基于顏色特征和連通域標(biāo)記的目標(biāo)檢測(cè)算法

楊志林，楊彥鋒

（鄭州工業(yè)應(yīng)用技術(shù)學(xué)院，鄭州 450002）

0 引言

基于視覺的定位技術(shù)[1]是近年來研究的熱點(diǎn)，它通過攝像機(jī)獲取目標(biāo)圖像，借助圖像處理識(shí)別目標(biāo)，計(jì)算出路標(biāo)相對(duì)視覺系統(tǒng)的位置，則機(jī)器人在這個(gè)環(huán)境中的位置和方向就可以同時(shí)計(jì)算出來[2]。目標(biāo)識(shí)別效果直接影響到機(jī)器人定位的準(zhǔn)確性，進(jìn)而影響其自主性和智能化，是實(shí)現(xiàn)視覺定位的關(guān)鍵。機(jī)器人視覺或者人類視覺中，顏色都是物體表面的最最基本的特征之一，更是識(shí)別并提取物體信息的關(guān)鍵。

目前對(duì)移動(dòng)機(jī)器人本身的視覺系統(tǒng)的研究中，一般都是利用目標(biāo)的彩色圖像信息，通過圖像處理技術(shù)識(shí)別出檢測(cè)到的目標(biāo)。將顏色作為圖像分割的依據(jù)的可靠性和可行性在很多研究中早已得到了驗(yàn)證，抓住了目標(biāo)提取過程中的本質(zhì)信息。付長(zhǎng)斐等[3]采用基于HSV顏色空間，通過對(duì)灰度圖像進(jìn)行閾值分割和顏色判別相結(jié)合的ROI提取算法，無法消除背景干擾及噪聲的影響。馬東偉等[4]采用目標(biāo)顏色空間HS向量識(shí)別與閾值分割方法和目標(biāo)區(qū)域標(biāo)記排除方法，較好地提高了目標(biāo)識(shí)別與跟蹤的實(shí)時(shí)性和準(zhǔn)確性，但計(jì)算量大，占據(jù)內(nèi)存大。譚利等[5]提出一種新的連通域標(biāo)記方法，提高了區(qū)域填充的速度和效率，但跟蹤和標(biāo)記邊界的效率較低。在前人研究的基礎(chǔ)上，本文提出了一種基于YUV顏色空間的顏色特征提取以及具有連通性的目標(biāo)區(qū)域標(biāo)記的目標(biāo)檢測(cè)算法。

1 顏色特征識(shí)別

1.1 顏色空間模型

顏色空間的坐標(biāo)值可以用來表示彩色圖像的每一像素的顏色，其中使用較多的顏色空間有RGB顏色空間、YUV顏色空間、HSI顏色空間等[3]。選擇合適的顏色空間不但可以更準(zhǔn)確地描述圖像顏色，還可以提高不同顏色之間的區(qū)分能力。下面主要介紹這3種顏色空間以及它們之間的轉(zhuǎn)換關(guān)系。

（1）RGB顏色空間模型

RGB顏色空間是一種線性顏色空間，可以用如圖1的立方圖表示。圖像采集設(shè)備最初采集到的顏色信息一般都是R、G、B值；并且顏色顯示設(shè)備也是采用R、G、B分量；圖像處理中使用的其他所有的顏色空間也是通過RGB顏色模型線性或非線性轉(zhuǎn)換得到的，它們的處理結(jié)果也必須轉(zhuǎn)換回RGB顏色空間才能清楚顯現(xiàn)出來。

圖1 RGB彩色立方圖

由于R、G、B分量所表示的顏色不便于辨識(shí)和理解，因此RGB顏色空間不能很好地描述顏色特征。RGB顏色空間又是最不均勻的顏色空間之一，而且它的R、G、B值之間還具有非常高的相關(guān)性（B-R：0.78，R-G：0.98，G-B：0.94），這些高相關(guān)性的存在，加大了對(duì)圖像數(shù)據(jù)進(jìn)行解壓的難度，并對(duì)圖像中的顏色處理也造成了一定的干擾。

