基于顏色分割和局部LPT變換的圓形標志檢測算法

麥海波，蘇時勇，蘇一峰

（廣西電網(wǎng)有限責任公司欽州供電局 廣西 欽州 535000）

基于顏色分割和局部LPT變換的圓形標志檢測算法

麥海波，蘇時勇，蘇一峰

（廣西電網(wǎng)有限責任公司欽州供電局 廣西 欽州 535000）

移動機器人可借助交通標志牌進行定位，文中提出了一種基于顏色分割和局部LPT變換的交通標志牌檢測算法。首先利用交通標志牌的顏色特征預分割出潛在的交通標志區(qū)域，然后通過局部LPT空間變換，然后根據(jù)變換后的圖像特征進行形狀檢測，檢測出圓形的交通標志牌。實驗結果表明了算法的有效性。

顏色分割；LPT變換；圓形檢測；算法

城市配網(wǎng)智能巡檢車是將數(shù)字云臺技術、非接觸式檢測技術、無線遠程通訊技術、GPS定位技術等相結合，應用于巡檢車上，實現(xiàn)配網(wǎng)線路的智能巡檢，減輕巡檢人員的作業(yè)強度。配網(wǎng)巡檢車穿梭于城市街道，每次停車檢測的位置，由于周圍環(huán)境和車輛的影響變化很大，這就造成自動調(diào)用云臺預置位檢測定位不準確。因此，每次檢測前，需要有一個基準物體進行校準云臺偏移量，而道路環(huán)境中交通標志牌是最佳的校正標準。需要對交通標志牌進行匹配識別，復雜環(huán)境中的交通標志牌檢測需要克服戶外天氣條件，拍攝視角帶來的幾何失真，交通標志牌的遮擋、變形是檢測識別的難題。因此交通標志牌的檢測和交通標志的識別仍是目前視覺識別的熱點。

由于人眼的特性，交通標志通常被設計成特定的顏色和形狀，這樣能在視覺上最大限度地與自然背景區(qū)分開[1]。目前大部分交通標志檢測的研究采用顏色分割方法后，再結合形狀檢測的方法來實現(xiàn)。Estevez等將顏色信息、圖像邊緣、圖像局部直方圖結合起來檢測和識別交通標志[2]。Escalera等采用結合顏色信息的角點檢測及形狀分析方法檢測交通標志[3]。Saturnin等結合顏色分割方法，利用支持向量機進行形狀檢測的方法[4]。張靜等結合顏色分割使用邊緣鏈碼化的方法來檢測圓形[5]，朱雙東等提出了一種用于道路交通標志識別的顏色－幾何模型[6]。雖這些檢測方法較多，但算法的準確度和魯棒性均較低。

針對常用的圓形交通標志牌，本文提出一種新的圓形交通標志牌檢測仿人視覺算法。算法首先在類人視覺感知的HSI（HueSaturationIntensity，色調(diào)-飽和度-亮度）顏色模型上利用交通標志的顏色特征進行圖像分割；然后對局部分割塊進行LPT空間變換（log polar transform，對數(shù)極坐標變換）；接著空間變換后的圖像進行形狀檢測，確定準確的圓形交通標志區(qū)域。文中采用多種情況下的交通標志圖像進行實驗驗證，實驗結果證明了文中算法的有效性。

1　檢測基本原理

為了便于人視覺識別，道路交通標志都是由特定形狀、特定顏色的外形輪廓組成。因此，顏色分割和形狀檢測可作為交通標志牌檢測與交通標志識別的手段。

1.1圖像分割方法

采用顏色分割的方法首先需要一個合適的濾波器將彩色交通標志從復雜的背景中過濾出來。雖在初始條件下交通標志的顏色是嚴格設計的，但基于顏色的交通標志檢測仍較為困難，主要原因是獲取到的交通標志所呈現(xiàn)的顏色受大氣環(huán)境、光照度、拍攝角度等多種因素影響。為了最大限度地減小或去除外界因素的影響，就必須選擇合適的顏色模型。目前定義圖像的顏色空間模型有RGB模型、CYMK模型、YIQ模型、HSI模型等，其中獲取到的彩色圖像一般按RGB格式存儲，因此RGB顏色空間模型易于計算，但該彩色空間中的R、G、B分量均易受到物體表面反射率、光照強弱、物體表面方向及光照方向等的影響，不適宜應用于復雜背景下的交通標志檢測。HSI模型是美國色彩學家孟塞爾于1915年提出的，其反映了人的視覺系統(tǒng)感知彩色的方式，以色調(diào)、飽和度和強度三種基本特征量來感知顏色。由于交通標志的顏色單一及對比強烈，而HSI彩色空間中的H分量對于亮度和陰影具有不變性，適用于提取交通標志的顏色特征。

