基于顏色模型和區(qū)域特性的交通標(biāo)志提取方法研究

王炳飛，宋海玉，李厚杰，王培昌，馬 彪

(大連民族學(xué)院a.計(jì)算機(jī)科學(xué)與工程學(xué)院;b.信息與通信工程學(xué)院，遼寧大連116605)

交通標(biāo)志識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，對減少交通事故、緩解交通壓力有著重要意義［1］。交通標(biāo)志檢測是交通標(biāo)志識別關(guān)鍵步驟，其性能優(yōu)劣直接影響交通標(biāo)志識別的性能，目前已成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究熱點(diǎn)［2-3］。

目前交通標(biāo)志檢測根據(jù)實(shí)現(xiàn)方法的不同，主要分為基于顏色模型、基于形狀特征以及基于機(jī)器學(xué)習(xí)的交通標(biāo)志檢測算法。第一類算法根據(jù)交通標(biāo)志不同的顏色特征進(jìn)行顏色分割，然后進(jìn)行交通標(biāo)志檢測，該類算法檢測速度較快，但通常面臨著虛警率高的問題［4］。第二類算法根據(jù)交通標(biāo)志的形狀進(jìn)行標(biāo)志檢測，F(xiàn).Moutar等利用Hough變換構(gòu)成的檢測器對圓形標(biāo)志實(shí)現(xiàn)檢測［5］;G.Loy等［6］利用投票思想提出了一種快速徑向?qū)ΨQ變換，N.Barnes等［7］利用徑向?qū)ΨQ變換進(jìn)行澳大利亞圓形限速標(biāo)志的檢測。這類算法往往利用形狀檢測器對整幅交通圖像中進(jìn)行標(biāo)志檢測，可能帶來不必要的時(shí)間開銷。第三類算法往往利用和提取興趣區(qū)域的HOG特征、Haar小波特征、DtB特征以及形狀標(biāo)簽的FFT特征等，再結(jié)合SVM以及Cascaded分類器等機(jī)器學(xué)習(xí)算法對訓(xùn)練集進(jìn)行學(xué)習(xí)訓(xùn)練，利用獲取的分類器對檢測圖像進(jìn)行標(biāo)志檢測［8-10］。但這類算法在正負(fù)樣本集構(gòu)建以及交通圖像檢測樣本多尺度提取等方面都相對復(fù)雜，往往造成檢測時(shí)間開銷較大，從而影響了交通標(biāo)志檢測的實(shí)時(shí)性。

針對以上問題，本文研究分析了基于RGB顏色模型和基于HSI顏色模型的交通標(biāo)志閾值分割算法，然后利用交通標(biāo)志區(qū)域特性對二值分割圖像興趣區(qū)域進(jìn)行二分類，降低標(biāo)志虛假率，實(shí)現(xiàn)交通標(biāo)志的興趣區(qū)域提取。提取的興趣區(qū)域可作為基于形狀特征標(biāo)志檢測算法的檢測目標(biāo)或基于機(jī)器學(xué)習(xí)標(biāo)志檢測算法的檢測樣本，將有效降低標(biāo)志檢測算法復(fù)雜度和時(shí)間開銷，提升算法有效性。

1 基于顏色模型的圖像分割

在數(shù)字圖像處理應(yīng)用中，常用的顏色模型有RGB顏色模型、CMYK顏色模型以及HSI顏色模型等，每類顏色模型都是在一個(gè)坐標(biāo)系和子空間中用一個(gè)點(diǎn)表示一種顏色。RGB顏色模型是最為直觀和常用的一種模型，利用紅(R)綠(G)藍(lán)(B)三基色來定義各種顏色。另外，HSI顏色模型是從視覺系統(tǒng)出發(fā)，利用色調(diào)(hue)、色飽和度(Saturation)以及亮度(Intensity)三維分量進(jìn)行色彩描述，比RGB色彩空間更符合人眼的視覺特性，在計(jì)算機(jī)視覺和彩色圖像處理中得到了廣泛關(guān)注。本文將深入研究分析基于RGB顏色模型和基于HSI顏色模型的交通標(biāo)志分割算法。

1.1 基于RGB顏色模型的交通標(biāo)志圖像分割

RGB顏色模型是基于Cartesian(笛卡爾)坐標(biāo)系統(tǒng)，顏色子空間則由坐標(biāo)系下一個(gè)立方體來表示，紅(R)綠(G)藍(lán)(B)位于三個(gè)坐標(biāo)軸所在的頂點(diǎn)上，各種顏色由位于立方體內(nèi)或立方體上的點(diǎn)來表示。為了從RGB模型的交通圖像中提出標(biāo)志興趣區(qū)域，采用了閾值分割方法。本文采用了經(jīng)驗(yàn)閾值分割思路，通過顏色子空間的顏色分布尋找特定顏色的經(jīng)驗(yàn)閾值。在RGB空間中，三個(gè)顏色分量存在高的相關(guān)性，而且亮度變化將會影響顏色信息，若直接在RGB空間進(jìn)行圖像興趣區(qū)域分割，經(jīng)驗(yàn)閾值很難獲?。?］。為了解決這一問題，可對三個(gè)顏色分量進(jìn)行歸一化處理，三基色的歸一化分量可表示為:

其中，Rnor+Gnor+Bnor=1。通過歸一化處理，亮度變化將對顏色信息影響甚微，閾值選取將獨(dú)立于亮度變化信息。

對于交通標(biāo)志而言，區(qū)分不同類標(biāo)志的顏色主要有紅色、黃色和藍(lán)色，比如在交通圖像中，禁止類標(biāo)志為紅色外環(huán)區(qū)域，指示標(biāo)志為藍(lán)色區(qū)域等。三種顏色的閾值分割掩膜可表示為［4］

1.2 基于HSI顏色模型的交通標(biāo)志圖像分割

HSI顏色模型可用一個(gè)圓錐形空間模型進(jìn)行描述，圓錐體的中心垂直軸表示了亮度(Intensity)變化，與亮度軸垂直的每個(gè)平面描述了該亮度下色調(diào)(hue)和色飽和度(Saturation)信息。在這個(gè)平面上，紅R、綠G、藍(lán)B三原色相隔120度，平面上任意彩色點(diǎn)的色調(diào)值由其與某參考點(diǎn)(一般為紅色點(diǎn))的夾角決定，而飽和度則是從中心原點(diǎn)到該點(diǎn)的向量長度。

HSI顏色模型各個(gè)分量可以利用RGB分量轉(zhuǎn)換得到［11］，若已知一幅RGB彩色模型圖像，則每一個(gè)像素點(diǎn)的色調(diào)H分量可表示為

飽和度S為

若RGB分量的值范圍為［0，255］，則色調(diào)的取值范圍為［0，360］，色飽和度范圍為［0，255］，亮度的范圍為［0，255］。

對于HSI顏色模型的交通圖像，交通標(biāo)志分割掩膜可表示為［4］

1.3 兩種分割算法的對比分析

為了對比分析兩種分割算法的性能，在德國交通標(biāo)志數(shù)據(jù)集GTSDB測試集上對含有紅色信息的交通標(biāo)志進(jìn)行了仿真實(shí)驗(yàn)。在實(shí)驗(yàn)中，采用Matlab R2010b仿真軟件進(jìn)行算法實(shí)現(xiàn)。經(jīng)過實(shí)驗(yàn)測試，獲取了分割掩膜經(jīng)驗(yàn)閾值:Rth=0.35，Gth=0.30，Rth1=10，Rth2=280。

交通標(biāo)志圖像分割結(jié)果如圖1-圖3，分別由原始圖像、HSI模型閾值分割結(jié)果以及RGB歸一化閾值處理結(jié)果。晴天光線較強(qiáng)環(huán)境下的分割結(jié)果如圖1，雨天環(huán)境下的分割結(jié)果如圖2，光線比較暗環(huán)境下的實(shí)驗(yàn)結(jié)果如圖3。從實(shí)驗(yàn)結(jié)果上看，兩種分割算法都取得了較好的分割效果，交通標(biāo)志得到了較好地凸顯。而且，兩種分割算法對光照變化具有較強(qiáng)的魯棒性。在算法時(shí)間開銷方面，HSI模型閾值分割算法處理時(shí)間是RGB歸一化閾值處理時(shí)間的2倍左右(不同交通圖像處理時(shí)間略有不同)，這主要因?yàn)槭窃贖SI閾值分割處理中RGB圖像需要轉(zhuǎn)換為HSI圖像。

圖1 光線較強(qiáng)環(huán)境下交通圖像的分割結(jié)果

圖2 雨天環(huán)境下交通圖像的分割結(jié)果

圖3 光線較暗環(huán)境下交通圖像的分割結(jié)果

2 基于區(qū)域特性的交通標(biāo)志提取

通過顏色模型分割之后的二值圖像較好的凸顯了交通標(biāo)志，但同時(shí)，可以看到分割圖像產(chǎn)生了大量的背景干擾，從而導(dǎo)致過高的標(biāo)志虛警率，且每一個(gè)干擾區(qū)域?qū)M(jìn)行下一步基于形狀特征的標(biāo)志檢測或基于機(jī)器學(xué)習(xí)算法的標(biāo)志檢測會造成大量不必要的時(shí)間開銷。值得注意的是，對于交通標(biāo)志而言，在形狀上主要有圓形、等邊三角形、正方形、正八角形等，而且交通圖像中的交通標(biāo)志的尺寸都有一定的范圍。因此，分割之后的二值圖像交通標(biāo)志區(qū)域在區(qū)域像素?cái)?shù)、區(qū)域面積、區(qū)域縱橫比以及區(qū)域最小邊長等方面具有特定的范圍。所以，基于標(biāo)志區(qū)域特性進(jìn)行閾值處理，將有效濾除大量干擾區(qū)域，降低虛警率。