（2）YUV顏色空間模型

歐洲電視系統(tǒng)采用YUV顏色空間作為顏色編碼方法[6]。YUV顏色空間因其具有單獨(dú)的亮度分量表示，以及同一種顏色在不同亮度情況下能夠較好地保持不失真，而成為機(jī)器人視覺中經(jīng)常使用的顏色空間模型。

YUV中的Y表示圖像的灰度值；U和V表示圖像的顏色及飽和度，用于描述像素的色彩。亮度是將RGB信號(hào)的特別指定的部分累計(jì)并融合到一起得到的；色度則定義了顏色的兩個(gè)方面：U反映了RGB輸入信號(hào)B部分與RGB信號(hào)亮度值之間的區(qū)別；而V反映的是RGB輸入信號(hào)R部分與RGB信號(hào)亮度值之間的不同。

YUV的Y和U、V彼此之間的關(guān)聯(lián)不大，因此亮度的影響對(duì)YUV顏色空間模型的干擾不大，在亮度不同的環(huán)境中，該顏色空間能夠較好的保持同一種顏色，使該顏色不失真。

YUV顏色空間和RGB顏色空間的轉(zhuǎn)換公式[5]如下：

（3）HSI顏色空間模型

HSI顏色模型[7]是通過色調(diào)、飽和度、亮度這3個(gè)與視覺特征有關(guān)的量建立起來的顏色模型，用于測(cè)定顏色所含各種成分的數(shù)量對(duì)人眼的感官作用，這3個(gè)量是基本屬性。HSI顏色空間可以用一個(gè)圓錐空間模型來描述，如圖2所示。在HSI顏色空間中，可以方便地使用圖像處理和計(jì)算機(jī)視覺中的大量算法，它們能夠互不影響地進(jìn)行各自的處理。因此，HSI顏色空間大大地簡(jiǎn)化了圖像分析和處理的工作量，與RGB顏色空間的轉(zhuǎn)換關(guān)系如下所示：

圖2 HSI顏色空間模型

選擇一種合適的顏色空間是彩色圖像處理的關(guān)鍵，但是每一種顏色空間都有其優(yōu)缺點(diǎn)，任何一種顏色空間都不會(huì)適合于所有的環(huán)境，通過對(duì)RGB、YUV、HSI這3種常用的顏色空間的比較與分析，列出了其特點(diǎn)比較的結(jié)果，如表1所示。

表1 RGB、YUV、HSI的特點(diǎn)比較

通過以上的分析與比較，本文選擇YUV空間作為目標(biāo)顏色檢測(cè)的顏色空間。

1.2 顏色特征提取

對(duì)于所要檢測(cè)目標(biāo)的任意一種顏色特征的分布空間St，均在YUV顏色空間由人工來標(biāo)定，并將St集合描述為6個(gè)閾值，其中每一維都含有表示該顏色類在該維的上、下閾值——最大值和最小值，如圖3所示，表達(dá)式為式（3）。3個(gè)向量則在顏色空間中確定了一個(gè)長(zhǎng)方體，如圖4所示，某一目標(biāo)顏色特征的計(jì)算公式如式（4）所示[8-11]。

圖3 YUV顏色空間的閾值

圖4 YUV顏色空間模型

將各個(gè)目標(biāo)顏色特征分別在Y、U、V軸上投影，這樣st集合就可以以式（5）來描述，其中{Yclass}={Yi|(Yi,Uj,Vk)為標(biāo)定點(diǎn)}、{Uclass}={Uj|(Yi,Uj,Vk)為標(biāo)定點(diǎn)}、{Vclass}={Vj|(Yi,Uj,Vk)為標(biāo)定點(diǎn)}。當(dāng)YUV空間中標(biāo)定越來越多，點(diǎn)集的形狀也越來越趨近于一個(gè)閉合體，即：

如圖5所示，左窗口顯示拍攝的源圖像，右圖像顯示顏色識(shí)別的結(jié)果。如果存在M個(gè)目標(biāo)，則對(duì)于任意一個(gè)目標(biāo)的顏色特征Fi，它在環(huán)境中可能存在的特征地點(diǎn)為Ni，那么顏色特征學(xué)習(xí)描述如下[12-13]：

