基于分水嶺變換的粘連交通標志分離算法

薛玉利

(山東青年政治學院 信息工程學院，山東 濟南 250103)

?

基于分水嶺變換的粘連交通標志分離算法

薛玉利

(山東青年政治學院 信息工程學院，山東 濟南 250103)

摘要：提出一種最大極值區域(MSERs)結合分水嶺變換的粘連交通標志分離算法。首先通過MSERs對圖像進行二值化，選取在多個二值圖像中形狀均保持不變的區域作為候選標志區域；然后，判斷是否為粘連標志，若是則用分水嶺變換分離；最后提取單個標志。實驗結果表明，該算法能夠有效分離粘連交通標志，提取到完整的單個交通標志。

關鍵詞：MSERs；分水嶺變換；粘連標志

引用格式：薛玉利. 基于分水嶺變換的粘連交通標志分離算法[J].微型機與應用，2016,35(13)：48-50,54.

0引言

利用顏色分割來檢測交通標志的算法主要采用RGB[1]、YUV和HIS等顏色空間，因為RGB顏色特征對光照變化非常敏感，人們又提出了歸一化RGB[2]和MSERs[3]來改進。在檢測中，如果多個交通標志距離較近，分割后的圖像會出現互相粘連的情況(通常為2～4個)，在去除干擾區域時，粘連的標志區域被誤濾除，降低了交通標志檢測性能。目前的檢測算法對這個問題關注較少，在參考文獻[4]中，BUI-MINH T等提出兩種分離粘連標志的算法，第一種算法利用粘連標志內部區域之間不連通的特性進行分離，當遮擋程度高時，分離效果差；第二種算法利用分水嶺變換分離，不受遮擋程度的約束，但算法計算成本較高。參考文獻[5]采用歸一化RGB方法對圖像分割，對每一個候選標志區域進行分水嶺變換，計算成本較參考文獻[4]有明顯提高，但是在圖像二值化時采用單一閾值，提取的標志存在斷裂、不連續等問題，影響了后續的檢測和識別。

本文針對上述問題，提出一種基于MSERs和分水嶺變換的粘連交通標志分離算法，利用多個閾值對圖像進行二值化，選取在多個二值圖像中形狀均保持不變的區域作為候選標志區域，然后對其進行分離處理，可以有效提取出交通標志，而且對光照變化魯棒性更強。

1基于MSERs的圖像分割

1.1交通標志的MSERs提取

圖像轉換為歸一化紅藍圖像ΩRB的公式為：

(1)

ΩRB可以提取出紅、藍色像素值最高的像素，有利于檢測紅、藍色的標志。設定標志的閾值范圍為[90,150]，均勻選擇12個閾值對ΩRB二值化。如果某個連通區域的形狀在幾個閾值的二值圖像中均保持不變，則選作候選標志區域。

1.2排除干擾區域

將候選區域進行孔洞填充，將像素數小于80或大于2 000的區域判為干擾區域，將其濾除。

對于候選標志區域，設定縱橫比參數閾值ARth。圓形或正方形標志最小外接矩形的縱橫比為1；三角形標志的縱橫比為0.87(水平放置)或1.15(垂直放置)。考慮到交通標志傾斜、旋轉及攝像裝置的放置位置等問題，容許各種形狀標志的縱橫比在一個范圍內。不同數量的粘連標志的縱橫比范圍如表1所示。

當候選標志區域的縱橫比擊中[0.8,1.3]時，判定為1個標志，直接提取；如果縱橫比擊中2、3、4個標志的閾值區間時，判定為粘連標志，提取該連通區域。

表1　粘連標志的縱橫比范圍

2基于分水嶺變換的粘連標志分離

距離變換的圖像可以看做一個分水嶺地形結構，需要通過分水嶺變換找到分水嶺脊線。

令M1，M2，…，MR是表示圖像G(x,y)的區域最小點的坐標的集合。令C(Mi)是標志與區域最小值Mi相聯系的匯水盆地中的點的坐標集合。令T[n]表示滿足G(s,t)

T[n]={(s,t)|G(s,t)

(2)

令Cn(Mi)表示匯水盆地中與淹沒階段n的最小值Mi相關聯的點的坐標集。則Cn(Mi)可看成是由下式給出的一幅二值圖像。

Cn(Mi)=C(Mi)∩T[n]

(3)

令C[n]表示在階段n中已被水淹沒的匯水盆地的“并”。令C[max+1]表示所有匯水盆地的“并”。即：

(4)

(5)

顯然，C[n-1]是C[n]的一個子集，因為C[n]是T[n]的一個子集，所以C[n-1]可以理解為是T[n]的一個子集。即C[n-1]中的每一個連通分量都恰好包含在T[n]的一個連通分量中。

尋找分水線的算法使用C[min+1]=T[min+1]來初始化，然后利用遞歸處理由C[n-1]計算C[n]，最終可以得到1個像素寬的分水嶺脊線，對脊線求補，將粘連的連通區域與脊線的補進行“與”操作，即可得到被脊線分離的區域ROI。設ROI的高、寬分別為h、w，滿足式(6)的ROI被判斷為單個標志，不滿足的則認為是干擾區域。

