基于图像处理铁路信号灯特征提取

李永河，董华军，2，刘伸展，黄 璨

(1.平高集团有限公司，河南 平顶山 467001;2大连交通大学 机械工程学院，辽宁 大连 116028;3浙江明德自动化设备有限公司，浙江 杭州 311112)

0 引言

随着国民经济持续快速健康的发展和铁路跨越式发展战略的实施，铁路客货运量和运输收入持续增长，特别是全国第五次大面积提速调度的实施，取得了显著的社会和经济效益.但是，当前铁路运能和需求得到全面发展的同时，铁路的安全问题却收到严重的挑战.目前世界各国政府和铁路企业都把运输安全放在重要位置，在我国铁路运输得到飞跃性发展，时速在不断刷新的同时，如何保证铁路运输的安全可靠性成为了铁路运输业一个重要研究课题.铁路信号灯是传递铁路信号的标志，其作用是保证列车运行安全，有效提高铁路运输效率，降低运输成本以及大大改善行车人员的劳动条件.但在实际应用过程中，往往出现不能对信号灯信号进行有效的进行检测和识别，从而影响了铁路运输的安全.

近年来，随着数字图像处理技术的发展，利用光学、图像处理等技术实现铁路信号灯的有效识别已经受到人们的重视［1-3］.为了找到过滤影响的复杂因素并正确显示信号灯信号的方法，本文通过图像增强，图像分割与特征提取等方法获得清晰的信号图像，提取了信号灯的几何特征参数，为解决铁路行车安全问题提供了技术支持.

1 信号灯图像预处理

1.1 图像增强处理

由于所选择的信号灯区域总是受到铁路行车周围复杂环境的影响，例如公路路灯，附近房屋灯光，街灯或其他的反光体等，由摄像头获得的图像经过A/D转换、线路传送都会产生噪声污染，种种因素影响图像的清晰程度，降低了图像质量［3］.因此，在对图像进行分析处理之前，有必要对图像质量进行改善.直方图均衡化处理则是一种修改图像直方图方法，通过对直方图进行均衡化修正，可使图像的灰度间距增大或灰度均匀分布、增大反差，是图像的细节变得清晰.图1是采集得到的信号灯图像和经过增强处理后的路灯图像及它们相应的灰度直方图，由图可看出经过处理后的信号灯图像对比度得到增强，图像细节特征更加清晰，为图像的特征提取提供了技术基础.

图1 信号灯原图像，增强后图像及其对应灰度直方图

1.2 图像剪切

图2 信号灯切割后的图像

本文以信号灯为研究对象，在采集过程中，不可避免会采集很多没用的信息，为此，在进行图像处理之前需要对采集的图像进行切割以提取有效部分.当只需要处理图像中的一部分时，或者需要将某一部分取出，这样就要对图像进行剪切.剪切函数语法格式为I2=imcrop(I，rect)其中 rect是一个四元向量［Xmin，Ymin，width，height］，分别表示剪切图像的左上角的x，y坐标、宽度和高度.切割之后的信号灯图如图2所示.

1.3 图像边缘检测

图像边缘是图像最基本的特征，其广泛存在于目标与目标、物体与背景、区域与区域之间，是图像分割所依赖的重要特征.边缘的检测对于识别物体具有重要意义.由于边缘检测在图像处理中的重要地位，人们提出大量的边缘检测算法.传统的边缘检测方法有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算子对信号灯HSV图像H、S及V图像分别进行边缘检测，检测结果如图3所示.结果表明H分量不适合用来检测边缘，但是根据其本身性质，可以用来判断颜色的.此图像拍摄的是红色信号灯，即 H中心值在0，通过预先得到红色信号灯色调值的中心值和方差来确定红灯的取值范围.从图像S分量的处理结果可看到，在信号灯区域，S分量图像的边缘检测效果较优，基本上可以得到需要分割区域的边界.从图像 V分量的处理结果可看到，V分量的边缘检测图像主要为图像的亮度信息，相当于对应的灰度图像.

图3 基于Sobel信号灯H、S、V边缘检测结果

2 铁路信号灯特征提取

特征提取，主要是在原始图像中，找到图像目标，对图像目标进行特征提取，以区分图像本身，为图像的有效分析和识别提供技术支持.常用的图像特征有图像幅值特征、图像几何特征、图像形状特征及图像纹理特征等［5］.信号灯识别和分析主要是建立在图像特征提取的基础上，对交通信号灯提供的信息特征进行有效的识别和分析，并快速有效的告诉司机，以避免事故的发生.

对于交通信号灯来说，如何提取其信号灯几何特征尤其重要，只有对信号灯几何特征(面积，周长，矩形度及伸长度等信息)提取［6］，才能有效的对信号灯进行定位，从而实现信号的有效传递.

面积即信号灯图像区域所包含像素点个数的总和，最简单的面积计算方法是统计边界内部的像素的数目.其计算公式为：

这里f(x，y)为二值图像，其取值1时表示物体，取值0时表示背景，其面积就是统计f(x，y)=1的个数.

周长即围成信号灯区域所需要的像素点个数，把像素看作一个个点时，则周长用连码表示，求周长也即计算链码长度，周长p表示为：

其中，物体形状越细长，其取值越大.

根据上述计算公式，运用MATLAB对实验图2信号灯提取的图像几何特征的具体结果为：面积：A=1.611 5e+005;周长：L=5.7223e+003;圆形度：R=0.7923.

圆形度即是用来表示物体圆形程度的指标，圆形度是用来表示物体圆形程度的指标.在拍摄图像中，信号灯为圆形，可以利用一些常见的圆形度指标来判定分割区域是否圆形，一般用周长的平方与面积之比来表示圆形度.

3 结论

本文利用数字图像处理技术对铁路交通信号灯图像进行了图像增强，图像剪切及边缘检测处理，运用MATLAB软件提取了信号灯图像的几何特征提取.结果表明，通过图像处理技术运用MATLAB能够实现对交通信号灯进行有效的处理和特征提取，为信号灯的有效识别及铁路运行的安全提供了技术支持.

［1］苏岗.基于机器视觉的铁路调车信号识别研究［J］.自动化信息杂志，2009，12(2)：22-28.

［2］李辉.智能交通系统中基于视频的车辆检测与跟踪方法研究［D］.上海：华东师范大学，2010.

［3］王泽发，唐兴国.基于灰度变换的图像增强方法研究［J］.科技创新导报，2011(1)：109.

［4］任民宏.图像边缘检测算法的比较与展望［J］.中国科技信息，2007，10(1) ：119-120.

［5］刘禾.数字图像处理及应用［M］.北京：中国电力出版社，2006.

［6］姚敏.数字图像处理［M］.北京：机械工业出版社，2006.