閆志杰，汪劍鳴，竇汝振，冷 宇

（1.天津工業(yè)大學(xué)信息與通信工程學(xué)院，天津 300160；2.中國(guó)汽車技術(shù)研究中心，天津 300162；3.蘇州出入境檢驗(yàn)檢疫局，蘇州 215021）

基于顏色聚類和直線檢測(cè)的自適應(yīng)盲道區(qū)域分割算法

閆志杰1，汪劍鳴1，竇汝振2，冷 宇3

（1.天津工業(yè)大學(xué)信息與通信工程學(xué)院，天津 300160；2.中國(guó)汽車技術(shù)研究中心，天津 300162；3.蘇州出入境檢驗(yàn)檢疫局，蘇州 215021）

為幫助盲人更好地利用盲道，提出一種自適應(yīng)盲道分割算法.首先利用顏色聚類分析的方法對(duì)圖像進(jìn)行初步的區(qū)域分割，然后根據(jù)盲道的顏色特征從中選擇屬于盲道的區(qū)域.利用拉東變換對(duì)圖像中的直線邊緣進(jìn)行檢測(cè)，并結(jié)合對(duì)盲道的初步分割結(jié)果找到盲道的邊緣，以實(shí)現(xiàn)對(duì)盲道區(qū)域的精確分割.為了對(duì)算法進(jìn)行驗(yàn)證，在不同時(shí)間和不同的天氣條件下采集室外的盲道圖像對(duì)算法進(jìn)行測(cè)試.實(shí)驗(yàn)表明，環(huán)境變化對(duì)該算法影響很小，可以實(shí)現(xiàn)對(duì)盲道區(qū)域的自適應(yīng)分割.

聚類分析；盲道分割；直線檢測(cè)；拉東變換

隨著社會(huì)進(jìn)步和人們生活水平的提高，視障群體越來越受到大眾的關(guān)注.為了幫助他們提高自理能力，人們已經(jīng)開發(fā)出了很多協(xié)助視障者提高自理能力的設(shè)備和儀器，比如電子導(dǎo)盲杖、GPS盲人導(dǎo)航系統(tǒng)及基于機(jī)器視覺方法的產(chǎn)品等.其中，機(jī)器視覺方法更接近于人類自身獲取信息的方式，因此是一種最具發(fā)展?jié)摿Φ囊曊陷o助技術(shù).利用計(jì)算機(jī)視覺方法可以在很多方面對(duì)盲人進(jìn)行輔助，例如利用字符識(shí)別技術(shù)為盲人閱讀文字信息，利用人臉檢測(cè)與識(shí)別等技術(shù)提高盲人與其他人交往的能力，同時(shí)利用計(jì)算機(jī)視覺技術(shù)也可以實(shí)現(xiàn)對(duì)盲人行走的輔助.盲道是為盲人提供行路安全和方便的道路設(shè)施，如今已成為市政工程建設(shè)中一項(xiàng)重要的項(xiàng)目.標(biāo)準(zhǔn)盲道一般由兩類磚鋪成，一類是條形引導(dǎo)磚，引導(dǎo)盲人放心前行；一類是帶有圓點(diǎn)的提示磚，提示盲人前面有障礙或者盲道到達(dá)終點(diǎn).盲道為視障者的出行提供了很大的方便，但是實(shí)際生活中，視障者對(duì)盲道的使用仍然存在許多問題.例如，在一個(gè)陌生的環(huán)境中，如果盲人沒有站在盲道上，如何發(fā)現(xiàn)盲道的位置？即使盲人已經(jīng)站到了盲道上，如果盲道存在間斷，如何找到間斷后的部分？為了解決這些問題，本文擬采用計(jì)算機(jī)視覺的方法對(duì)盲道實(shí)現(xiàn)自動(dòng)分割，以幫助盲人更方便地利用盲道.目前利用計(jì)算機(jī)視覺技術(shù)來對(duì)盲道進(jìn)行分割的研究尚沒有引起人們的廣泛關(guān)注，目前存在的文獻(xiàn)也比較少.文獻(xiàn)[1-2]初步探索了分別利用盲道顏色、盲道紋理以及盲道的直線邊緣等特征對(duì)盲道進(jìn)行分割的方法.標(biāo)準(zhǔn)盲道為深黃色，但由于環(huán)境的光照條件變化等原因，在不同區(qū)域、不同時(shí)間盲道的顏色會(huì)有較大的變化.此外盲道雖然有固定的紋理模式，但是隨著觀測(cè)角度的不同，圖像中的紋理模式也會(huì)有較大的變化.由于文獻(xiàn)[1-2]所提出的檢測(cè)方法對(duì)顏色特征和紋理特征的變化不具備自適應(yīng)能力，因此很難在實(shí)際中得到應(yīng)用.同時(shí)單獨(dú)利用盲道的直線邊緣特征在實(shí)際應(yīng)用中也無法準(zhǔn)確無誤地從環(huán)境中檢測(cè)出盲道區(qū)域.為了提高基于計(jì)算機(jī)視覺方法的盲道檢測(cè)技術(shù)的實(shí)用性，本文主要研究具有自適應(yīng)能力的盲道自動(dòng)分割方法，首先利用基于顏色聚類分析的方法對(duì)盲道顏色進(jìn)行自適應(yīng)分割，然后結(jié)合直線檢測(cè)的方法對(duì)盲道區(qū)域進(jìn)行精確的自動(dòng)分割，最后通過實(shí)際拍攝的盲道圖像對(duì)算法進(jìn)行測(cè)試.

