多元宇宙優(yōu)化的林區(qū)道路圖像檢測(cè)方法

黃 元， 付 義2， 康益堃2， 黃思瑜， 耿浩宇， 程玉柱

(1.南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，江蘇 南京 210037；2.南京林業(yè)大學(xué)土木工程學(xué)院，江蘇 南京 210037)

本文提出一種基于多元宇宙優(yōu)化算法的林區(qū)道路圖像檢測(cè)方法，經(jīng)不同算法的融合、快速迭代、圖像灰度圖轉(zhuǎn)化，通過(guò)閾值優(yōu)化實(shí)現(xiàn)目標(biāo)提取。

1 圖像檢測(cè)系統(tǒng)

1.1 算法流程

算法流程框圖如圖1所示。

圖1 算法流程框圖

首先輸入林區(qū)道路RGB彩色圖像，然后經(jīng)過(guò)2G-R-B變換得到灰度圖像。對(duì)灰度圖進(jìn)行多元宇宙優(yōu)化算法處理，得到林區(qū)道路目標(biāo)，然后利用數(shù)學(xué)形態(tài)學(xué)濾波處理，最后利用道路形狀特征，實(shí)現(xiàn)林區(qū)道路的檢測(cè)[9]。

1.2 灰度化

林區(qū)道路兩旁存在大量的樹(shù)木，采集的圖片中道路極容易被遮擋，還存在大量無(wú)用背景，產(chǎn)生許多噪聲。根據(jù)彩色圖像的像素值分布不同，利用綠色成分顯著的特點(diǎn)，將2G-R-G分量作為灰度圖。

I=2*G-R-B

(1)

式中：R、G、B分別為彩圖的紅、綠、藍(lán)三原色分量。

1.3 多元宇宙優(yōu)化算法

“多元宇宙”指的是除了我們所生活的宇宙，還存在其他宇宙[10]，多個(gè)宇宙相互作用，甚至可能相互碰撞，每個(gè)宇宙中可能存在不同的物理定律。多元宇宙理論包括白洞、黑洞和蟲(chóng)洞。令：

(2)

式中：U為由多個(gè)宇宙組成的搜索空間；d為參數(shù)(變量)的數(shù)量；n為宇宙數(shù)量。

合理設(shè)置通識(shí)教育內(nèi)容，強(qiáng)化動(dòng)漫學(xué)生藝術(shù)修養(yǎng)的培養(yǎng)，能有效改善動(dòng)漫專(zhuān)業(yè)存在的問(wèn)題。動(dòng)漫專(zhuān)業(yè)通識(shí)教育內(nèi)容，除了體育、心理健康教育、英語(yǔ)、計(jì)算機(jī)應(yīng)用等課程之外，可以增加以下內(nèi)容：

(3)

(4)

1.4 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)是基于集合論方法發(fā)展而來(lái)的一種圖像處理方法[11]，包括腐蝕、膨脹、開(kāi)、閉、擊中、擊不中等。令A(yù)為二值圖像，S為結(jié)構(gòu)元素。

膨脹定義為：

(5)

腐蝕定義為：

(6)

開(kāi)運(yùn)算定義為：

A·S=(A?S)⊕S

(7)

閉運(yùn)算定義為：

A·S=(A⊕S)?S

(8)

2 林區(qū)道路圖像檢測(cè)

針對(duì)林區(qū)道路圖像，本文選取林區(qū)彎曲道路和直路圖像進(jìn)行檢測(cè)。主要包括彩色圖像灰度化、多元宇宙閾優(yōu)化閾值計(jì)算、數(shù)學(xué)形態(tài)學(xué)處理等環(huán)節(jié)。本試驗(yàn)的硬件環(huán)境如下：ASUS-S4200，處理器 Intel(R)Core(TM)i5-8250HQ CPU@1.60GHz，RAM為8.00GB，64位操作系統(tǒng)；軟件環(huán)境為：Windows 10 家庭中文版，編程語(yǔ)言為Matlab2017a，采用其中的圖像處理工具箱。本文選取彎路圖像和直路彩圖各一張，如圖2所示，上排為彩色原圖，下排為超像素聚類(lèi)計(jì)算獲得的像素值，采用簡(jiǎn)單迭代聚類(lèi)算法計(jì)算[12]，獲得每個(gè)超像素的平均RGB數(shù)值。

