基于圖像處理鐵路信號燈特征提取

李永河，董華軍，2，劉伸展，黃 璨

(1.平高集團有限公司，河南 平頂山 467001;2大連交通大學 機械工程學院，遼寧 大連 116028;3浙江明德自動化設備有限公司，浙江 杭州 311112)

0 引言

隨著國民經濟持續快速健康的發展和鐵路跨越式發展戰略的實施，鐵路客貨運量和運輸收入持續增長，特別是全國第五次大面積提速調度的實施，取得了顯著的社會和經濟效益.但是，當前鐵路運能和需求得到全面發展的同時，鐵路的安全問題卻收到嚴重的挑戰.目前世界各國政府和鐵路企業都把運輸安全放在重要位置，在我國鐵路運輸得到飛躍性發展，時速在不斷刷新的同時，如何保證鐵路運輸的安全可靠性成為了鐵路運輸業一個重要研究課題.鐵路信號燈是傳遞鐵路信號的標志，其作用是保證列車運行安全，有效提高鐵路運輸效率，降低運輸成本以及大大改善行車人員的勞動條件.但在實際應用過程中，往往出現不能對信號燈信號進行有效的進行檢測和識別，從而影響了鐵路運輸的安全.

近年來，隨著數字圖像處理技術的發展，利用光學、圖像處理等技術實現鐵路信號燈的有效識別已經受到人們的重視［1-3］.為了找到過濾影響的復雜因素并正確顯示信號燈信號的方法，本文通過圖像增強，圖像分割與特征提取等方法獲得清晰的信號圖像，提取了信號燈的幾何特征參數，為解決鐵路行車安全問題提供了技術支持.

1 信號燈圖像預處理

1.1 圖像增強處理

由于所選擇的信號燈區域總是受到鐵路行車周圍復雜環境的影響，例如公路路燈，附近房屋燈光，街燈或其他的反光體等，由攝像頭獲得的圖像經過A/D轉換、線路傳送都會產生噪聲污染，種種因素影響圖像的清晰程度，降低了圖像質量［3］.因此，在對圖像進行分析處理之前，有必要對圖像質量進行改善.直方圖均衡化處理則是一種修改圖像直方圖方法，通過對直方圖進行均衡化修正，可使圖像的灰度間距增大或灰度均勻分布、增大反差，是圖像的細節變得清晰.圖1是采集得到的信號燈圖像和經過增強處理后的路燈圖像及它們相應的灰度直方圖，由圖可看出經過處理后的信號燈圖像對比度得到增強，圖像細節特征更加清晰，為圖像的特征提取提供了技術基礎.

圖1 信號燈原圖像，增強后圖像及其對應灰度直方圖

1.2 圖像剪切

圖2 信號燈切割后的圖像

本文以信號燈為研究對象，在采集過程中，不可避免會采集很多沒用的信息，為此，在進行圖像處理之前需要對采集的圖像進行切割以提取有效部分.當只需要處理圖像中的一部分時，或者需要將某一部分取出，這樣就要對圖像進行剪切.剪切函數語法格式為I2=imcrop(I，rect)其中 rect是一個四元向量［Xmin，Ymin，width，height］，分別表示剪切圖像的左上角的x，y坐標、寬度和高度.切割之后的信號燈圖如圖2所示.

1.3 圖像邊緣檢測

圖像邊緣是圖像最基本的特征，其廣泛存在于目標與目標、物體與背景、區域與區域之間，是圖像分割所依賴的重要特征.邊緣的檢測對于識別物體具有重要意義.由于邊緣檢測在圖像處理中的重要地位，人們提出大量的邊緣檢測算法.傳統的邊緣檢測方法有Roberts算子、Prewitt算子、Kirsch算子、Laplacian算子、LOG算子、Canny算子等［4］.本文采用 Sobel算子對信號燈HSV圖像H、S及V圖像分別進行邊緣檢測，檢測結果如圖3所示.結果表明H分量不適合用來檢測邊緣，但是根據其本身性質，可以用來判斷顏色的.此圖像拍攝的是紅色信號燈，即 H中心值在0，通過預先得到紅色信號燈色調值的中心值和方差來確定紅燈的取值范圍.從圖像S分量的處理結果可看到，在信號燈區域，S分量圖像的邊緣檢測效果較優，基本上可以得到需要分割區域的邊界.從圖像 V分量的處理結果可看到，V分量的邊緣檢測圖像主要為圖像的亮度信息，相當于對應的灰度圖像.

圖3 基于Sobel信號燈H、S、V邊緣檢測結果

2 鐵路信號燈特征提取

特征提取，主要是在原始圖像中，找到圖像目標，對圖像目標進行特征提取，以區分圖像本身，為圖像的有效分析和識別提供技術支持.常用的圖像特征有圖像幅值特征、圖像幾何特征、圖像形狀特征及圖像紋理特征等［5］.信號燈識別和分析主要是建立在圖像特征提取的基礎上，對交通信號燈提供的信息特征進行有效的識別和分析，并快速有效的告訴司機，以避免事故的發生.

對于交通信號燈來說，如何提取其信號燈幾何特征尤其重要，只有對信號燈幾何特征(面積，周長，矩形度及伸長度等信息)提取［6］，才能有效的對信號燈進行定位，從而實現信號的有效傳遞.

面積即信號燈圖像區域所包含像素點個數的總和，最簡單的面積計算方法是統計邊界內部的像素的數目.其計算公式為：

這里f(x，y)為二值圖像，其取值1時表示物體，取值0時表示背景，其面積就是統計f(x，y)=1的個數.

周長即圍成信號燈區域所需要的像素點個數，把像素看作一個個點時，則周長用連碼表示，求周長也即計算鏈碼長度，周長p表示為：

其中，物體形狀越細長，其取值越大.

根據上述計算公式，運用MATLAB對實驗圖2信號燈提取的圖像幾何特征的具體結果為：面積：A=1.611 5e+005;周長：L=5.7223e+003;圓形度：R=0.7923.

圓形度即是用來表示物體圓形程度的指標，圓形度是用來表示物體圓形程度的指標.在拍攝圖像中，信號燈為圓形，可以利用一些常見的圓形度指標來判定分割區域是否圓形，一般用周長的平方與面積之比來表示圓形度.

3 結論

本文利用數字圖像處理技術對鐵路交通信號燈圖像進行了圖像增強，圖像剪切及邊緣檢測處理，運用MATLAB軟件提取了信號燈圖像的幾何特征提取.結果表明，通過圖像處理技術運用MATLAB能夠實現對交通信號燈進行有效的處理和特征提取，為信號燈的有效識別及鐵路運行的安全提供了技術支持.

［1］蘇崗.基于機器視覺的鐵路調車信號識別研究［J］.自動化信息雜志，2009，12(2)：22-28.

［2］李輝.智能交通系統中基于視頻的車輛檢測與跟蹤方法研究［D］.上海：華東師范大學，2010.

［3］王澤發，唐興國.基于灰度變換的圖像增強方法研究［J］.科技創新導報，2011(1)：109.

［4］任民宏.圖像邊緣檢測算法的比較與展望［J］.中國科技信息，2007，10(1) ：119-120.

［5］劉禾.數字圖像處理及應用［M］.北京：中國電力出版社，2006.

［6］姚敏.數字圖像處理［M］.北京：機械工業出版社，2006.