1 盲道自適應(yīng)分割算法

如圖1所示，盲道區(qū)域一般為中黃色，本文提出的基于顏色聚類及直線檢測(cè)的自適應(yīng)盲道分割算法的框圖如圖2所示.

圖1 標(biāo)準(zhǔn)盲道示例Fig.1 Examples of standard sidewalk

圖2 自適應(yīng)盲道分割算法框圖

為了對(duì)盲道區(qū)域進(jìn)行比較精確的分割，首先需要將采集到的圖進(jìn)行色彩空間變換.實(shí)際中采集到的圖像一般為RGB色彩空間的真彩色圖像，與RGB色彩空間相比，Lab（CIELab）色彩空間[3]有其獨(dú)特的優(yōu)勢(shì)，Lab色彩空間被設(shè)計(jì)來接近人類視覺.它致力于感知的均勻性，L分量密切匹配人類對(duì)亮度的感知，因此可以用來通過修改a和b分量的輸出色階來做精確的顏色平衡，或者使用L分量來調(diào)整亮度對(duì)比.而這些變換在RGB空間中實(shí)現(xiàn)起來是比較困難或者不可能的.為了更加有效地對(duì)盲道部分的色彩進(jìn)行聚類，在進(jìn)行聚類之前先將顏色轉(zhuǎn)換到Lab空間中，然后在Lab空間對(duì)圖像顏色進(jìn)行顏色聚類.聚類之后，采用從聚類結(jié)果中自動(dòng)最接近深黃色的顏色類別，對(duì)盲道區(qū)域進(jìn)行自適應(yīng)分割.最后對(duì)圖像進(jìn)行直線檢測(cè)，并配合盲道分割的結(jié)果來尋找盲道的直線邊界，最終得到精確的盲道分割區(qū)域.

1.1 基于顏色聚類的盲道自適應(yīng)分割

聚類分析[4]依據(jù)模式的相似性為基礎(chǔ).按照某種聚類準(zhǔn)則進(jìn)行判決，聚類分析是一種無教師的模式分類方法，即在設(shè)計(jì)分類器時(shí)，采用的樣本所屬類別未知，根據(jù)樣本之間的相似程度進(jìn)行自動(dòng)分類.在分類時(shí)不依賴于任何外界的信息，僅僅依賴樣本本身的聚類特性，然后采用合適的算法將它們區(qū)分開來.這種分類法屬于動(dòng)態(tài)聚類的范疇.動(dòng)態(tài)聚類會(huì)先選擇一些初始的聚類中心，讓樣本按照某種原則劃分到各類當(dāng)中去，得到初始分類；然后用某種原則進(jìn)行修正，直到分類比較合理為止.

