG Jian-xun.A Method of Color Image Segmentation Used in Obstacle Recognition[J].Journal of Chongqing University of Technology(Natural Science)，2016(3):94-98.