自然場景建筑工程標志信息逐級細化識別算法

陳 燕，楊志剛

(1.江西應用科技學院建筑工程學院，江西南昌 330100；2.南昌大學，江西南昌330031)

1 引言

雖然目前我國建筑工程風險管理意識逐漸增強，但是建筑事故出現的數量有增不減。風險管理的相關研究顯示，傳遞與警示危險信息的安全標志可以有效提醒人們危險源[1，2]。為了降低自然場景建筑工程風險，企業在工程項目現場會大量設置安全標志[3]。自然場景建筑工程標志長時間地暴露在戶外，標志自身顏色將逐漸退化、變形[4]。在視頻與圖像的采集時，光照變化對自然場景建筑工程標志的顏色存在一定影響。且復雜環境中，建筑工程標志也會存在遮擋的情況。此時自然場景建筑工程標志信息的識別存在一定難度，對自然場景建筑工程風險的控制存在不利影響[5]。為此，本文提出基于圖像增強的自然場景建筑工程標志信息逐級細化識別算法，高精度識別自然場景建筑工程標志信息。

2 基于圖像增強的建筑工程標志信息逐級細化識別算法

2.1 工程標志圖像增強算法

利用動態直方圖均衡增強圖像的過程中，圖像高頻灰度過度增強、低頻數灰度級將被壓縮。所以引入極大灰度頻數抑制策略，以兩者相融的模式處理此問題。

2.1.1 直方圖映射范圍設置

為避免圖像出現高頻灰度過度增強、低頻數灰度級被壓縮的情況，建立自然場景建筑工程標志圖像直方圖，使用直方圖局部最小值相應的灰度級，把自然場景建筑工程標志圖像原圖分割為幾個子層圖像。此處理能夠使低頻數灰度像素點數量在子層圖像里比例大于整個圖像所占比例。根據子層范圍要求，分配自然場景建筑工程標志圖像灰度映射范圍[6]。在子層圖像均衡的基礎上，根據直方圖局部最小值將圖像yin分割成m個子層圖像后，第j個子層的恢復映射區間是：

rj=nj-nj-1

(1)

gj=rj(logDj)ρ

(2)

(3)

式(1)、(2)中，自然場景建筑工程標志圖像原直方圖第j個子層圖像的灰度值是rj；原直方圖第j個局部最小值是nj，第j-1個局部最小值是nj-1；Dj為第j個灰度頻數總和；sj為第j個均衡后的灰度映射范圍；ρ為范圍控制參數，此參數值能夠按照增強效果需求調節，一般在0～5之間時，增強效果顯著；gk是自然場景建筑工程標志圖像原直方圖中，第k個子層圖像的灰度范圍。

2.1.2 基于極大灰度頻數抑制的直方圖重調整

為充分處理直方圖均衡時高頻數灰度對低頻數灰度的支配問題，將自然場景建筑工程標志圖像的各個子層直方圖設置一個灰度頻數控制閾值，并通過此閾值再次設置每個子層直方圖[7]。詳細做法是：若閾值H小于子層直方圖里灰度級z的頻數Q(z)，將頻數設成K，反之頻數不變動。把子層直方圖設成

(4)

式(4)中，第j個子層圖像的灰度級是z；nj-1

2.1.3 子層直方圖均衡強化

直方圖均衡能夠優化自然場景建筑工程標志圖像的對比度與灰度色調，本文重新定義自然場景建筑工程標志圖像的新子層直方圖，使用直方圖均衡算法構建變換函數[9]。假定第1個子層起始值為0，最后一個子層終止值為255，則第j個子層的動態均衡計算公式為：

(5)

(6)

(7)

式(5)～(7)中，自然場景建筑工程標志圖像里灰度級z的像素數量、第j個子層圖像的灰度像素點初始值為mj(z)；m為像素點之和；qj(z)為每個灰度級的概率函數；Dj(z)為子層圖像累計概率函數；Xj(z)為原子層圖里灰度值z的映射灰度值。

2.1.4 增強流程

1)分析自然場景建筑工程標志圖像直方圖，判斷與直方圖灰度頻數極小值相對應的灰度值，把自然場景建筑工程標志圖像分成多個子層圖像。此方法均衡子層圖像時，使用灰度頻數閾值能夠讓極小值點的選取不受約束，僅在頻數極小值點的灰度值周圍便可。為保證自然場景建筑工程標志圖像增強的效果更佳，需按照自然場景建筑工程標志圖像信息合理增大第1個子層與最后一個子層的灰度區間。

2)按照自然場景建筑工程標志圖像的分層狀況，為每個子層圖像選取合理的動態均衡增強灰度映射區域，并設置灰度級頻數控制閾值。

3)根據閾值建立子層直方圖灰度變換函數，優化自然場景建筑工程標志圖像增強效果。

2.2 基于逐級細化的自然場景建筑工程標志信息識別算法

2.2.1 自然場景建筑工程標志圖像粗分類

1)顏色屬性描述子

增強后自然場景建筑工程標志圖像中顏色標簽分別是黑、藍、棕、灰、綠、橙、粉、紫、紅、白、黃[10]。設置一個像素值，將11種顏色屬性出現的幾率設成CN描述子，CN描述子屬于一個11維顏色向量。自然場景建筑工程標志圖像區域中CN描述子代表全部像素的顏色屬性均值，圖像區域W的CN描述子是：

CN={q(CN1|W)，q(CN2|W)，…，q(CN11|W)}

(8)

(9)

式(8)、(9)中，增強后自然場景建筑工程標志圖像區域W里像素是Y；Lab空間像素值為g(Y)；像素數量總值為M；CNn為第o種顏色屬性；當Lab空間像素值g(Y)給定后，顏色屬性o出現的條件概率為q(CNo|g(Y))；q(CNo|W)為增強后自然場景建筑工程標志圖像區域種顏色屬性o出現的條件概率。