圖5 顏色特征提取圖像

（1）在左窗口中，選擇目標(biāo)i(i=1,2,…,M)，確定其顏色特征Fi；

（2）在左窗口中，選擇目標(biāo)i的任一特征地點(diǎn)j(j=1,2,…,Ni)，人工標(biāo)定該處的顏色閾值，并檢查標(biāo)定的效果，若效果不好，則選擇新的地點(diǎn)重新標(biāo)定；

（3）在右窗口中顯示標(biāo)定的結(jié)果圖像。如果Ni個(gè)特征地點(diǎn)均標(biāo)定成功，則轉(zhuǎn)到第4步，否則轉(zhuǎn)到第2步；

（4）如果M個(gè)目標(biāo)都標(biāo)定過則轉(zhuǎn)到第5步，否則重新選擇目標(biāo)轉(zhuǎn)到第1步；

（5）結(jié)束。

符合該目標(biāo)顏色特征的目標(biāo)區(qū)域Ro(p)可根據(jù)下式得出：

式中：v1、v2、v3分別為像素p的Y、U、V值。

2 基于連通性的目標(biāo)區(qū)域提取

采用基于顏色特征的方法進(jìn)行目標(biāo)特征的提取，則是僅僅考慮了像素本身的顏色特征，不考慮像素的空間位置，從而直接將圖像按照顏色特征的差異分為目標(biāo)區(qū)域和非目標(biāo)區(qū)域。但是圖像中的所有物體都是由相互連通在一起的像素組合而成的，一個(gè)獨(dú)立的物體是一個(gè)連通區(qū)域，那么若有不同的連通區(qū)域就意味著圖像中存在不同的物體，因此在對(duì)物體進(jìn)行檢測(cè)之前，首先必須確定該物體是否是獨(dú)立的。因此，為了加以區(qū)別，需要對(duì)不同的連通域進(jìn)行不同的標(biāo)識(shí)，從而實(shí)現(xiàn)目標(biāo)物體與背景的分離，并消除噪聲，識(shí)別同一顏色的多個(gè)目標(biāo)[14-16]。

像素在圖像子集中的連通：設(shè)S是圖像中的一個(gè)子集，p和q是S中的點(diǎn)。在S中，當(dāng)p和q之間存在一條全部由S中的點(diǎn)形成的路徑時(shí)，p和q就是連通的。

為了達(dá)到實(shí)時(shí)性的效果，本文采用四連通的區(qū)域標(biāo)記算法，如圖6所示。分為3個(gè)步驟：采用所學(xué)習(xí)的顏色特征向量逐行掃描圖像，標(biāo)記連通區(qū)域，并記錄等價(jià)標(biāo)記；計(jì)算等價(jià)標(biāo)記矩陣的傳遞閉包，將區(qū)域連通標(biāo)記用其等價(jià)組的標(biāo)記代替；連通區(qū)域特征的提取。

圖6 連通性

2.1 標(biāo)記區(qū)域連通、記錄等價(jià)標(biāo)記

采用所學(xué)習(xí)的顏色特征向量根據(jù)式（6）逐行處理圖像。由于四連通性總是發(fā)生在相鄰的兩行之間，而且圖像掃描又是從上到下，自左往右進(jìn)行的，所以只需要考慮當(dāng)前像素點(diǎn)與它左邊的像素點(diǎn)和上行的像素點(diǎn)的關(guān)系。假設(shè)p為當(dāng)前像素點(diǎn)，p8為左邊的像素點(diǎn)，p2為上行的像素點(diǎn)，則本文所采用得四連通區(qū)域標(biāo)記算法如下：

（1）如圖7（a）所示：如果當(dāng)前點(diǎn)和左邊點(diǎn)、上行點(diǎn)均不同色，則把當(dāng)前點(diǎn)標(biāo)定為所屬顏色的一個(gè)新標(biāo)記；

（2）如圖7（b）所示：如果當(dāng)前點(diǎn)與上行點(diǎn)同色，而與左邊點(diǎn)不同色，則把當(dāng)前點(diǎn)標(biāo)定為鄰點(diǎn)同色的標(biāo)記；

（3）如圖7（c）所示：如果當(dāng)前點(diǎn)與左邊點(diǎn)同色，而與上行點(diǎn)不同色，則把當(dāng)前點(diǎn)標(biāo)定為鄰點(diǎn)同色的標(biāo)記；

