陳 燕，楊志剛

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

1 引言

雖然目前我國(guó)建筑工程風(fēng)險(xiǎn)管理意識(shí)逐漸增強(qiáng)，但是建筑事故出現(xiàn)的數(shù)量有增不減。風(fēng)險(xiǎn)管理的相關(guān)研究顯示，傳遞與警示危險(xiǎn)信息的安全標(biāo)志可以有效提醒人們危險(xiǎn)源[1，2]。為了降低自然場(chǎng)景建筑工程風(fēng)險(xiǎn)，企業(yè)在工程項(xiàng)目現(xiàn)場(chǎng)會(huì)大量設(shè)置安全標(biāo)志[3]。自然場(chǎng)景建筑工程標(biāo)志長(zhǎng)時(shí)間地暴露在戶外，標(biāo)志自身顏色將逐漸退化、變形[4]。在視頻與圖像的采集時(shí)，光照變化對(duì)自然場(chǎng)景建筑工程標(biāo)志的顏色存在一定影響。且復(fù)雜環(huán)境中，建筑工程標(biāo)志也會(huì)存在遮擋的情況。此時(shí)自然場(chǎng)景建筑工程標(biāo)志信息的識(shí)別存在一定難度，對(duì)自然場(chǎng)景建筑工程風(fēng)險(xiǎn)的控制存在不利影響[5]。為此，本文提出基于圖像增強(qiáng)的自然場(chǎng)景建筑工程標(biāo)志信息逐級(jí)細(xì)化識(shí)別算法，高精度識(shí)別自然場(chǎng)景建筑工程標(biāo)志信息。

2 基于圖像增強(qiáng)的建筑工程標(biāo)志信息逐級(jí)細(xì)化識(shí)別算法

2.1 工程標(biāo)志圖像增強(qiáng)算法

利用動(dòng)態(tài)直方圖均衡增強(qiáng)圖像的過(guò)程中，圖像高頻灰度過(guò)度增強(qiáng)、低頻數(shù)灰度級(jí)將被壓縮。所以引入極大灰度頻數(shù)抑制策略，以兩者相融的模式處理此問(wèn)題。

2.1.1 直方圖映射范圍設(shè)置

為避免圖像出現(xiàn)高頻灰度過(guò)度增強(qiáng)、低頻數(shù)灰度級(jí)被壓縮的情況，建立自然場(chǎng)景建筑工程標(biāo)志圖像直方圖，使用直方圖局部最小值相應(yīng)的灰度級(jí)，把自然場(chǎng)景建筑工程標(biāo)志圖像原圖分割為幾個(gè)子層圖像。此處理能夠使低頻數(shù)灰度像素點(diǎn)數(shù)量在子層圖像里比例大于整個(gè)圖像所占比例。根據(jù)子層范圍要求，分配自然場(chǎng)景建筑工程標(biāo)志圖像灰度映射范圍[6]。在子層圖像均衡的基礎(chǔ)上，根據(jù)直方圖局部最小值將圖像yin分割成m個(gè)子層圖像后，第j個(gè)子層的恢復(fù)映射區(qū)間是：

rj=nj-nj-1

(1)

gj=rj(logDj)ρ

(2)

(3)

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

2.1.2 基于極大灰度頻數(shù)抑制的直方圖重調(diào)整

為充分處理直方圖均衡時(shí)高頻數(shù)灰度對(duì)低頻數(shù)灰度的支配問(wèn)題，將自然場(chǎng)景建筑工程標(biāo)志圖像的各個(gè)子層直方圖設(shè)置一個(gè)灰度頻數(shù)控制閾值，并通過(guò)此閾值再次設(shè)置每個(gè)子層直方圖[7]。詳細(xì)做法是：若閾值H小于子層直方圖里灰度級(jí)z的頻數(shù)Q(z)，將頻數(shù)設(shè)成K，反之頻數(shù)不變動(dòng)。把子層直方圖設(shè)成

(4)

