基于顏色聚類和Hu不變矩的道路交通標(biāo)志檢測

引言

隨著當(dāng)今社會現(xiàn)代化進(jìn)程的高速推進(jìn)與經(jīng)濟(jì)的快速發(fā)展,城市交通擁擠與堵塞現(xiàn)象已日趨嚴(yán)重。在這種情況下，智能交通系統(tǒng)(IntelligentTransportationSystem，ITS)應(yīng)運(yùn)而生并受到廣泛關(guān)注，交通標(biāo)志識別系統(tǒng)(RoadSignRecognition，RSR)作為智能交通系統(tǒng)的重要組成部分己成為研究的熱點(diǎn)。交通標(biāo)志是道路交通系統(tǒng)的重要組成部分，其所傳達(dá)的信息對規(guī)范交通行為、指示道路狀況、保障道路功效、引導(dǎo)行人和安全駕駛等方面具有重要的作用。如何在交通標(biāo)志出現(xiàn)的時(shí)候，及時(shí)、準(zhǔn)確地識別標(biāo)志，輔助駕駛員安全駕駛，促進(jìn)交通暢通和行車安全，已經(jīng)成為急需解決的問題?，F(xiàn)有的交通標(biāo)志檢測大多基于標(biāo)志圖，針對實(shí)景圖的研究較少，且大多數(shù)算法較為復(fù)雜，實(shí)時(shí)性難以得到保障。同周圍環(huán)境相比,每種交通標(biāo)志都具有顏色和幾何形狀的特殊性，本文利用這個(gè)特點(diǎn)，采用彩色聚類分割和Hu不變矩相結(jié)合的方法實(shí)現(xiàn)標(biāo)志的檢測。首先，根據(jù)交通標(biāo)志的顏色特征，在RGB色彩模型下針對交通標(biāo)志場景圖選擇感興趣顏色進(jìn)行聚類分割，得到感興趣區(qū)域；然后運(yùn)用數(shù)學(xué)形態(tài)學(xué)的腐蝕與膨脹將分割后圖像中的臂結(jié)構(gòu)去掉，利用孔洞填充等提取出只含有標(biāo)志圖的二值圖像；最后用Hu不變矩計(jì)算標(biāo)志圖的特征值，檢測出交通標(biāo)志。

1彩色圖像聚類分割

彩色圖像分割方法可分為以下幾類：聚類(Clustering),區(qū)域分裂(Regionsplitting)、分裂-合并(Split-merge)和基于物理的方法(Physics-basedsegmentation)?對于一幅彩色圖像，可以利用聚類的方法根據(jù)顏色視覺上的不同將其劃分為一系列相似的部分，從而實(shí)現(xiàn)了彩色圖像分割。這種方法根據(jù)圖像中像素值，利用統(tǒng)計(jì)模式識別中的統(tǒng)計(jì)特性找出顏色空間的類，然后將圖像中每一像素標(biāo)識到相應(yīng)的類，每一類就對應(yīng)一個(gè)區(qū)域。

1.1彩色圖像的聚類原理

對于彩色道路交通標(biāo)志圖像，色彩空間是一個(gè)典型的特征空間，因此在色彩空間進(jìn)行聚類是一個(gè)很直接的想法，而且像素的顏色信息在空間都成簇分布?；诰垲惣夹g(shù)的基本原理是將一幅道路交通標(biāo)志圖像聚為特征空間中的幾簇，每一簇都對應(yīng)著圖像中的目標(biāo)。色彩聚類分割方法通常按如下步驟進(jìn)行：先把彩色圖像中的像素按照某種聚類規(guī)則對應(yīng)到特征空間中的簇，當(dāng)所有的像素都處理完后，再把特征域中的簇映射回空間域，實(shí)現(xiàn)圖像的分割。

1.2RGB空間聚類切割

在顏色空間模型中，任意一種顏色都對應(yīng)一個(gè)空間的位置。數(shù)字圖像中同一個(gè)目標(biāo)或目標(biāo)的某部分所對應(yīng)的像素，它們的顏色在彩色空間中是聚集在一起的?？紤]圖像中的某個(gè)區(qū)域，彩色分割最簡單的方法是確定該區(qū)域的顏色聚類，讓這個(gè)聚類保持原有的顏色，而讓圖像中其他不在這個(gè)聚類內(nèi)的顏色顯示為某種固定的顏色(如灰色)，這樣就可以將感興趣的顏色區(qū)域從圖像中提取出來。

在RGB空間中，用一個(gè)球體來確定某種顏色的聚類，從而提取圖像中該聚類的顏色區(qū)域可用下式表示：

式中，R0為顏色聚類球體的半徑；aj(j=1，2，3)為該球體中心的各顏色(即R，G，B)分量；ri為像素顏色分量；C為某種固定的顏色。

式中,Ro為顏色聚類球體的半徑叫=1,2,3)為該球體中心的各顏色(即R，G，B)分量；片為像素顏色分量;C為某種固定的顏色。

對于一幅帶交通標(biāo)志的場景圖，我們感興趣的是標(biāo)志區(qū)域，從圖像中選擇標(biāo)志區(qū)域?qū)?yīng)顏色的一個(gè)像素，選擇該像素3X3領(lǐng)域內(nèi)各分量的均值，對顏色分層，設(shè)置顏色聚類球體半徑為60,移動(dòng)光標(biāo)到感興趣的顏色上，利用鼠標(biāo)左鍵選擇顏色，等待程序執(zhí)行結(jié)束，彈出分層結(jié)果圖像。圖1所示是場景圖和聚類分割結(jié)果圖。

