基于圖像處理鐵路信號(hào)燈特征提取

李永河，董華軍，2，劉伸展，黃 璨

(1.平高集團(tuán)有限公司，河南 平頂山 467001;2大連交通大學(xué) 機(jī)械工程學(xué)院，遼寧 大連 116028;3浙江明德自動(dòng)化設(shè)備有限公司，浙江 杭州 311112)

0 引言

隨著國(guó)民經(jīng)濟(jì)持續(xù)快速健康的發(fā)展和鐵路跨越式發(fā)展戰(zhàn)略的實(shí)施，鐵路客貨運(yùn)量和運(yùn)輸收入持續(xù)增長(zhǎng)，特別是全國(guó)第五次大面積提速調(diào)度的實(shí)施，取得了顯著的社會(huì)和經(jīng)濟(jì)效益.但是，當(dāng)前鐵路運(yùn)能和需求得到全面發(fā)展的同時(shí)，鐵路的安全問(wèn)題卻收到嚴(yán)重的挑戰(zhàn).目前世界各國(guó)政府和鐵路企業(yè)都把運(yùn)輸安全放在重要位置，在我國(guó)鐵路運(yùn)輸?shù)玫斤w躍性發(fā)展，時(shí)速在不斷刷新的同時(shí)，如何保證鐵路運(yùn)輸?shù)陌踩煽啃猿蔀榱髓F路運(yùn)輸業(yè)一個(gè)重要研究課題.鐵路信號(hào)燈是傳遞鐵路信號(hào)的標(biāo)志，其作用是保證列車運(yùn)行安全，有效提高鐵路運(yùn)輸效率，降低運(yùn)輸成本以及大大改善行車人員的勞動(dòng)條件.但在實(shí)際應(yīng)用過(guò)程中，往往出現(xiàn)不能對(duì)信號(hào)燈信號(hào)進(jìn)行有效的進(jìn)行檢測(cè)和識(shí)別，從而影響了鐵路運(yùn)輸?shù)陌踩?

近年來(lái)，隨著數(shù)字圖像處理技術(shù)的發(fā)展，利用光學(xué)、圖像處理等技術(shù)實(shí)現(xiàn)鐵路信號(hào)燈的有效識(shí)別已經(jīng)受到人們的重視［1-3］.為了找到過(guò)濾影響的復(fù)雜因素并正確顯示信號(hào)燈信號(hào)的方法，本文通過(guò)圖像增強(qiáng)，圖像分割與特征提取等方法獲得清晰的信號(hào)圖像，提取了信號(hào)燈的幾何特征參數(shù)，為解決鐵路行車安全問(wèn)題提供了技術(shù)支持.

1 信號(hào)燈圖像預(yù)處理

1.1 圖像增強(qiáng)處理

由于所選擇的信號(hào)燈區(qū)域總是受到鐵路行車周圍復(fù)雜環(huán)境的影響，例如公路路燈，附近房屋燈光，街燈或其他的反光體等，由攝像頭獲得的圖像經(jīng)過(guò)A/D轉(zhuǎn)換、線路傳送都會(huì)產(chǎn)生噪聲污染，種種因素影響圖像的清晰程度，降低了圖像質(zhì)量［3］.因此，在對(duì)圖像進(jìn)行分析處理之前，有必要對(duì)圖像質(zhì)量進(jìn)行改善.直方圖均衡化處理則是一種修改圖像直方圖方法，通過(guò)對(duì)直方圖進(jìn)行均衡化修正，可使圖像的灰度間距增大或灰度均勻分布、增大反差，是圖像的細(xì)節(jié)變得清晰.圖1是采集得到的信號(hào)燈圖像和經(jīng)過(guò)增強(qiáng)處理后的路燈圖像及它們相應(yīng)的灰度直方圖，由圖可看出經(jīng)過(guò)處理后的信號(hào)燈圖像對(duì)比度得到增強(qiáng)，圖像細(xì)節(jié)特征更加清晰，為圖像的特征提取提供了技術(shù)基礎(chǔ).

圖1 信號(hào)燈原圖像，增強(qiáng)后圖像及其對(duì)應(yīng)灰度直方圖

1.2 圖像剪切

圖2 信號(hào)燈切割后的圖像

本文以信號(hào)燈為研究對(duì)象，在采集過(guò)程中，不可避免會(huì)采集很多沒(méi)用的信息，為此，在進(jìn)行圖像處理之前需要對(duì)采集的圖像進(jìn)行切割以提取有效部分.當(dāng)只需要處理圖像中的一部分時(shí)，或者需要將某一部分取出，這樣就要對(duì)圖像進(jìn)行剪切.剪切函數(shù)語(yǔ)法格式為I2=imcrop(I，rect)其中 rect是一個(gè)四元向量［Xmin，Ymin，width，height］，分別表示剪切圖像的左上角的x，y坐標(biāo)、寬度和高度.切割之后的信號(hào)燈圖如圖2所示.

