基于分水岭变换的粘连交通标志分离算法

薛玉利

(山东青年政治学院 信息工程学院，山东 济南 250103)



基于分水岭变换的粘连交通标志分离算法

薛玉利

(山东青年政治学院 信息工程学院，山东 济南 250103)

摘要：提出一种最大极值区域(MSERs)结合分水岭变换的粘连交通标志分离算法。首先通过MSERs对图像进行二值化，选取在多个二值图像中形状均保持不变的区域作为候选标志区域；然后，判断是否为粘连标志，若是则用分水岭变换分离；最后提取单个标志。实验结果表明，该算法能够有效分离粘连交通标志，提取到完整的单个交通标志。

关键词：MSERs；分水岭变换；粘连标志

引用格式：薛玉利. 基于分水岭变换的粘连交通标志分离算法[J].微型机与应用，2016,35(13)：48-50,54.

0引言

利用颜色分割来检测交通标志的算法主要采用RGB[1]、YUV和HIS等颜色空间，因为RGB颜色特征对光照变化非常敏感，人们又提出了归一化RGB[2]和MSERs[3]来改进。在检测中，如果多个交通标志距离较近，分割后的图像会出现互相粘连的情况(通常为2～4个)，在去除干扰区域时，粘连的标志区域被误滤除，降低了交通标志检测性能。目前的检测算法对这个问题关注较少，在参考文献[4]中，BUI-MINH T等提出两种分离粘连标志的算法，第一种算法利用粘连标志内部区域之间不连通的特性进行分离，当遮挡程度高时，分离效果差；第二种算法利用分水岭变换分离，不受遮挡程度的约束，但算法计算成本较高。参考文献[5]采用归一化RGB方法对图像分割，对每一个候选标志区域进行分水岭变换，计算成本较参考文献[4]有明显提高，但是在图像二值化时采用单一阈值，提取的标志存在断裂、不连续等问题，影响了后续的检测和识别。

本文针对上述问题，提出一种基于MSERs和分水岭变换的粘连交通标志分离算法，利用多个阈值对图像进行二值化，选取在多个二值图像中形状均保持不变的区域作为候选标志区域，然后对其进行分离处理，可以有效提取出交通标志，而且对光照变化鲁棒性更强。

1基于MSERs的图像分割

1.1交通标志的MSERs提取

图像转换为归一化红蓝图像ΩRB的公式为：

(1)

ΩRB可以提取出红、蓝色像素值最高的像素，有利于检测红、蓝色的标志。设定标志的阈值范围为[90,150]，均匀选择12个阈值对ΩRB二值化。如果某个连通区域的形状在几个阈值的二值图像中均保持不变，则选作候选标志区域。

1.2排除干扰区域

将候选区域进行孔洞填充，将像素数小于80或大于2 000的区域判为干扰区域，将其滤除。

对于候选标志区域，设定纵横比参数阈值ARth。圆形或正方形标志最小外接矩形的纵横比为1；三角形标志的纵横比为0.87(水平放置)或1.15(垂直放置)。考虑到交通标志倾斜、旋转及摄像装置的放置位置等问题，容许各种形状标志的纵横比在一个范围内。不同数量的粘连标志的纵横比范围如表1所示。

当候选标志区域的纵横比击中[0.8,1.3]时，判定为1个标志，直接提取；如果纵横比击中2、3、4个标志的阈值区间时，判定为粘连标志，提取该连通区域。

表1　粘连标志的纵横比范围

2基于分水岭变换的粘连标志分离

距离变换的图像可以看做一个分水岭地形结构，需要通过分水岭变换找到分水岭脊线。

令M1，M2，…，MR是表示图像G(x,y)的区域最小点的坐标的集合。令C(Mi)是标志与区域最小值Mi相联系的汇水盆地中的点的坐标集合。令T[n]表示满足G(s,t)

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

(2)

令Cn(Mi)表示汇水盆地中与淹没阶段n的最小值Mi相关联的点的坐标集。则Cn(Mi)可看成是由下式给出的一幅二值图像。

Cn(Mi)=C(Mi)∩T[n]

(3)