1.3實(shí)例分析及討論

本次實(shí)驗(yàn)圖像是選取道路交通標(biāo)志中的1幅實(shí)驗(yàn)圖像進(jìn)行顏色聚類分割，分別提取場景圖中藍(lán)色和紅色標(biāo)志。從圖1可以看出，RGB空間聚類切割能準(zhǔn)確且快速(識別時(shí)間為1s)地識別出標(biāo)志顏色區(qū)域，如此就可以很方便地進(jìn)行后續(xù)標(biāo)志圖識別。

2基于Hu不變矩交通標(biāo)志識別

2.1標(biāo)志區(qū)域的提取

經(jīng)過顏色聚類后的標(biāo)志圖像，必須提取出標(biāo)志區(qū)域才能進(jìn)行特征值計(jì)算。本文將圖1中的(c)圖進(jìn)行灰度二值化后,用腐蝕與膨脹運(yùn)算先將圖1(c)中的臂結(jié)構(gòu)去掉，再利用孔洞填充，找到標(biāo)志圖區(qū)域的行列，提取出標(biāo)志圖區(qū)域，其結(jié)果如圖2所示。

2.2不變矩

矩特征主要表征了圖像區(qū)域的幾何特征，又稱為幾何矩。由于其具有旋轉(zhuǎn)、平移、尺度的不變性，所以又稱其為不變矩。幾何不變矩可以作為一個(gè)重要的特征來表示物體，可以據(jù)此特征對圖像進(jìn)行分類識別等操作。目前，應(yīng)用于圖像識別的矩特征主要有Hu矩、Zernike矩、小波矩［8-11］等。

Hu矩［6-7］:對于一幅MXN的離散圖像fi,j),J(i，j)為(i，j)處的灰度等級,p+q階幾何矩mpq和中心矩卩珂定義為：

歸一化的中心矩定義為：

Hu利用二階矩和三階中心矩構(gòu)造了7個(gè)不變矩,這7個(gè)不變矩滿足平移、縮放和旋轉(zhuǎn)不變的條件，其公式如下：

Hu矩的前三項(xiàng)反映了圖像邊緣的低頻信息，即較粗的總體信息，后四項(xiàng)主要體現(xiàn)了目標(biāo)邊緣區(qū)域的高頻信息，反映了細(xì)節(jié)變化。在進(jìn)行目標(biāo)識別過程中，可以利用基于區(qū)域和基于邊界的圖像的7個(gè)矩不變量組成圖像的特征向量，對圖像進(jìn)行識別。3Hu不變矩特征提取與識別

3.1交通標(biāo)志圖像的預(yù)處理

本實(shí)驗(yàn)選取圖3所示的9幅不同的真彩色指示交通標(biāo)志為模板。首先將真彩色的指示交通標(biāo)志圖像樣本進(jìn)行數(shù)字化處理，將其轉(zhuǎn)換為如圖4所示的256級的灰度圖像。

本文采用Hu不變矩公式分別對9幅經(jīng)過灰度二值化處理后的標(biāo)準(zhǔn)指示交通標(biāo)志圖像進(jìn)行特征提取，并對處理后的標(biāo)準(zhǔn)圖像進(jìn)行旋轉(zhuǎn)、鏡像、尺度變換，所得到的圖像如圖5所示。

3.2Hu不變矩特征提取

首先采用上文提出的Hu不變矩公式對圖4中的9幅標(biāo)準(zhǔn)指示交通標(biāo)志圖像進(jìn)行特征提取，表1給出了特征提取的結(jié)果。對圖4中第2幅標(biāo)準(zhǔn)圖像進(jìn)行放大、縮小、旋轉(zhuǎn)90°、180。、270。，所得到的圖像如圖5(a)所示。對圖4中第3幅標(biāo)準(zhǔn)圖像進(jìn)行放大、縮小、旋轉(zhuǎn)90°、180°、270°，所得到的圖像如圖5(b)所示。

分別把第2幅和第3幅標(biāo)準(zhǔn)原圖像進(jìn)行旋轉(zhuǎn)、縮放后的圖像作為待測圖像，分別提取7個(gè)不變矩特征值，表2和表3給出了經(jīng)變換后的圖像Hu不變矩特征值。

根據(jù)表2和表3中的實(shí)驗(yàn)數(shù)據(jù)可以看出，旋轉(zhuǎn)、縮放后的圖像的7個(gè)不變矩特征值與標(biāo)準(zhǔn)原始圖像的7個(gè)不變矩特征值非常接近。

將上文中提取出的右轉(zhuǎn)標(biāo)志區(qū)域圖作為待測圖像，計(jì)算7個(gè)不變矩特征值，其結(jié)果如表4所列。

將表4分別與表2和表3的相似性進(jìn)行對比，可以分析出，表4與表3數(shù)據(jù)最接近，待測圖像的特征值與標(biāo)準(zhǔn)圖像經(jīng)尺度變化后的特征值最相近，因此，可以識別出標(biāo)志為右轉(zhuǎn)指示標(biāo)志。

4結(jié)語

本文對交通標(biāo)志自動(dòng)識別進(jìn)行了初步研究，提出了基于RGB空間顏色聚類和不變矩的識別方法。在實(shí)驗(yàn)中，以指示交通標(biāo)志為研究對象，利用顏色聚類理論提取出需要識別的顏色，分割出標(biāo)志區(qū)域，再結(jié)合不變矩理論提取標(biāo)準(zhǔn)圖像和待識別交通標(biāo)志圖像七個(gè)Hu不變矩特征向量，將特征值比對識別圖像。實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有很好的識別能力，對旋轉(zhuǎn)、縮放后的圖像可以達(dá)到較高的識別率，同時(shí)進(jìn)一步證明了不變矩不受識別目標(biāo)大小、位置、方位的影響，可以用于描述圖像的整體性質(zhì)。

20211021_61714ef0b6470__基于顏色聚類和Hu不變矩的道路交通標(biāo)志檢測