此處采用K均值[5]聚類的方法來對(duì)圖像中的顏色進(jìn)行分割.K均值聚類法采用的聚類準(zhǔn)則函數(shù)是誤差平方和準(zhǔn)則.其算法步驟如下：

步驟2 假設(shè)已經(jīng)進(jìn)行到第r次迭代.若對(duì)某一樣本x有

步驟3 計(jì)算重新分類后的各聚類中心：

進(jìn)行聚類時(shí)不需要外界的任何信息，但是分類結(jié)果與所選聚類中心的個(gè)數(shù)K和初始的聚類中心選擇有關(guān)系，因此在實(shí)際中應(yīng)該試探不同的K值和選擇不同的初始聚類中心.初始聚類中心的選取也有很多種方法，由于沒有任何的先驗(yàn)知識(shí)，本文在選擇時(shí)采取了隨機(jī)抽取個(gè)樣本作為初始的聚類中心.聚類完成之后，需要從聚類結(jié)果中選取出盲道區(qū)域?qū)?yīng)的分類，此處對(duì)每個(gè)聚類中心進(jìn)行了考察，并認(rèn)為最接近黃色的一個(gè)對(duì)應(yīng)的類別為盲道區(qū)域.

1.2 直線檢測(cè)

在實(shí)際應(yīng)用中，僅僅依靠顏色聚類的方法往往還不能得到理想的分割結(jié)果.通過觀察盲道可以發(fā)現(xiàn)，在多數(shù)情況下，盲道具有兩條筆直的邊緣.基于盲道的這個(gè)特征，本文把基于顏色特征的區(qū)域分割和直線檢測(cè)方法結(jié)合起來，以實(shí)現(xiàn)精確的盲道區(qū)域分割.

為了檢測(cè)圖像中的直線特征，首先要利用邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣特征檢測(cè).由于本文關(guān)心的盲道邊緣為較長(zhǎng)且聯(lián)系的直線邊緣，因此在進(jìn)行邊緣檢測(cè)時(shí)可選擇合適的邊緣檢測(cè)算子，以突出較長(zhǎng)的邊緣特征，而對(duì)短的邊緣特征進(jìn)行抑制.利用Canny邊緣檢測(cè)[6]很好滿足上述邊緣檢測(cè)的要求.本文采用的邊緣檢測(cè)的過程如下：

步驟1 將圖像f與尺度為σ的高斯函數(shù)做卷積.

步驟2 對(duì)圖像中的每個(gè)像素，用公式（3）估計(jì)局部邊緣的法向量

其中G代表二維高斯公式，▽（t）表示t的梯度.

步驟3 用公式（4）進(jìn)行非最大抑制，找到邊緣的位置.

步驟4 用公式（5）計(jì)算邊緣強(qiáng)度：

步驟5 用雙閾值法做滯后閾值化處理，消除虛假響應(yīng)并連接邊緣.

在進(jìn)行Canny邊緣檢測(cè)的時(shí)候，也需要對(duì)大量圖像進(jìn)行試驗(yàn)，得到一些經(jīng)驗(yàn)性參數(shù).這樣可以保證得到的邊緣圖像中不但含有盲道的重要邊緣特征信息，而且能夠忽略掉其他的次要的細(xì)節(jié)成分.

拉東變換[7]（Radon Transform）是計(jì)算圖像在某一指定角度射線方向上的投影的變換方法.比如，f（x，y）在豎直方向上的二維線積分就是其在x軸上的投影；f（x，y）在水平方向上的二維線積分就是其在y軸上的投影.推而廣之，可以沿任意角θ對(duì)函數(shù)進(jìn)行投影，即任意角度函數(shù)f（x，y）的拉東變換可以表示為：

其中，

拉東變換與霍夫變換（Hough Transform）有著非常密切的聯(lián)系.可以利用拉東變換實(shí)現(xiàn)特定的霍夫變換來解析圖像中的直線，利用拉東變換尋找圖像中直線的步驟為：

步驟1 對(duì)圖像進(jìn)行邊緣提取，獲取圖像的二值化邊緣圖像.

步驟2 計(jì)算圖像的拉東變換.

步驟3 在拉東變換的結(jié)論矩陣中尋找存在直線參數(shù).

步驟4 從搜尋到的直線參數(shù)中選取盲道邊界的直線參數(shù).

在尋找盲道邊界的直線參數(shù)時(shí)，因?yàn)椴杉降膱D像中會(huì)有很多干擾成分，需要對(duì)圖像進(jìn)行綜合考慮，本文提出了2種比較有效的直線參數(shù)選擇方法.