圖2 樣本圖

2.1 灰度化

實(shí)現(xiàn)林間道路檢測(cè)需要提取道路在森林中的位置，降低樹(shù)木和雜草對(duì)道路的影響。由于道路與森林顏色的差異較為明顯，可以利用顏色特征來(lái)進(jìn)行像素級(jí)區(qū)分。采用式(1)對(duì)彩圖2進(jìn)行灰度化得到灰度圖，如圖3所示。有部分道路被高大的林木所遮擋，導(dǎo)致道路不完整。部分陽(yáng)光反射強(qiáng)烈，反光部分和道路像素值接近，變成了背景噪聲[13]。

圖3 2G-R-B圖

2.2 多元宇宙優(yōu)化閾值計(jì)算

MVO算法優(yōu)化過(guò)程從創(chuàng)建一組隨機(jī)宇宙開(kāi)始。在每次迭代中，具有高通脹率宇宙中的物體傾向于通過(guò)白/黑洞移動(dòng)到具有低通脹率的宇宙。與此同時(shí)，每一個(gè)單獨(dú)的宇宙都面臨著通過(guò)蟲(chóng)洞在其物體中隨機(jī)傳送到最好宇宙的過(guò)程，迭代到滿(mǎn)足一個(gè)標(biāo)準(zhǔn)為止時(shí)終止此過(guò)程。最好的宇宙通過(guò)計(jì)算目標(biāo)函數(shù)的值來(lái)判定，選用何種目標(biāo)函數(shù)式是MVO的關(guān)鍵[14]。本文選用三種目標(biāo)函數(shù)，分別為Kapur、Otsu、Yen，利用MVO優(yōu)化計(jì)算后進(jìn)行閾值分割，得到分割結(jié)果，如圖4所示。

圖4 閾值分割結(jié)果

Kapur：

Topt=arg max[Hf(T)+Hb(T)]

(9)

(10)

(11)

Otsu：

σ2(t)=w0(t)(u0-ut)2+w1(t)(u1-ut)2

(12)

Yen：

Topt=arg max[Cb(T)+Cj(T)]

(13)

(14)

(15)

2.3 數(shù)學(xué)形態(tài)學(xué)處理

從圖4可以看出，Kapur的分割效果最好。對(duì)圖4(a)求取最大連通區(qū)域，去掉噪聲，得到道路主體輪廓圖，如圖5(a)所示。數(shù)學(xué)形態(tài)學(xué)腐蝕和膨脹處理得到最終分割圖[15]，如圖5(b)所示，采用線結(jié)構(gòu)元素。

圖5 道路主體輪廓

3 結(jié)果分析

為了準(zhǔn)確評(píng)價(jià)圖像分割質(zhì)量，采用有監(jiān)督客觀評(píng)價(jià)方法，人工分割出理想目標(biāo)，如圖6所示，并將此作為基準(zhǔn)，定義標(biāo)準(zhǔn)目標(biāo)圖像和分割圖像分別為Igold-truth、Isegmented。

相似度為：

(16)

正確率為：

(17)

則錯(cuò)分率為：

(18)

漏分率為：

(19)

利用式(16)～(19)對(duì)圖5進(jìn)行計(jì)算，數(shù)值結(jié)果SD、Dice、ER、NR彎路數(shù)值分別為78.19%、87.76%、25.46%、1.90%，直路數(shù)值分別為95.93%、97.92%、3.82%、0.41%。綜合而言，提出的多元宇宙優(yōu)化閾值算法能夠提取林間道路目標(biāo)。

圖6 道路分割

4 小結(jié)

(1)將多元宇宙優(yōu)化算法與Kapur閾值算法相融合，快速迭代，實(shí)現(xiàn)林間道路目標(biāo)提取，采用數(shù)學(xué)形態(tài)學(xué)運(yùn)算，利用線結(jié)構(gòu)元素去除部分噪聲，具有較強(qiáng)的目標(biāo)定位能力。

(2)采用超像素均值與超綠色灰度化算法實(shí)現(xiàn)彩圖灰度化，有利于噪聲對(duì)目標(biāo)的干擾，多元宇宙優(yōu)化用于林間道路圖像檢測(cè)是可行的，能夠有效地實(shí)現(xiàn)林間道路提取。

(3)選取合適的目標(biāo)函數(shù)作為多元宇宙優(yōu)化適應(yīng)度標(biāo)準(zhǔn)是影響分割質(zhì)量好壞的關(guān)鍵。圖像采集過(guò)程中存在樹(shù)木對(duì)道路的遮擋和強(qiáng)光反射，降低了圖像分割效果，需要在后續(xù)研究中改進(jìn)。