圓形交通標志主要外圍（背景）顏色采用紅色或藍色。結合文獻和大量的實驗分析，取得交通標志HSI顏色模型如下：

對于原始圖像im，顏色分割算法首先將其從RGB顏色空間轉化到HSI顏色空間，

紅色分割，對于圖像內(nèi)的點P（i，j），采用以下處理方法

藍色分割，對于圖像內(nèi)的點P（i，j），采用以下處理方法

顏色分割的作用是最大限度地去除和目標圖像差別較大的背景區(qū)域，但不能保證得到的輸出圖像是純粹的目標圖像.即可能包括其他與目標顏色一致或相近的背景區(qū)域。進一步考慮圓形交通標志與背景的形狀差別，即其是圓形邊緣，而其他背景區(qū)域主要是不規(guī)則邊緣，進一步采用形狀檢測方法，確定準確的圓形交通標志區(qū)域。

1.2形狀檢測

目前針對圓形的交通標志分割算法主要是基于霍夫變換、基于不變矩特征分類和基于計算幾何等。但以上方法的實時性往往較差，且處理變形問題較困難。文中通過實驗研究，提出了一種基于LPT仿生空間變換的圓形檢測算法。

1.2.1LPT變換原理

對數(shù)極坐標變換是由Schwartz于1977年提出的。一幅二維圖像既可用笛卡爾坐標系（x，y）表示，也可用對數(shù)極坐標系（ξ，θ）表示。

圖像在各個坐標系下的具體描述如下：笛卡爾坐標平面下的點（x，y）

極坐標平面下的點（r，θ）

對數(shù)極坐標平面下的點（ξ，ψ）

由上述公式可看出，z空間（笛卡爾坐標）中坐標為（x，y）的點經(jīng)過空間變換其映射到w空間（對數(shù)極坐標）中坐標為（ξ，ψ）。

對數(shù)極坐標變換是生物包括人類視覺的基礎，因此具有較多特性。例如在圖像識別中可利用其尺度與旋轉不變性的特性。除了尺度和選擇不變性以外，形狀檢測也是對數(shù)極坐標變換的新特性。