1.3 圖像邊緣檢測(cè)

圖像邊緣是圖像最基本的特征，其廣泛存在于目標(biāo)與目標(biāo)、物體與背景、區(qū)域與區(qū)域之間，是圖像分割所依賴的重要特征.邊緣的檢測(cè)對(duì)于識(shí)別物體具有重要意義.由于邊緣檢測(cè)在圖像處理中的重要地位，人們提出大量的邊緣檢測(cè)算法.傳統(tǒng)的邊緣檢測(cè)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算子對(duì)信號(hào)燈HSV圖像H、S及V圖像分別進(jìn)行邊緣檢測(cè)，檢測(cè)結(jié)果如圖3所示.結(jié)果表明H分量不適合用來(lái)檢測(cè)邊緣，但是根據(jù)其本身性質(zhì)，可以用來(lái)判斷顏色的.此圖像拍攝的是紅色信號(hào)燈，即 H中心值在0，通過(guò)預(yù)先得到紅色信號(hào)燈色調(diào)值的中心值和方差來(lái)確定紅燈的取值范圍.從圖像S分量的處理結(jié)果可看到，在信號(hào)燈區(qū)域，S分量圖像的邊緣檢測(cè)效果較優(yōu)，基本上可以得到需要分割區(qū)域的邊界.從圖像 V分量的處理結(jié)果可看到，V分量的邊緣檢測(cè)圖像主要為圖像的亮度信息，相當(dāng)于對(duì)應(yīng)的灰度圖像.

圖3 基于Sobel信號(hào)燈H、S、V邊緣檢測(cè)結(jié)果

2 鐵路信號(hào)燈特征提取

特征提取，主要是在原始圖像中，找到圖像目標(biāo)，對(duì)圖像目標(biāo)進(jìn)行特征提取，以區(qū)分圖像本身，為圖像的有效分析和識(shí)別提供技術(shù)支持.常用的圖像特征有圖像幅值特征、圖像幾何特征、圖像形狀特征及圖像紋理特征等［5］.信號(hào)燈識(shí)別和分析主要是建立在圖像特征提取的基礎(chǔ)上，對(duì)交通信號(hào)燈提供的信息特征進(jìn)行有效的識(shí)別和分析，并快速有效的告訴司機(jī)，以避免事故的發(fā)生.

對(duì)于交通信號(hào)燈來(lái)說(shuō)，如何提取其信號(hào)燈幾何特征尤其重要，只有對(duì)信號(hào)燈幾何特征(面積，周長(zhǎng)，矩形度及伸長(zhǎng)度等信息)提?。?］，才能有效的對(duì)信號(hào)燈進(jìn)行定位，從而實(shí)現(xiàn)信號(hào)的有效傳遞.

面積即信號(hào)燈圖像區(qū)域所包含像素點(diǎn)個(gè)數(shù)的總和，最簡(jiǎn)單的面積計(jì)算方法是統(tǒng)計(jì)邊界內(nèi)部的像素的數(shù)目.其計(jì)算公式為：

這里f(x，y)為二值圖像，其取值1時(shí)表示物體，取值0時(shí)表示背景，其面積就是統(tǒng)計(jì)f(x，y)=1的個(gè)數(shù).

周長(zhǎng)即圍成信號(hào)燈區(qū)域所需要的像素點(diǎn)個(gè)數(shù)，把像素看作一個(gè)個(gè)點(diǎn)時(shí)，則周長(zhǎng)用連碼表示，求周長(zhǎng)也即計(jì)算鏈碼長(zhǎng)度，周長(zhǎng)p表示為：

其中，物體形狀越細(xì)長(zhǎng)，其取值越大.

根據(jù)上述計(jì)算公式，運(yùn)用MATLAB對(duì)實(shí)驗(yàn)圖2信號(hào)燈提取的圖像幾何特征的具體結(jié)果為：面積：A=1.611 5e+005;周長(zhǎng)：L=5.7223e+003;圓形度：R=0.7923.

圓形度即是用來(lái)表示物體圓形程度的指標(biāo)，圓形度是用來(lái)表示物體圓形程度的指標(biāo).在拍攝圖像中，信號(hào)燈為圓形，可以利用一些常見(jiàn)的圓形度指標(biāo)來(lái)判定分割區(qū)域是否圓形，一般用周長(zhǎng)的平方與面積之比來(lái)表示圓形度.

3 結(jié)論

本文利用數(shù)字圖像處理技術(shù)對(duì)鐵路交通信號(hào)燈圖像進(jìn)行了圖像增強(qiáng)，圖像剪切及邊緣檢測(cè)處理，運(yùn)用MATLAB軟件提取了信號(hào)燈圖像的幾何特征提取.結(jié)果表明，通過(guò)圖像處理技術(shù)運(yùn)用MATLAB能夠?qū)崿F(xiàn)對(duì)交通信號(hào)燈進(jìn)行有效的處理和特征提取，為信號(hào)燈的有效識(shí)別及鐵路運(yùn)行的安全提供了技術(shù)支持.

［1］蘇崗.基于機(jī)器視覺(jué)的鐵路調(diào)車信號(hào)識(shí)別研究［J］.自動(dòng)化信息雜志，2009，12(2)：22-28.

［2］李輝.智能交通系統(tǒng)中基于視頻的車輛檢測(cè)與跟蹤方法研究［D］.上海：華東師范大學(xué)，2010.

［3］王澤發(fā)，唐興國(guó).基于灰度變換的圖像增強(qiáng)方法研究［J］.科技創(chuàng)新導(dǎo)報(bào)，2011(1)：109.

［4］任民宏.圖像邊緣檢測(cè)算法的比較與展望［J］.中國(guó)科技信息，2007，10(1) ：119-120.

［5］劉禾.數(shù)字圖像處理及應(yīng)用［M］.北京：中國(guó)電力出版社，2006.

［6］姚敏.數(shù)字圖像處理［M］.北京：機(jī)械工業(yè)出版社，2006.