(6)

3實驗結果與分析

為了驗證本文算法的有效性，分別對德國交通標志集GTSDB和濟南市區的交通標志集進行測試。GTSDB中粘連標志圖像20幅，涉及粘連的交通標志60個。濟南數據集是在汽車速度為30～80 km/h，由行車記錄儀在不同時間采集的城市道路圖像，共有477幅圖像，其中粘連標志圖像50幅，涉及粘連的標志150個，其中紅色標志83個，藍色標志67個。

對于粘連的標志圖像，分別采用參考文獻[5]的RGBN算法和本文的MSERs算法進行二值化，出現了兩種情況：(1) RGBN算法出現粘連標志，MSERs未出現粘連標志；(2) 兩種算法均出現粘連標志。

第一種情況如圖1所示。為了觀察方便，分別對兩種算法的粘連標志進行了局部放大。

圖1　算法比較

由圖1可以看出，RGBN算法的閾值單一，在圖像分割中，出現了交通標志粘連、區域不連續等問題。MSERs算法選取多個閾值，其中有幾個接近最佳閾值，所以MSERs的分割效果比RGBN的好。

對GTSDB中20幅粘連標志圖像分別用兩種算法分割，統計是否出現粘連標志的結果如表2所示。

表2　粘連標志統計表

第二種情況兩種分割算法均出現粘連，此時需要進行分離。實驗結果如圖2所示。

圖2　交通標志分離結果

由圖2可以看出，RGBN算法導致三角形標志不連續，后續的孔洞填充中該標志填充失敗，且三角形的不連續邊緣粘連在右下角的圓形標志上，在分水嶺變換中無法將二者分離。在判斷分離后的標志是否為單個標志時，因不滿足縱橫比條件導致右下角的圓形標志被濾除。兩種算法的分離結果如表3所示。

表3　分離結果

本文算法還適于紅色和藍色標志粘連、藍色標志之間粘連的情況。因為MSERs得到的是歸一化紅藍圖像，當出現紅色、藍色之間標志粘連時，也可以用本文算法進行分離處理。實驗結果如圖3所示。

對于濟南市區的數據集，采用參考文獻[5] 與本文算法分割，實驗結果如表4所示。

表4　兩種算法的分離結果

圖3　粘連的藍色標志分離結果

由表3、4可以看出，參考文獻[5]僅對紅色交通標志進行實驗分析，采用RGBN分割算法，導致部分標志分割后出現斷裂、不連續等問題，因而無法定位這些標志。本文算法基于MSERs算法，采用多個閾值分割，可以獲得較完整的交通標志，最后成功定位交通標志，并且該算法同時適用于紅色和藍色的交通標志。

4結束語

本文提出了一種基于MSERs和分水嶺變換分離粘連交通標志的算法，實驗證明，該方法能夠有效分離粘連的交通標志，定位單個標志，為后續的交通標志識別打好基礎。MSERs方法采用多個閾值對圖像進行二值化，可以獲得比RGBN方法更好的分割效果。

參考文獻

[1] SOETEDJO A, YAMADA K. Fast and robust traffic sign detection[C]. 2005 IEEE International Conference on Systems, Man and Cybernetics, Waikoloa, HI, USA,2005:1341-1346.

[2] KAMADA H, NAOI S, GOTOH T. A compact navigation system using image processing and fuzzy control[J]. in Proc. IEEE Southeast on, New Orleans, LA, 1990(1)：337-342.

[3] AYOAGI Y, ASAKURA T. A study on traffic sign recognition in scene image using genetic algorithms and neural netwo-rks[C].Proceedings of IEEE Int. Conf. Ind. Electron. Control Instrum. Taipei,China:IEEE,1996:1838-1843.

[4] BUI-MINH T, GHITA A, WHELAN P F, et al. Two algorithms for detection of mutually occluding traffic signs[C]. ICCAIS 2012,2012 International Conference on Control, Automation and Information Sciences, New York: IEEE,2012:120-125.

[5] 李厚杰,邱天爽,宋海玉,等.基于分水嶺變換的互相遮擋交通標志自適應分離[J].大連理工大學學報,2014,54(1):100-105.

中圖分類號：TP751

文獻標識碼：A

DOI：10.19358/j.issn.1674- 7720.2016.13.016

(收稿日期：2016-03-17)

作者簡介：

薛玉利(1981-)，女，碩士，講師，主要研究方向：數字圖像處理，模式識別。

Separation algorithm of adhesion traffic signs based on watershed transform

Xue Yuli

(School of Information Engineering, Shandong Youth University of Political Science, Jinan 250103, China)

Abstract:A new algorithm for the separation of adhesion traffic signs based on MSERs and watershed transform is proposed. Firstly, the image is binaried by several threshold, the region that keeps unchanged shape is selected as the interest. If the region is a adhesion, watershed transform is used to separate the adhesion. Finally, the single traffic sign is extracted. The experimental results show that our algorithm can effectively separate the adhesion signs, extract single traffic sign.

Key words:MSERs; watershed transform; adhesion signs