式(4)中，第j個(gè)子層圖像的灰度級(jí)是z；nj-1

2.1.3 子層直方圖均衡強(qiáng)化

直方圖均衡能夠優(yōu)化自然場(chǎng)景建筑工程標(biāo)志圖像的對(duì)比度與灰度色調(diào)，本文重新定義自然場(chǎng)景建筑工程標(biāo)志圖像的新子層直方圖，使用直方圖均衡算法構(gòu)建變換函數(shù)[9]。假定第1個(gè)子層起始值為0，最后一個(gè)子層終止值為255，則第j個(gè)子層的動(dòng)態(tài)均衡計(jì)算公式為：

(5)

(6)

(7)

式(5)～(7)中，自然場(chǎng)景建筑工程標(biāo)志圖像里灰度級(jí)z的像素?cái)?shù)量、第j個(gè)子層圖像的灰度像素點(diǎn)初始值為mj(z)；m為像素點(diǎn)之和；qj(z)為每個(gè)灰度級(jí)的概率函數(shù)；Dj(z)為子層圖像累計(jì)概率函數(shù)；Xj(z)為原子層圖里灰度值z(mì)的映射灰度值。

2.1.4 增強(qiáng)流程

1)分析自然場(chǎng)景建筑工程標(biāo)志圖像直方圖，判斷與直方圖灰度頻數(shù)極小值相對(duì)應(yīng)的灰度值，把自然場(chǎng)景建筑工程標(biāo)志圖像分成多個(gè)子層圖像。此方法均衡子層圖像時(shí)，使用灰度頻數(shù)閾值能夠讓極小值點(diǎn)的選取不受約束，僅在頻數(shù)極小值點(diǎn)的灰度值周圍便可。為保證自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)的效果更佳，需按照自然場(chǎng)景建筑工程標(biāo)志圖像信息合理增大第1個(gè)子層與最后一個(gè)子層的灰度區(qū)間。

2)按照自然場(chǎng)景建筑工程標(biāo)志圖像的分層狀況，為每個(gè)子層圖像選取合理的動(dòng)態(tài)均衡增強(qiáng)灰度映射區(qū)域，并設(shè)置灰度級(jí)頻數(shù)控制閾值。

3)根據(jù)閾值建立子層直方圖灰度變換函數(shù)，優(yōu)化自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)效果。

2.2 基于逐級(jí)細(xì)化的自然場(chǎng)景建筑工程標(biāo)志信息識(shí)別算法

2.2.1 自然場(chǎng)景建筑工程標(biāo)志圖像粗分類

1)顏色屬性描述子

增強(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像中顏色標(biāo)簽分別是黑、藍(lán)、棕、灰、綠、橙、粉、紫、紅、白、黃[10]。設(shè)置一個(gè)像素值，將11種顏色屬性出現(xiàn)的幾率設(shè)成CN描述子，CN描述子屬于一個(gè)11維顏色向量。自然場(chǎng)景建筑工程標(biāo)志圖像區(qū)域中CN描述子代表全部像素的顏色屬性均值，圖像區(qū)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(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像區(qū)域W里像素是Y；Lab空間像素值為g(Y)；像素?cái)?shù)量總值為M；CNn為第o種顏色屬性；當(dāng)Lab空間像素值g(Y)給定后，顏色屬性o出現(xiàn)的條件概率為q(CNo|g(Y))；q(CNo|W)為增強(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像區(qū)域種顏色屬性o出現(xiàn)的條件概率。

2)CN-HOG特征

自然場(chǎng)景建筑工程標(biāo)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(yōu)化自然場(chǎng)景建筑工程標(biāo)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(gè)特征，簡(jiǎn)稱為RGB-HOG。此做法可以使用顏色信息，優(yōu)化分類準(zhǔn)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(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像分成多個(gè)不存在重復(fù)性的、8×8像素區(qū)域，運(yùn)算各個(gè)區(qū)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(chǔ)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(jī)分類器(簡(jiǎn)稱SVM分類器)的應(yīng)用效果主要與核函數(shù)的選取、參數(shù)選取有關(guān)。本文使用線性核函數(shù)，在增強(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像的原特征空間里實(shí)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(shù)量不存在直接聯(lián)系，如果特征的維數(shù)顯著，自然場(chǎng)景建筑工程標(biāo)志圖像分類性能將顯著。