2)CN-HOG特征

自然場景建筑工程標志存在顯著的顏色信息，所以把顏色信息和方向梯度直方圖(Histogram of Oriented Gradient，HOG)相融，可優化自然場景建筑工程標志圖像的分類精度。通常情況下，顏色信息與HOG特征的融合方法是：依次在R、G、B三種通道中提取HOD特征，把它連接成一個特征，簡稱為RGB-HOG。此做法可以使用顏色信息，優化分類準確性，但是，該方法獲取的特征松散性較顯著。

使用CN與HOG相融的形式，把顏色域形狀特征相融，把增強后自然場景建筑工程標志圖像分成多個不存在重復性的、8×8像素區域，運算各個區域的HOG特征和CN描述子，獲取直方圖描述。以此可在HOG特征基礎之上拓展11維顏色向量，獲取CN-HOG特征：

CDj=[CNjHOGj]

(10)

3)線性SVM分類器

支持向量機分類器(簡稱SVM分類器)的應用效果主要與核函數的選取、參數選取有關。本文使用線性核函數，在增強后自然場景建筑工程標志圖像的原特征空間里實施線性分類，方法是

K(CD1，CD2)=(CD1·CD2)

(11)

式(11)中，CD1、CD2屬于所獲取的CN-HOG特征向量。線性核分類速度顯著，和支持向量的數量不存在直接聯系，如果特征的維數顯著，自然場景建筑工程標志圖像分類性能將顯著。

2.2.2 基于詞袋模型的標志細分類

粗分類主要是實現自然場景建筑工程標志圖像的分類，標志圖像存在很多類型，例如禁止系列、警告標志、指示系列等等。細分類階段，需要將粗分類后的標志圖像分類為具體的標志信息，掌握其語義。自然場景建筑工程標志信息的細分類步驟中，為了得到圖像局部區域的標志信息，將顏色屬性與尺度不變特征變換(Scale-invariant feature transform，SIFT)描述子相融，實現自然場景建筑工程標志圖像區域信息特征描述，簡稱為顏色域形狀特征描述。

(12)

(13)

(14)

式(14)中，?屬于待定參數。高斯核函數參數選取難度不大，此函數可把標志信息特征空間映射至無限維度，實現自然場景建筑工程標志信息細化分類。

3 實驗結果及分析

本文研究內容是以自然場景建筑工程標志信息為主，為測試所研究算法對自然場景建筑工程標志信息識別的應用效果，在MATLAB平臺中進行功能測試。

3.1 自然場景建筑工程標志圖像增強效果及分析

測試所研究算法對自然場景建筑工程標志圖像增強效果時，能夠從定性與定量兩個角度進行。定性評價是以自然場景建筑工程標志圖像增強的視覺效果為主，存在主觀性。為此，本文以定性、定量相結合方法，測試所研究算法的增強效果。定量測試指標設成均方誤差與清晰度，將需增強的自然場景建筑工程標志圖像設成yin，增強后圖像是yout，圖像大小是(m，n)，那么均方根誤差RMSE是：

(15)

均方根誤差RMSE值較大時，需增強圖像和增強后圖像差異顯著，表示自然場景建筑工程標志圖像被增強的尺度較大。

清晰度Definition計算方法是

(16)

清晰度能夠描述自然場景建筑工程標志圖像里微小細節反差與紋理轉換特征，清晰度顯著，表示自然場景建筑工程標志圖像質量越好。在測試所研究算法對自然場景建筑工程標志圖像增強效果時，以指令標志、警告標志、電力安全標志、提示標志為例，增強前圖像詳情如圖1所示。增強后效果如圖2所示。

圖1 增強前自然場景建筑工程標志圖像

圖2 增強后自然場景建筑工程標志圖像

從視覺效果分析，所研究算法增強后自然場景建筑工程標志圖像更為清晰，圖像質量明顯優于增強前。從定量角度測試，所研究算法增強后圖像均方根誤差與清晰度如圖3所示。

圖3 所研究算法增強效果定量測試結果

分析圖3可知，從定量角度測試后，所研究算法增強后圖像均方根誤差與清晰度可滿足圖像增強應用需求，均方根誤差低于0.03，清晰度大于95%，由此驗證，所研究算法對自然場景建筑工程標志圖像存在較好增強效果。

3.2 自然場景建筑工程標志信息識別效果及分析

當自然場景建筑工程標志圖像指令標志、警告標志、電力安全標志、提示標志存在數量差異時，測試所研究算法識別效果。測試結果如表1所示。

表1 自然場景建筑工程標志信息識別效果

如表1所示，所研究算法可準確識別自然場景建筑工程標志信息，識別效果極好，識別數量與實際標志數量一致，不存在偏差。

測試所研究算法在識別自然場景建筑標志信息時應用效率，此耗時主要體現于所研究算法在MATLAB平臺中操作耗時，結果如表2所示。

表2 所研究算法應用效率測試結果

如表2所示，所研究算法的圖像增強處理耗時、標志信息識別耗時均低于1s，在識別自然場景建筑標志信息時應用效率較高。

4 結論

本文以自然場景建筑標志信息識別問題為研究主題，提出了基于圖像增強的自然場景建筑工程標志信息逐級細化識別算法，并通過仿真測試其應用效果。測試結果顯示，所研究算法增強后的自然場景建筑工程標志圖像更為清晰，圖像質量明顯優于增強前，這對自然場景建筑工程標志信息識別存在積極作用；所研究算法可準確識別自然場景建筑工程標志信息，識別效果較好，與實際標志數量一致，不存在偏差。