步驟1 設(shè)標(biāo)志區(qū)域像素?cái)?shù)閾值為Pth，對具有8連通特性的區(qū)域RC，統(tǒng)計(jì)其像素?cái)?shù)為Pnum，若Pnum＜Pth，則該區(qū)域?yàn)楦蓴_區(qū)域，給予濾除;否則，設(shè)定為標(biāo)志候選興趣區(qū)域RP;

步驟2 設(shè)標(biāo)志區(qū)域面積閾值為Ath1和Ath2，確定區(qū)域RP在交通圖像中的坐標(biāo)，進(jìn)而獲取區(qū)域的外接矩形，計(jì)算外接矩形面積。如果區(qū)域RP面積在［Ath1，Ath2］區(qū)間之內(nèi)，則為標(biāo)志候選區(qū)域RA;否則，給予濾除;

步驟3 計(jì)算區(qū)域RA的縱橫比Aratio和外接矩形最小邊長Smin，并設(shè)標(biāo)志縱橫比閾值A(chǔ)ratio，th1和Aratio，th2以及最小邊長閾值Smin，th。當(dāng)Aratio，th1＜Aratio＜Aratio，th2且Smin＞Smin，th時(shí)，區(qū)域RA可視為標(biāo)志樣本區(qū)域Rsign。

為了驗(yàn)證方法的有效性，測試了德國數(shù)據(jù)集，經(jīng)驗(yàn)閾值設(shè)置為:Pth= 80，Ath1= 260，Ath2=20000，Aratio，th1= 0.8，Aratio，th2= 1.3，Smin，th= 17。實(shí)驗(yàn)結(jié)果如圖4-圖6，從實(shí)驗(yàn)結(jié)果可以看到背景干擾得到了有效濾除，交通標(biāo)志得到較好地保留。

圖4 圖1對應(yīng)交通標(biāo)志提取結(jié)果

圖5 圖2對應(yīng)交通標(biāo)志提取結(jié)果

圖6 圖3對應(yīng)交通標(biāo)志提取結(jié)果

3 結(jié)語

研究了基于HSI顏色模型和RGB歸一化交通標(biāo)志閾值分割算法，并分析了兩種分割算法的性能，均取得了較好的分割效果，在計(jì)算開銷方面，RGB歸一化閾值分割算法要優(yōu)于HSI顏色模型閾值處理算法。針對閾值分割后二值圖像交通標(biāo)志虛警率高的問題，研究了基于區(qū)域特性的標(biāo)志提取方法，實(shí)驗(yàn)結(jié)果表明了方法的有效性。

［1］M?GELMOSE A，TRIVEDI M M，MOESLUND T B.Vision-based traffic sign detection and analysis for intelligent driver assistance systems:perspectives and survey［J］.IEEE Trans.Intell.Transp.Syst.，2012，12(4):1484-1496.

［2］XU Qingsong，SU Juan，LIU Tiantian.A detection and recognition method for prohibition traffic signs［C］.in Proc.Int.Conf.IASP，2010，583-586.

［3］CHIANG H H，CHEN Y L，WANG W Q ，et al.Road speed sign recognition using edge-voting principle and learning vector quantization network［C］.in Proc.ICS，2010，246-251.

［4］MORENO H G，BASCON S M，JIMENEZ P G，et al.Goal evaluation of segmentation algorithms for traffic sign recognition［J］.IEEE Trans.Intell.Transp.Syst.，2010，11(4):917-930.

［5］MOUTARDE F，BARGETON A，HERBIN A，et al.Robust on vehicle real-time visual detection of American and European speed limit signs，with a modular traffic signs recognition system ［C］.In Proc.IEEE Intell.Veh.Symp.，2007，1122-1126.

［6］LOY G，ZELINSKY A.Fast radial symmetry for detecting points of interest［J］.IEEE Trans.Pattern Anal.Mach.Intell.，2003，25(8):959-973.

［7］ BARNES N，ZELINSKY A，F(xiàn)letcher L.Real-time speed sign detection using the radial symmetry detector［J］.IEEE Trans.Intell.Transp.Syst.，2008，9(2):322-332.

［8］CREUSEN I，WIJNHOVEN R，HERBSCHLEB E，et al.Color exploitation in hog-based traffic sign detection［C］.In Proc 17th IEEE ICIP，2010，2669-2672.

［9］BARO X，ESCALERA S，VITRIA J，et al.Traffic sign recognition using evolutionary adaboost detection and forest-ECOC classification ［J］.IEEE Trans.Intell.Transp.Syst.，2009，10(1):113-126.

［10］王剛毅.交通標(biāo)志檢測與分類算法研究［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2013.

［11］岡薩雷斯.數(shù)字圖像處理(MATLAB版)［M］.阮秋琦，譯.北京:電子工業(yè)出版社，2007.