自然场景建筑工程标志信息逐级细化识别算法

陈 燕，杨志刚

(1.江西应用科技学院建筑工程学院，江西南昌 330100；2.南昌大学，江西南昌330031)

1 引言

虽然目前我国建筑工程风险管理意识逐渐增强，但是建筑事故出现的数量有增不减。风险管理的相关研究显示，传递与警示危险信息的安全标志可以有效提醒人们危险源[1，2]。为了降低自然场景建筑工程风险，企业在工程项目现场会大量设置安全标志[3]。自然场景建筑工程标志长时间地暴露在户外，标志自身颜色将逐渐退化、变形[4]。在视频与图像的采集时，光照变化对自然场景建筑工程标志的颜色存在一定影响。且复杂环境中，建筑工程标志也会存在遮挡的情况。此时自然场景建筑工程标志信息的识别存在一定难度，对自然场景建筑工程风险的控制存在不利影响[5]。为此，本文提出基于图像增强的自然场景建筑工程标志信息逐级细化识别算法，高精度识别自然场景建筑工程标志信息。

2 基于图像增强的建筑工程标志信息逐级细化识别算法

2.1 工程标志图像增强算法

利用动态直方图均衡增强图像的过程中，图像高频灰度过度增强、低频数灰度级将被压缩。所以引入极大灰度频数抑制策略，以两者相融的模式处理此问题。

2.1.1 直方图映射范围设置

为避免图像出现高频灰度过度增强、低频数灰度级被压缩的情况，建立自然场景建筑工程标志图像直方图，使用直方图局部最小值相应的灰度级，把自然场景建筑工程标志图像原图分割为几个子层图像。此处理能够使低频数灰度像素点数量在子层图像里比例大于整个图像所占比例。根据子层范围要求，分配自然场景建筑工程标志图像灰度映射范围[6]。在子层图像均衡的基础上，根据直方图局部最小值将图像yin分割成m个子层图像后，第j个子层的恢复映射区间是：

rj=nj-nj-1

(1)

gj=rj(logDj)ρ

(2)

(3)

式(1)、(2)中，自然场景建筑工程标志图像原直方图第j个子层图像的灰度值是rj；原直方图第j个局部最小值是nj，第j-1个局部最小值是nj-1；Dj为第j个灰度频数总和；sj为第j个均衡后的灰度映射范围；ρ为范围控制参数，此参数值能够按照增强效果需求调节，一般在0～5之间时，增强效果显著；gk是自然场景建筑工程标志图像原直方图中，第k个子层图像的灰度范围。

2.1.2 基于极大灰度频数抑制的直方图重调整

为充分处理直方图均衡时高频数灰度对低频数灰度的支配问题，将自然场景建筑工程标志图像的各个子层直方图设置一个灰度频数控制阈值，并通过此阈值再次设置每个子层直方图[7]。详细做法是：若阈值H小于子层直方图里灰度级z的频数Q(z)，将频数设成K，反之频数不变动。把子层直方图设成

(4)

式(4)中，第j个子层图像的灰度级是z；nj-1

2.1.3 子层直方图均衡强化

直方图均衡能够优化自然场景建筑工程标志图像的对比度与灰度色调，本文重新定义自然场景建筑工程标志图像的新子层直方图，使用直方图均衡算法构建变换函数[9]。假定第1个子层起始值为0，最后一个子层终止值为255，则第j个子层的动态均衡计算公式为：

(5)

(6)

(7)

式(5)～(7)中，自然场景建筑工程标志图像里灰度级z的像素数量、第j个子层图像的灰度像素点初始值为mj(z)；m为像素点之和；qj(z)为每个灰度级的概率函数；Dj(z)为子层图像累计概率函数；Xj(z)为原子层图里灰度值z的映射灰度值。

2.1.4 增强流程

1)分析自然场景建筑工程标志图像直方图，判断与直方图灰度频数极小值相对应的灰度值，把自然场景建筑工程标志图像分成多个子层图像。此方法均衡子层图像时，使用灰度频数阈值能够让极小值点的选取不受约束，仅在频数极小值点的灰度值周围便可。为保证自然场景建筑工程标志图像增强的效果更佳，需按照自然场景建筑工程标志图像信息合理增大第1个子层与最后一个子层的灰度区间。

2)按照自然场景建筑工程标志图像的分层状况，为每个子层图像选取合理的动态均衡增强灰度映射区域，并设置灰度级频数控制阈值。

3)根据阈值建立子层直方图灰度变换函数，优化自然场景建筑工程标志图像增强效果。

2.2 基于逐级细化的自然场景建筑工程标志信息识别算法

2.2.1 自然场景建筑工程标志图像粗分类

1)颜色属性描述子

增强后自然场景建筑工程标志图像中颜色标签分别是黑、蓝、棕、灰、绿、橙、粉、紫、红、白、黄[10]。设置一个像素值，将11种颜色属性出现的几率设成CN描述子，CN描述子属于一个11维颜色向量。自然场景建筑工程标志图像区域中CN描述子代表全部像素的颜色属性均值，图像区域W的CN描述子是：

CN={q(CN1|W)，q(CN2|W)，…，q(CN11|W)}

(8)

(9)

式(8)、(9)中，增强后自然场景建筑工程标志图像区域W里像素是Y；Lab空间像素值为g(Y)；像素数量总值为M；CNn为第o种颜色属性；当Lab空间像素值g(Y)给定后，颜色属性o出现的条件概率为q(CNo|g(Y))；q(CNo|W)为增强后自然场景建筑工程标志图像区域种颜色属性o出现的条件概率。