方法1：一般來說，現(xiàn)實(shí)中的盲道邊界是平行的，但是由于圖像采集過程是一個(gè)投影變換的過程，圖像中的兩條邊界一般并不會(huì)平行，因此盲道的兩條邊界直線的斜率不會(huì)相等，但是可以確定它們相差不大，截距卻不會(huì)完全一樣.根據(jù)這個(gè)條件可以對(duì)直線參數(shù)進(jìn)行初步合理選擇，選出3～6組候選直線作為可能的盲道邊界.

方法2：考慮盲道邊界和根據(jù)聚類得到的盲道區(qū)域，實(shí)際的盲道邊界可能在這個(gè)區(qū)域之內(nèi)，也可能在此區(qū)域之外.根據(jù)這個(gè)特性可以考察選中區(qū)域中的每個(gè)點(diǎn)到的某條候選的平均距離，如公式所示.根據(jù)分析平均距離最小的應(yīng)該是盲道的邊界.

式中：N為所選取區(qū)域中的像素的個(gè)數(shù)；pi表示第i個(gè)像素；lj表示第j條候選直線；|（pi-lj）|表示pi到lj的距離.

2 實(shí)驗(yàn)結(jié)果

2.1 基于顏色聚類分析的盲道區(qū)域分割結(jié)果

在執(zhí)行聚類算法之前，首先需要設(shè)定聚類類別數(shù)K.本文在進(jìn)行實(shí)驗(yàn)時(shí)，設(shè)定K=3.聚類后還需要從圖像中找出盲道所對(duì)應(yīng)的類別.由于盲道偏重于黃色，可以從聚類結(jié)果的類中心中找出最接近于黃色的一類作為盲道部分.分割結(jié)果如圖3所示.

圖3 盲道區(qū)域分割結(jié)果Fig.3 Results of sidewalk area segmentation

由圖3可見，圖中有較多的干擾成分，其他的一些區(qū)域顏色和盲道顏色類似，因此并沒有真正將盲道區(qū)域分割出來.

2.2 直線檢測(cè)結(jié)果

進(jìn)行直線檢測(cè)直線，要先對(duì)圖像進(jìn)行Canny邊緣檢測(cè)，其中一些參數(shù)在設(shè)置時(shí)需要慎重，其目的主要是為了突出盲道的邊緣部分.

本文中在進(jìn)行邊緣檢測(cè)為了提高圖像的對(duì)比度，在進(jìn)行完高斯模糊之后進(jìn)行了Gamma調(diào)整.邊緣檢測(cè)中的主要參數(shù)有：

（1）高斯函數(shù)的尺度σ.

（2）gamma調(diào)整時(shí)的gamma值.

（3）非最大抑制時(shí)用到的確定某個(gè)像素是否為區(qū)域最大值時(shí)所用到的區(qū)域尺度radius.

（4）進(jìn)行滯后閾值處理時(shí)用到的兩個(gè)閾值參數(shù)Tl和Th.

經(jīng)過大量樣本的訓(xùn)練，本文中用到的這些參數(shù)值分別為：σ=14；gamma=1.8；radius=1.3；Tl=0.06；Th=0.07.Canny邊緣檢測(cè)的結(jié)果如圖4所示.然后通過拉東變換從邊緣圖像中檢測(cè)直線，并從中提取出盲道邊緣對(duì)應(yīng)的直線，如圖5所示.

圖4 Canny邊緣檢測(cè)的結(jié)果Fig.4 Results of Canny edge detection

圖5 直線檢測(cè)結(jié)果Fig.5 Results of line detection

2.3 盲道分割結(jié)果

對(duì)于利用顏色聚類分析法分割出來的盲道圖像，由于其中有很大的干擾成分，因此并沒有將盲道完全分割出來，結(jié)合直線檢測(cè)得到的分割結(jié)果如圖6所示.圖6中的白色區(qū)域?yàn)槊さ绤^(qū)域.

圖6 最終分割結(jié)果Fig.6 Final results of segmentation

為了對(duì)該方法的分割效率進(jìn)行統(tǒng)計(jì)，采集了不同光照條件和干擾成分下的總共93幀圖像作為樣本.對(duì)于光照條件，分別在晴天和陰天采集了早晨、中午和傍晚時(shí)的圖片；對(duì)于干擾成分，主要是指路面上的雜物以及其他行人或物體占用盲道的情況.統(tǒng)計(jì)結(jié)果如表1所示.

