基于分水嶺變換的粘連交通標(biāo)志分離算法

薛玉利

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

?

基于分水嶺變換的粘連交通標(biāo)志分離算法

薛玉利

(山東青年政治學(xué)院 信息工程學(xué)院，山東 濟南 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對圖像進行二值化，選取在多個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；最后提取單個標(biāo)志。實驗結(jié)果表明，該算法能夠有效分離粘連交通標(biāo)志，提取到完整的單個交通標(biāo)志。

關(guān)鍵詞：MSERs；分水嶺變換；粘連標(biāo)志

引用格式：薛玉利. 基于分水嶺變換的粘連交通標(biāo)志分離算法[J].微型機與應(yīng)用，2016,35(13)：48-50,54.

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，因為RGB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。在檢測中，如果多個交通標(biāo)志距離較近，分割后的圖像會出現(xiàn)互相粘連的情況(通常為2～4個)，在去除干擾區(qū)域時，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問題關(guān)注較少，在參考文獻[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行分離，當(dāng)遮擋程度高時，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，但算法計算成本較高。參考文獻[5]采用歸一化RGB方法對圖像分割，對每一個候選標(biāo)志區(qū)域進行分水嶺變換，計算成本較參考文獻[4]有明顯提高，但是在圖像二值化時采用單一閾值，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，利用多個閾值對圖像進行二值化，選取在多個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。

1基于MSERs的圖像分割

1.1交通標(biāo)志的MSERs提取

圖像轉(zhuǎn)換為歸一化紅藍圖像ΩRB的公式為：

(1)

ΩRB可以提取出紅、藍色像素值最高的像素，有利于檢測紅、藍色的標(biāo)志。設(shè)定標(biāo)志的閾值范圍為[90,150]，均勻選擇12個閾值對ΩRB二值化。如果某個連通區(qū)域的形狀在幾個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)域進行孔洞填充，將像素數(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)。考慮到交通標(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，判定為1個標(biāo)志，直接提取；如果縱橫比擊中2、3、4個標(biāo)志的閾值區(qū)間時，判定為粘連標(biāo)志，提取該連通區(qū)域。

表1　粘連標(biāo)志的縱橫比范圍

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的坐標(biāo)集合。令T[n]表示滿足G(s,t)

T[n]={(s,t)|G(s,t)

(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：

(4)

(5)

顯然，C[n-1]是C[n]的一個子集，因為C[n]是T[n]的一個子集，所以C[n-1]可以理解為是T[n]的一個子集。即C[n-1]中的每一個連通分量都恰好包含在T[n]的一個連通分量中。

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]計算C[n]，最終可以得到1個像素寬的分水嶺脊線，對脊線求補，將粘連的連通區(qū)域與脊線的補進行“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被判斷為單個標(biāo)志，不滿足的則認(rèn)為是干擾區(qū)域。

(6)

3實驗結(jié)果與分析

為了驗證本文算法的有效性，分別對德國交通標(biāo)志集GTSDB和濟南市區(qū)的交通標(biāo)志集進行測試。GTSDB中粘連標(biāo)志圖像20幅，涉及粘連的交通標(biāo)志60個。濟南數(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，其中紅色標(biāo)志83個，藍色標(biāo)志67個。

對于粘連的標(biāo)志圖像，分別采用參考文獻[5]的RGBN算法和本文的MSERs算法進行二值化，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)志進行了局部放大。

圖1　算法比較

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算法選取多個閾值，其中有幾個接近最佳閾值，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)計是否出現(xiàn)粘連標(biāo)志的結(jié)果如表2所示。

表2　粘連標(biāo)志統(tǒng)計表

第二種情況兩種分割算法均出現(xiàn)粘連，此時需要進行分離。實驗結(jié)果如圖2所示。

圖2　交通標(biāo)志分離結(jié)果

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)志是否為單個標(biāo)志時，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。

表3　分離結(jié)果

本文算法還適于紅色和藍色標(biāo)志粘連、藍色標(biāo)志之間粘連的情況。因為MSERs得到的是歸一化紅藍圖像，當(dāng)出現(xiàn)紅色、藍色之間標(biāo)志粘連時，也可以用本文算法進行分離處理。實驗結(jié)果如圖3所示。

對于濟南市區(qū)的數(shù)據(jù)集，采用參考文獻[5] 與本文算法分割，實驗結(jié)果如表4所示。

表4　兩種算法的分離結(jié)果

圖3　粘連的藍色標(biāo)志分離結(jié)果

由表3、4可以看出，參考文獻[5]僅對紅色交通標(biāo)志進行實驗分析，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，并且該算法同時適用于紅色和藍色的交通標(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，實驗證明，該方法能夠有效分離粘連的交通標(biāo)志，定位單個標(biāo)志，為后續(xù)的交通標(biāo)志識別打好基礎(chǔ)。MSERs方法采用多個閾值對圖像進行二值化，可以獲得比RGBN方法更好的分割效果。

參考文獻

[1] 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.

[2] 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.

[3] 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.

[4] 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.

[5] 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,2014,54(1):100-105.

中圖分類號：TP751

文獻標(biāo)識碼：A

DOI：10.19358/j.issn.1674- 7720.2016.13.016

(收稿日期：2016-03-17)

作者簡介：

薛玉利(1981-)，女，碩士，講師，主要研究方向：數(shù)字圖像處理，模式識別。

Separation algorithm of adhesion traffic signs based on watershed transform

Xue Yuli

(School of Information Engineering, Shandong Youth University of Political Science, Jinan 250103, China)

Abstract:A new algorithm for the separation of adhesion traffic signs based on MSERs and watershed transform is proposed. Firstly, the image is binaried by several threshold, the region that keeps unchanged shape is selected as the interest. If the region is a adhesion, watershed transform is used to separate the adhesion. Finally, the single traffic sign is extracted. The experimental results show that our algorithm can effectively separate the adhesion signs, extract single traffic sign.

Key words:MSERs; watershed transform; adhesion signs