一種改進的空間濾波除噪算法在道路識別中的運用

陳俞瑋 應駿 王沛

摘要： 提出了一種在道路邊緣像素連續(xù)的前提下，運用空間濾波方法除去道路圖像中央的噪聲的新算法，從而使得機器人在直線道路情況下能夠清晰地識別出路和非路的部分.通過實驗比較，結果表明該算法能夠得到較好的除噪和道路擬合效果.

關鍵詞：

空間濾波； 噪聲去除； 道路識別

中圖分類號： TN 919.8文獻標志碼： A文章編號： 10005137（2018）02025805

Application of an improved spatial filtering denoising

algorithm in road recognition

Chen Yuwei， Ying Jun*， Wang Pei

（The College of Information，Mechanical and Electrical Engineering，Shanghai Normal University，Shanghai 200234，China）

Abstract：

A new algorithm based on the idea of spatial filtering is proposed to remove the central noise of the road images under the premise of continuous pixels on the road edge，so that the robots can clearly identify the way out and the nonway part in the case of straight road.The experimental results show that the algorithm has better denoising and road fitting effect.

Key words：

spatial filtering； noise elimination； road recognition

收稿日期： 20171025

作者簡介： 陳俞瑋（1994-），女，碩士研究生，主要從事數(shù)字圖像處理方面的研究.Email：chen_yuwei@163.com

導師簡介： 應駿（1973-），男，博士，碩士生導師，主要從事嵌入式、視頻信號的壓縮與處理方面的研究.Email：junying@shmiic.com

*通信作者

引用格式： 陳俞瑋，應駿，王沛.一種改進的空間濾波除噪算法在道路識別中的運用 [J].上海師范大學學報（自然科學版），2018，47（2）：258-262.

Citation format： Chen Y W，Ying J，Wang P.Application of an improved spatial filtering denoising algorithm in road recognition [J].Journal of Shanghai Normal University （Natural Sciences），2018，47（2）：258-262.

隨著無人駕駛研究的深入，機器視覺下道路邊界識別的精確性要求越來越高[1]，對于圖像噪聲的處理顯得尤為重要.但是，由于種種條件限制及隨機干擾，成像系統(tǒng)獲取的原始圖像經過預處理分割后，很難去除所有的噪聲，噪聲的存在會惡化圖像的質量，甚至淹沒需要檢測的特征，增加道路邊界的分析難度，降低道路識別的準確性.

文獻[2]依據道路邊界的先驗知識與預測知識進行道路邊界的識別，文獻[3]依據自然邊界不易受到污染的現(xiàn)象提出了道路邊緣檢測的方法，文獻[4]首先建立了直線邊界模型，再利用道路邊界的領域特征從圖像中識別出道路邊界，文獻[5]引入蟻群算法，利用信息素的正反饋作用，確定邊界參數(shù)及模型參數(shù)，進行邊緣識別，文獻[6]依據證據理論，利用局部區(qū)域提取方向、道路邊界梯度與灰度3個特征進行道路邊界識別，提升算法對于光照的適應性.

上述文獻采用的識別算法較繁瑣，對單幅圖像中道路邊緣識別準確率較高，但對算法的實時性較低.針對機器人采集并預處理后的圖像，本文作者提出了一種改進的空間濾波除噪算法，并結合一種新的道路邊界擬合方法，簡化了算法的過程并提高了算法實時性.

1算法的設計

1.1空間濾波的傳統(tǒng)算法

空間濾波是由對一個鄰域內的圖像執(zhí)行的預定義操作組成.在圖像空間中借助空間濾波器對圖像進行鄰域操作，根據模板對輸入像素相應鄰域內的像素值計算得到輸出像素的取值[7].

1.2改進空間濾波算法的設計

降低噪聲的濾波器大多使用平滑濾波器，其主要用于模糊處理和降低噪聲方面，可以在目標提取之前去除圖像中的一些噪聲和瑣碎細節(jié).

對圖像預處理并二值化后，基于計算道路邊緣連續(xù)的情況下，確保濾除噪聲時不會對于道路邊緣造成影響.假設原始圖像的道路邊緣部分像素Z1，以濾波器系數(shù)W1進行平移，通過依次計算由濾波器覆蓋下相應圖像的響應特性R1，通過比較得出R1最小值

R1，min=min{R1|R1=ZT1W1}，

（1）

然后判斷道路中央噪聲部分.由于噪聲是比較分散，面積比較小，因此判斷響應特性小于R1，min的像素部分為噪聲，其像素值置為0.

接著，為了提高精度，對于第一次未清除掉的噪聲進行二次模板卷積，劃分感興趣區(qū)域（ROI），并對該區(qū)域進行二次濾波.