令C[n]表示在阶段n中已被水淹没的汇水盆地的“并”。令C[max+1]表示所有汇水盆地的“并”。即：

(4)

(5)

显然，C[n-1]是C[n]的一个子集，因为C[n]是T[n]的一个子集，所以C[n-1]可以理解为是T[n]的一个子集。即C[n-1]中的每一个连通分量都恰好包含在T[n]的一个连通分量中。

寻找分水线的算法使用C[min+1]=T[min+1]来初始化，然后利用递归处理由C[n-1]计算C[n]，最终可以得到1个像素宽的分水岭脊线，对脊线求补，将粘连的连通区域与脊线的补进行“与”操作，即可得到被脊线分离的区域ROI。设ROI的高、宽分别为h、w，满足式(6)的ROI被判断为单个标志，不满足的则认为是干扰区域。

(6)

3实验结果与分析

为了验证本文算法的有效性，分别对德国交通标志集GTSDB和济南市区的交通标志集进行测试。GTSDB中粘连标志图像20幅，涉及粘连的交通标志60个。济南数据集是在汽车速度为30～80 km/h，由行车记录仪在不同时间采集的城市道路图像，共有477幅图像，其中粘连标志图像50幅，涉及粘连的标志150个，其中红色标志83个，蓝色标志67个。

对于粘连的标志图像，分别采用参考文献[5]的RGBN算法和本文的MSERs算法进行二值化，出现了两种情况：(1) RGBN算法出现粘连标志，MSERs未出现粘连标志；(2) 两种算法均出现粘连标志。

第一种情况如图1所示。为了观察方便，分别对两种算法的粘连标志进行了局部放大。

图1　算法比较

由图1可以看出，RGBN算法的阈值单一，在图像分割中，出现了交通标志粘连、区域不连续等问题。MSERs算法选取多个阈值，其中有几个接近最佳阈值，所以MSERs的分割效果比RGBN的好。

对GTSDB中20幅粘连标志图像分别用两种算法分割，统计是否出现粘连标志的结果如表2所示。

表2　粘连标志统计表

第二种情况两种分割算法均出现粘连，此时需要进行分离。实验结果如图2所示。

图2　交通标志分离结果

由图2可以看出，RGBN算法导致三角形标志不连续，后续的孔洞填充中该标志填充失败，且三角形的不连续边缘粘连在右下角的圆形标志上，在分水岭变换中无法将二者分离。在判断分离后的标志是否为单个标志时，因不满足纵横比条件导致右下角的圆形标志被滤除。两种算法的分离结果如表3所示。

表3　分离结果

本文算法还适于红色和蓝色标志粘连、蓝色标志之间粘连的情况。因为MSERs得到的是归一化红蓝图像，当出现红色、蓝色之间标志粘连时，也可以用本文算法进行分离处理。实验结果如图3所示。

对于济南市区的数据集，采用参考文献[5] 与本文算法分割，实验结果如表4所示。

表4　两种算法的分离结果

图3　粘连的蓝色标志分离结果

由表3、4可以看出，参考文献[5]仅对红色交通标志进行实验分析，采用RGBN分割算法，导致部分标志分割后出现断裂、不连续等问题，因而无法定位这些标志。本文算法基于MSERs算法，采用多个阈值分割，可以获得较完整的交通标志，最后成功定位交通标志，并且该算法同时适用于红色和蓝色的交通标志。

4结束语

本文提出了一种基于MSERs和分水岭变换分离粘连交通标志的算法，实验证明，该方法能够有效分离粘连的交通标志，定位单个标志，为后续的交通标志识别打好基础。MSERs方法采用多个阈值对图像进行二值化，可以获得比RGBN方法更好的分割效果。

参考文献

[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.基于分水岭变换的互相遮挡交通标志自适应分离[J].大连理工大学学报,2014,54(1):100-105.

中图分类号：TP751

文献标识码：A

DOI：10.19358/j.issn.1674- 7720.2016.13.016

(收稿日期：2016-03-17)

作者简介：

薛玉利(1981-)，女，硕士，讲师，主要研究方向：数字图像处理，模式识别。

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