2)CN-HOG特征

自然场景建筑工程标志存在显著的颜色信息，所以把颜色信息和方向梯度直方图(Histogram of Oriented Gradient，HOG)相融，可优化自然场景建筑工程标志图像的分类精度。通常情况下，颜色信息与HOG特征的融合方法是：依次在R、G、B三种通道中提取HOD特征，把它连接成一个特征，简称为RGB-HOG。此做法可以使用颜色信息，优化分类准确性，但是，该方法获取的特征松散性较显著。

使用CN与HOG相融的形式，把颜色域形状特征相融，把增强后自然场景建筑工程标志图像分成多个不存在重复性的、8×8像素区域，运算各个区域的HOG特征和CN描述子，获取直方图描述。以此可在HOG特征基础之上拓展11维颜色向量，获取CN-HOG特征：

CDj=[CNjHOGj]

(10)

3)线性SVM分类器

支持向量机分类器(简称SVM分类器)的应用效果主要与核函数的选取、参数选取有关。本文使用线性核函数，在增强后自然场景建筑工程标志图像的原特征空间里实施线性分类，方法是

K(CD1，CD2)=(CD1·CD2)

(11)

式(11)中，CD1、CD2属于所获取的CN-HOG特征向量。线性核分类速度显著，和支持向量的数量不存在直接联系，如果特征的维数显著，自然场景建筑工程标志图像分类性能将显著。

2.2.2 基于词袋模型的标志细分类

粗分类主要是实现自然场景建筑工程标志图像的分类，标志图像存在很多类型，例如禁止系列、警告标志、指示系列等等。细分类阶段，需要将粗分类后的标志图像分类为具体的标志信息，掌握其语义。自然场景建筑工程标志信息的细分类步骤中，为了得到图像局部区域的标志信息，将颜色属性与尺度不变特征变换(Scale-invariant feature transform，SIFT)描述子相融，实现自然场景建筑工程标志图像区域信息特征描述，简称为颜色域形状特征描述。

(12)

(13)

(14)

式(14)中，ϑ属于待定参数。高斯核函数参数选取难度不大，此函数可把标志信息特征空间映射至无限维度，实现自然场景建筑工程标志信息细化分类。

3 实验结果及分析

本文研究内容是以自然场景建筑工程标志信息为主，为测试所研究算法对自然场景建筑工程标志信息识别的应用效果，在MATLAB平台中进行功能测试。

3.1 自然场景建筑工程标志图像增强效果及分析

测试所研究算法对自然场景建筑工程标志图像增强效果时，能够从定性与定量两个角度进行。定性评价是以自然场景建筑工程标志图像增强的视觉效果为主，存在主观性。为此，本文以定性、定量相结合方法，测试所研究算法的增强效果。定量测试指标设成均方误差与清晰度，将需增强的自然场景建筑工程标志图像设成yin，增强后图像是yout，图像大小是(m，n)，那么均方根误差RMSE是：

(15)

均方根误差RMSE值较大时，需增强图像和增强后图像差异显著，表示自然场景建筑工程标志图像被增强的尺度较大。

清晰度Definition计算方法是

(16)

清晰度能够描述自然场景建筑工程标志图像里微小细节反差与纹理转换特征，清晰度显著，表示自然场景建筑工程标志图像质量越好。在测试所研究算法对自然场景建筑工程标志图像增强效果时，以指令标志、警告标志、电力安全标志、提示标志为例，增强前图像详情如图1所示。增强后效果如图2所示。

图1 增强前自然场景建筑工程标志图像

图2 增强后自然场景建筑工程标志图像

从视觉效果分析，所研究算法增强后自然场景建筑工程标志图像更为清晰，图像质量明显优于增强前。从定量角度测试，所研究算法增强后图像均方根误差与清晰度如图3所示。

图3 所研究算法增强效果定量测试结果

分析图3可知，从定量角度测试后，所研究算法增强后图像均方根误差与清晰度可满足图像增强应用需求，均方根误差低于0.03，清晰度大于95%，由此验证，所研究算法对自然场景建筑工程标志图像存在较好增强效果。

3.2 自然场景建筑工程标志信息识别效果及分析

当自然场景建筑工程标志图像指令标志、警告标志、电力安全标志、提示标志存在数量差异时，测试所研究算法识别效果。测试结果如表1所示。

表1 自然场景建筑工程标志信息识别效果

如表1所示，所研究算法可准确识别自然场景建筑工程标志信息，识别效果极好，识别数量与实际标志数量一致，不存在偏差。

测试所研究算法在识别自然场景建筑标志信息时应用效率，此耗时主要体现于所研究算法在MATLAB平台中操作耗时，结果如表2所示。

表2 所研究算法应用效率测试结果

如表2所示，所研究算法的图像增强处理耗时、标志信息识别耗时均低于1s，在识别自然场景建筑标志信息时应用效率较高。

4 结论

本文以自然场景建筑标志信息识别问题为研究主题，提出了基于图像增强的自然场景建筑工程标志信息逐级细化识别算法，并通过仿真测试其应用效果。测试结果显示，所研究算法增强后的自然场景建筑工程标志图像更为清晰，图像质量明显优于增强前，这对自然场景建筑工程标志信息识别存在积极作用；所研究算法可准确识别自然场景建筑工程标志信息，识别效果较好，与实际标志数量一致，不存在偏差。