（4）如圖7（d）所示：如果當(dāng)前點(diǎn)跟左邊點(diǎn)、上面點(diǎn)均同色，但兩者不是同一個(gè)標(biāo)記，則記錄這兩個(gè)鄰點(diǎn)的標(biāo)記為等價(jià)標(biāo)記，并把上面點(diǎn)的標(biāo)記賦給當(dāng)前點(diǎn)；

（5）如圖7（e）所示：如果當(dāng)前點(diǎn)跟左邊點(diǎn)、上面點(diǎn)均同色，而且是同一個(gè)標(biāo)記，則把上面點(diǎn)的標(biāo)記賦給當(dāng)前點(diǎn)。

圖7 四連通區(qū)域標(biāo)記算法

2.2 傳遞閉包計(jì)算

等價(jià)標(biāo)記矩陣的傳遞閉包的計(jì)算，就是將兩個(gè)等價(jià)連通性區(qū)域標(biāo)記擴(kuò)張為一個(gè)新的區(qū)域，并用等價(jià)組的標(biāo)記來標(biāo)記這個(gè)新區(qū)域。Warshall算法計(jì)算簡(jiǎn)單快速，因此，本文采用Warshall算法計(jì)算等價(jià)標(biāo)記矩陣的傳遞閉包，來完成具有相同顏色特征的區(qū)域連通標(biāo)記與其等價(jià)組的標(biāo)記之間的傳遞[17-19]。

2.3 獲取目標(biāo)區(qū)域

經(jīng)過基于顏色特征的區(qū)域分割和連通區(qū)域提取后，由于攝像頭檢測(cè)誤差和環(huán)境干擾，圖像中仍存在與目標(biāo)具有同一顏色特征的噪聲點(diǎn)，影響目標(biāo)的準(zhǔn)確識(shí)別。通過實(shí)驗(yàn)發(fā)現(xiàn)，這些區(qū)域的面積要遠(yuǎn)小于目標(biāo)物體的面積，因此采用基于區(qū)域面積的濾波方法過濾噪聲，提高目標(biāo)識(shí)別的準(zhǔn)確性。首先，標(biāo)記有效顏色區(qū)域，并統(tǒng)計(jì)這些區(qū)域的個(gè)數(shù)，并測(cè)量各個(gè)區(qū)域的面積。由于目標(biāo)所占屏幕像素面積與目標(biāo)距離相關(guān)，因此根據(jù)檢測(cè)距離設(shè)定動(dòng)態(tài)面積閾值，當(dāng)區(qū)域的面積小于這個(gè)閾值時(shí)，則認(rèn)為是噪聲并消除；否則，為目標(biāo)物體?；谶B通性的目標(biāo)區(qū)域提取的實(shí)驗(yàn)結(jié)果如圖8所示。

圖8 連通區(qū)域提取圖像

設(shè)連通域的標(biāo)記為L(zhǎng) n，那么它的面積areaLn（單位：像素個(gè)數(shù)）的計(jì)算公式為：

式中：I=Ii×Ij，為連通域的標(biāo)記；RO為目標(biāo)區(qū)域；。

3 結(jié)束語

針對(duì)機(jī)器視覺圖像中機(jī)器人對(duì)目標(biāo)的準(zhǔn)確檢測(cè)與識(shí)別的問題，本文提出以了一種基于顏色特征和連通域標(biāo)記的目標(biāo)檢測(cè)算法。首先人工標(biāo)定目標(biāo)顏色的顏色閾值，進(jìn)行顏色特征學(xué)習(xí)，提取符合目標(biāo)顏色特征的區(qū)域；然后采用四連通的區(qū)域標(biāo)記算法，標(biāo)識(shí)符合目標(biāo)顏色特征的多個(gè)顏色區(qū)域，并結(jié)合Warshall算法實(shí)現(xiàn)同一顏色的多個(gè)目標(biāo)的識(shí)別；最后依據(jù)目標(biāo)所占屏幕像素面積與目標(biāo)距離的關(guān)系，通過檢測(cè)距離設(shè)定動(dòng)態(tài)面積閾值，過濾具有同一顏色特征的噪聲點(diǎn)，實(shí)現(xiàn)目標(biāo)區(qū)域的準(zhǔn)確識(shí)別。