對于圖像中心的不同形狀的圖形，經(jīng)過LPT變換之后，從圖1可看出，LPT圖像的形狀邊緣有如下規(guī)律：

1）圓形的邊緣變化比較平緩。

2）橢圓形的邊緣根據(jù)離心率的不同而變化從平緩到陡峭，極大值數(shù)目小于等于2。

3）多邊形的邊緣有陡峭突起，突起的數(shù)目跟多邊形的角一致。

以上為對數(shù)極坐標變換的形狀特性，通過該形狀特性，可將LPT變換的邊緣取出，作為一維曲線，求起最大值的數(shù)目和平緩性，判斷形狀的類型。

1.2.2LPT形狀圓形檢測算法

由于LPT空間變換需要時間，因此對于初檢測的圖像塊，采用如下方法進行檢測：

1）取局部方形圖像im（i，j），所取方形圖像的尺寸大小為圖像中顏色點到有顏色重心距離的兩倍；

2）對im圖像進行LPT變換的im（e，p）；

3）取得圖像im，沿p方向的圖像邊緣曲線k（p）；

4）求曲線k的極大值；

5）若極大值數(shù)目，則為橢圓或圓形標志；對于橢圓離心率超過閾值的，予以剔除。

圖1　不同形狀圖案及LPT變換和邊緣曲線

通過實驗發(fā)現(xiàn)，對于十二邊形及十二邊形以下圖案的圖像，算法可以準確的檢測出，而十二邊形以上的圖案，由于接近圓形，不能正確識別。

1.3總體算法

綜上所述，完整的圓形交通標志的檢測算法流程如下：

1）圖像初始化，將RGB圖像轉化到HSI彩色空間，并歸一化處理

2）根據(jù)上述HSI顏色模型進行紅色和藍色的圖像分割；

3）分割圖像預處理，包括圖像塊面積篩選，孔洞填充等；

4）生成局部待變換方形圖像；

5）局部圖像LPT空間變換；

6）根據(jù)上述算法進行形狀檢測。

2　實驗及分析

實驗中對帶有圓形交通標志牌的多幅圖像采用本文算法進行檢測，圖中顯示了部分實驗結果，其中藍色交通標志牌用藍色方框標出，紅色交通標志牌用紅色方框標出。經(jīng)過實驗得出，文中算法在交通標志牌遠近尺度變化，或少量遮擋的情況下均能較準確地檢測出交通標志牌。同時，針對不同的光照情況和拍攝角度，文中算法都取得了較好的效果，表明該算法具有較好的魯棒性。同時文中算法思想還可拓展到圓形或其他形狀目標檢測的應用。

圖2　實驗結果

3　結束語

文中采用仿生方法，結合仿生HSI顏色模型的圖像分割和仿生LPT變換的形狀檢測提出了一種新的圓形交通標志牌檢測算法。主要工作有兩方面：

1）考慮圓形交通標志牌的顏色特征，在HSI顏色模型基礎上進行顏色分割；

2）考慮圓形交通標志牌的形狀特征，通過局部LPT空間變換，進行形狀識別，實驗結果證明了算法的有效性。

由于實驗中發(fā)現(xiàn)背景和光照對標志牌的檢測影響比較大。今后的工作重點是對現(xiàn)有的方法進行改造，研究采用自適應環(huán)境模型的顏色分割方法，同時研究基于LPT變換的標志牌內(nèi)容的識別方法。

[1]Hoose N.Computer image processing in traffic engineering[M].New York:John Wiley&sons Inc，1991:1-57.

[2]Estevez L，Kehtarnavaz N.A real-time histographic approach to roadsign recognition[C].IEEE Southwest Symposium Image Analysisand Interpretation.Tex：IEEE Signal Processing Society andthe IEEE Computer Society，1996:95-100.

[3]De la Escalera A，Moreno L E，Salichs M A，et al.Road trafficsign detection and classification[J].IEEE Transactions on IndustrialElectronics，1997，44（6）:848-859.

[4]Maldonado-Bascon S，Laufente-Arroyo S，Gil-Jimenez P，et al. Road-sign detection and recognition based on support vectormachines[J].IEEE Transactions on Intelligent Transportation Systems，2007，8（2）:264-278.

[5]張靜，何明一，戴玉超，等.綜合顏色和形狀的圓形交通標志檢測方法[J].計算機工程與應用，2011，47（2）:233-236.

[6]朱雙東，劉蘭蘭，陸曉峰.一種用于道路交通標志識別的顏色－幾何模型[J].儀器儀表學報，2007，28（5）:956-960.

[7]薛丹，孫萬蓉，李京京，等.一種基于SVM的改進車牌識別算法[J].電子科技，2013，26（11）:22-25.

Based on the circular markcolor segmentation and local LPT transform detection algorithm

MAI Hai-bo，SU Shi-yong，SU Yi-feng
（Guangxi Power GridCo.，Ltd.Qinzhou Power Supply Bureau，Qinzhou 535000，China）

The traffic signs can be used for mobile robot localization.The paper presents a traffic sign detection algorithm based on color segmentation and local LPT transform.At first，color segmentation is used to remove most of the background subjects in the image.Then log polar transform is used on the parts of the image.The circular traffic signs are detected by using image features.The effectiveness of the algorithm is demonstrated preliminarily by computer simulation.

color segmentation；log polar transform；circle detection；algorithm

TN99

A

1674－6236（2016）21-0191-03

2015-11-06稿件編號：201511057

麥海波（1986—），男，廣西浦北人，工程師。研究方向：配電網(wǎng)的智能巡檢。