吳依倫 魏矗 劉國寧 徐歆怡

摘要：文章基于HSV顏色空間特征的ROI 區(qū)域，深入研究了智能小車在簡單識別具體目標物的方法，首先對小車攝像頭接收到的圖像進行預處理，進而對處理后的圖像基于HSV顏色空間特征分割，最后用種子填充法結(jié)合HSV顏色空間系數(shù)的hu不變矩對圖像中目標物形狀檢測及判斷。借此方法成功識別出小車行駛過程中接收圖像中的目標物。

關鍵詞：HSV顏色空間；ROI區(qū)域；種子填充法；hu不變矩

現(xiàn)今計算機視覺技術(shù)廣泛應用與生物醫(yī)學、工業(yè)、國防與民用等領域，隨著計算機技術(shù)、高級控制策略、檢測與傳感技術(shù)的發(fā)展，人民的生活質(zhì)量不斷變好，人們對日常生活中智能設備的要求與需求量也不斷提高。目標物識別是移動機器人的一個具體應用，在實際場景中，智能車檢測目標物時依然存在一些難點，小車運動時帶動攝像頭震動往往會使目標物變得模糊；光照條件不佳時會使目標物顏色失真嚴重；或被沿途其他物體遮擋等都會引起目標物不可避免的幾何失真等，都使小車無法檢測到目標物，達不到我們?nèi)粘Ｉ畹囊蟆?/p>

1圖像預處理

實際場景中，圖像易受環(huán)境因素與噪聲等影響。計算機接收到圖像后往往質(zhì)量不佳，達不到檢測標準。需對圖象處理便能提升圖象視覺效果，以便目標物的辨認。這主要是對圖象適量平滑、去噪或變換后突出主要目標物信息利于后續(xù)圖象分割。

圖像增強的方法可分為：空間域方法和頻域方法。前者直接處理圖像像素為基礎，后者一般是采用傅里葉變換等法修改圖像變換域為基礎，但從實時性考慮變換域是不可取的，兩者也不能較好結(jié)合使用。文章選用灰度圖增強法，即將采集到的圖像灰度化，減小圖像存儲量，增強圖像識別效率。文章用分段線性變換算法實現(xiàn)圖像的增強，變換后圖像的亮度更高，輪廓更清晰。下圖為matlab進行的圖象分段式線性變換增強的圖像：

4 結(jié)語

綜上，文章探討了一種基于HSV顏色空間特征的顏色比值特征的ROI 區(qū)域智能車目標物識別的方法并輔以HSV顏色空間系數(shù)加權(quán)的hu不變矩檢測目標物邊界形狀輪廓。此方法大大優(yōu)化了智能小車在實地行駛時檢測與識別目標物的效果，在較少外界因素干擾下能較成功地根據(jù)特征提取出目標物的顏色與形狀，達到智能車對目標物的識別效果。

參考文獻

[1]瞿竟，張金，顧宴行，姚宇青，代月明.自平衡車路標識別與行駛控制系統(tǒng)設計[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018（16）：160.

[2]譚雪峰.自主導航農(nóng)業(yè)機器人全方位視覺目標識別與跟蹤研究[J].農(nóng)機化研究，2017，39（12）：53-57.

[3]付俊，楊治國.現(xiàn)代目標識別算法綜述[J].電腦知識與技術(shù)，2016，12（13）：173-174.

[4]張鴻鋒，李婉琪，曾昭君，麥志杰.Hu不變矩在圖像識別中的應用與實現(xiàn)[J].科技資訊，2014，12（30）：5-8.

[5]劉宣宣. 面向無人車的交通標志自動識別技術(shù)研究[D].沈陽理工大學，2013.

[6]周獻中，史迎春，王韜.基于HSV顏色空間加權(quán)Hu不變矩的臺標識別[J].南京理工大學學報（自然科學版），2005（03）：363-367.

（作者單位：徐州工程學院信電工程學院）