表1 盲道分割結(jié)果統(tǒng)計(jì)Tab.1 Statistical result of sidewalk segmentation

由表1的統(tǒng)計(jì)結(jié)果顯示，本文中提出的方法可以達(dá)到96%以上的正確分割率，充分說明了該方法的有效性.其中導(dǎo)致錯(cuò)誤分割的主要原因大多是盲道在躲避障礙物時(shí)發(fā)生變向，而使得直線檢測(cè)沒法把變向的盲道區(qū)域給包括進(jìn)去，如圖7所示.

圖7 盲道錯(cuò)誤分割的情況Fig.7 Fail statue of sidewalk segmentation

3 結(jié)束語

為了解決盲人在陌生環(huán)境中使用盲道存在的一些問題，有必要研究如何將盲道區(qū)域從圖像中分割出來.現(xiàn)有的盲道區(qū)域分割算法只依據(jù)盲道顏色特征對(duì)盲道進(jìn)行簡(jiǎn)單的分割，算法對(duì)光照等條件敏感，對(duì)圖像質(zhì)量要求高，自適應(yīng)能力差.

本文提出了一種結(jié)合顏色聚類分析和直線檢測(cè)的自適應(yīng)盲道區(qū)域分割算法，并利用在晴天和陰天等不同光照條件下拍攝的盲道圖像對(duì)算法進(jìn)行測(cè)試，實(shí)驗(yàn)表明該方法具有自適應(yīng)盲道區(qū)域分割能力，對(duì)光照條件敏感程度低，可實(shí)用化程度高.

[1]柯劍光，趙群飛，施鵬飛.基于圖像處理的盲道識(shí)別算法[J].計(jì)算機(jī)工程，2009，35（1）：189-191.

[2]柯劍光.基于圖像處理的盲道識(shí)別系統(tǒng)[D].上海：上海交通大學(xué)，2008.

[3]石 巍.基于人類視覺特征的彩色圖像分割技術(shù)研究[D].青島：中國(guó)海洋大學(xué)，2006.

[4]李弼程，邵美珍，黃 潔.模式識(shí)別原理及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2008：111-114.

[5]張 勇，吳文建，劉志明.基于改進(jìn)均值聚類分析的迷彩偽裝色選取[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（6）：210-212.

[6] DING Lijun，GOSHTASBY Ardeshir.On the canny edge detector[J].Pattern Recognition，2001，34：721-725.

[7]VANGINKELM，LUENGOHENDRIKSCL，VANVLIETL J. A short introduction to the radon and hough transform and how they relate to each other[R].Quantitative Imaging Group，Delft University of Technology，2004.

Sidewalk for the blind adaptive segmentation based on color clustering and line detection

YAN Zhi-jie1，WANG Jian-ming1，DOU Ru-zheng2，LENG Yu3
（1.School of Information and Communication Engineering，Tianjin Polytechnic University，Tianjin 300160，China；2.Automotive Technology Research Center of China，Tianjin 300162，China；3.Suzhou Entry-Exit Inspection and Quarantine Bureau，Suzhou 215021，China）

In order to help the blind to use sidewalk for the blind better，a sidewalk for the blind segmentation method which is applicable and adaptive is designed.Primarily，color clustering is used to segment the color in an image including sidewalk for the blind，and then the sidewalk area is picked out based on color characteristic of sidewalk for the blind.Finally，line detection based on Radon transform is executed，with which the sidewalk for the blind area can be segmented precisely on the basis of color clustering.In order to testify the algorithm，different images are captured in various weather states to test the algorithm，which shows that the algorithm is immune to environments and can segment sidewalk for the blind adaptively.

clustering analysis；sidewalk for blind segmentation；line detection；Radon transform

book=1,ebook=52

TP391.4

A

1671－024X（2010）01－0080－05

2009-09-21 基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（60602036）

閆志杰（1983—），男，碩士研究生.

汪劍鳴（1974—），男，副教授，博士，碩士生導(dǎo)師.E-mail：wjm_hope@hotmail.com