1.3基于改進濾波算法下的道路直線擬合新算法

本文作者提出一種新的對圖像中像素采用按列掃描點集的直線擬合算法，圖像以y方向，自下而上依次掃描每一列最下面非0像素點，從而形成代表道路的點集 （x，y），（xk，yk）為該點集中k點的坐標.為了提高直線擬合的精確度，首先采用最小二乘法做出直線，將直線與點之間進行距離判斷.假設偏離程度與出現(xiàn)概率呈現(xiàn)正態(tài)分布，其模型如圖1所示，當?shù)缆伏c集出現(xiàn)概率趨向于0時，認為其為偏離較大的像素點，去掉該點集，像素值f（xk，yk）置為0，再次對非0像素點進行最小二乘法直線回歸.

2實驗結果與分析

2.1圖像預處理

首先，將turtlebot2機器人安裝攝像機作為圖像采集源，在上海師范大學奉賢校區(qū)內進行視頻采集，識別每幀圖像的平均總耗時42 ms，實時性達到系統(tǒng)要求.采集序列中的第n幀640 pixels×480 pixels的圖片，對其進行基于直方圖分割，由于光線和亮暗等原因，造成分割效果不佳，產生了一些噪聲（圖2）.接著對其進行形態(tài)學上關于邊緣的修復.像素連續(xù)的條件下，選擇對其進行Canny算子的邊緣提取，其上下限閾值分別設置為80，150.同時對圖像進行二值化處理（0和255），從而減少后續(xù)算法的復雜性，并且對其進行Canny算子的提取邊緣，如圖3所示.

2.2與傳統(tǒng)的濾波去噪算法的效果對比

同時，本實驗也采用了中值濾波、高斯濾波及均值濾波3中經典算法對圖3進行濾波（圖4）.

圖5，6為基于空間濾波思想的濾波改進算法執(zhí)行效果.由圖4～6可知，傳統(tǒng)算法的濾除對于這種分散噪聲的效果，并不明顯，而改進濾波后算法用于除去道路圖像的噪聲的效果比較好.

2.3算法適用性測試

為了測試算法的實用性，分別采集了結構化道路和帶有陰影的道路圖片作為實驗對象.為了只擬合道路的兩個邊緣，將擬合的兩條直線中間非道路部分的像素設為0.為了驗證上述算法的準確性，對采集的道路照片進行測試，將提取的直線放入原圖進行比較，如圖7，8所示.各算法的運算時間分別為：均值濾波算法為0.223657 s，中值濾波算法為0.339636 s，高斯濾波算法為0.480848 s，本算法為0.156681 s.

3總結

本文作者在傳統(tǒng)的濾波方法基礎上提出了一種新的去除噪聲的算法，并且將其運用在道路識別中.同時以列提取點集進行最小二乘法擬合直線道路邊緣.通過與原圖的對比效果，發(fā)現(xiàn)擬合效果較好.但是本算法僅采用直線擬合，以至于對于彎道的擬合效果不夠理想.因此，將在下一步工作中解決彎道問題.

參考文獻：

[1]張玲新，季本山.基于AIS的近海水上智能交通系統(tǒng) [J].電子科技，2012，25（8）：104-106.

Zhang L X，Ji B S.Intelligent coastal waters transportation system based on AIS [J].Electronic Science and Technology，2012，25（8）：104-106.

[2]徐杰，李曉虎，王榮本，等.車輛自主導航中的道路邊界識別算法 [J].中國圖象圖形學報，2003，8（6）：674-678.

Xu J，Li X H，Wang R B，et al.Road edge detection technique for autonavigation of vehicle [J].Journal of Image and Graphics，2003，8（6）：674-678.

[3]徐友春，王榮本，李克強，等.一種基于直線模型的道路識別算法研究 [J].中國圖象圖形學報，2004，9（7）：858-864.

Xu Y C，Wang R B，Li K Q，et al.A linear model based road identification algorithm [J].Journal of Image and Graphics，2004，9（7）：858-864.

[4]劉金龍，張曉雨.基于直線模型的道路邊界識別技術 [J].電子科技，2014，27（10）：36-39.

Liu J L，Zhang X Y.Road edge detection technique based on the linear model [J].Electronic Science and Technology，2014，27（10）：36-39.

[5]馬雷，武波濤，李昊.基于蟻群算法的彎曲道路邊界的識別 [J].兵工學報，2009，30（9）：1236-1241.

Ma L，Wu B T，Li H.Identifying of the bent lane based on ant colony algorithm [J].Acta Armamentarii，2009，30（9）：1236-1241.

[6]馬雷，戚俊杰，張潤生，等.基于DS證據理論的不同光照條件下道路邊界識別 [J].汽車工程，2011，33（8）：707-712.

Ma L，Qi J J，Zhang R S，et al.Identification of lane boundary under different lighting conditions based on DS evidence theory [J].Automotive Engineering，2011，33（8）：707-712.

[7]Russell M，F(xiàn)ischaber S.OpenCV based road sign recognition on Zynq [C].Proceedings of the 11th IEEE International Conference on Industrial Informatics，Bochum：IEEE，2013.

（責任編輯：包震宇，郁慧）