2.2.2 基于詞袋模型的標(biāo)志細(xì)分類

粗分類主要是實(shí)現(xiàn)自然場(chǎng)景建筑工程標(biāo)志圖像的分類，標(biāo)志圖像存在很多類型，例如禁止系列、警告標(biāo)志、指示系列等等。細(xì)分類階段，需要將粗分類后的標(biāo)志圖像分類為具體的標(biāo)志信息，掌握其語(yǔ)義。自然場(chǎng)景建筑工程標(biāo)志信息的細(xì)分類步驟中，為了得到圖像局部區(qū)域的標(biāo)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(shí)現(xiàn)自然場(chǎng)景建筑工程標(biāo)志圖像區(qū)域信息特征描述，簡(jiǎn)稱為顏色域形狀特征描述。

(12)

(13)

(14)

式(14)中，?屬于待定參數(shù)。高斯核函數(shù)參數(shù)選取難度不大，此函數(shù)可把標(biāo)志信息特征空間映射至無(wú)限維度，實(shí)現(xiàn)自然場(chǎng)景建筑工程標(biāo)志信息細(xì)化分類。

3 實(shí)驗(yàn)結(jié)果及分析

本文研究?jī)?nèi)容是以自然場(chǎng)景建筑工程標(biāo)志信息為主，為測(cè)試所研究算法對(duì)自然場(chǎng)景建筑工程標(biāo)志信息識(shí)別的應(yīng)用效果，在MATLAB平臺(tái)中進(jìn)行功能測(cè)試。

3.1 自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)效果及分析

測(cè)試所研究算法對(duì)自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)效果時(shí)，能夠從定性與定量?jī)蓚€(gè)角度進(jìn)行。定性評(píng)價(jià)是以自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)的視覺效果為主，存在主觀性。為此，本文以定性、定量相結(jié)合方法，測(cè)試所研究算法的增強(qiáng)效果。定量測(cè)試指標(biāo)設(shè)成均方誤差與清晰度，將需增強(qiáng)的自然場(chǎng)景建筑工程標(biāo)志圖像設(shè)成yin，增強(qiáng)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(shí)，需增強(qiáng)圖像和增強(qiáng)后圖像差異顯著，表示自然場(chǎng)景建筑工程標(biāo)志圖像被增強(qiáng)的尺度較大。

清晰度Definition計(jì)算方法是

(16)

清晰度能夠描述自然場(chǎng)景建筑工程標(biāo)志圖像里微小細(xì)節(jié)反差與紋理轉(zhuǎn)換特征，清晰度顯著，表示自然場(chǎng)景建筑工程標(biāo)志圖像質(zhì)量越好。在測(cè)試所研究算法對(duì)自然場(chǎng)景建筑工程標(biāo)志圖像增強(qiáng)效果時(shí)，以指令標(biāo)志、警告標(biāo)志、電力安全標(biāo)志、提示標(biāo)志為例，增強(qiáng)前圖像詳情如圖1所示。增強(qiáng)后效果如圖2所示。

圖1 增強(qiáng)前自然場(chǎng)景建筑工程標(biāo)志圖像

圖2 增強(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像

從視覺效果分析，所研究算法增強(qiáng)后自然場(chǎng)景建筑工程標(biāo)志圖像更為清晰，圖像質(zhì)量明顯優(yōu)于增強(qiáng)前。從定量角度測(cè)試，所研究算法增強(qiáng)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(qiáng)效果定量測(cè)試結(jié)果

分析圖3可知，從定量角度測(cè)試后，所研究算法增強(qiáng)后圖像均方根誤差與清晰度可滿足圖像增強(qiáng)應(yīng)用需求，均方根誤差低于0.03，清晰度大于95%，由此驗(yàn)證，所研究算法對(duì)自然場(chǎng)景建筑工程標(biāo)志圖像存在較好增強(qiáng)效果。

3.2 自然場(chǎng)景建筑工程標(biāo)志信息識(shí)別效果及分析

當(dāng)自然場(chǎng)景建筑工程標(biāo)志圖像指令標(biāo)志、警告標(biāo)志、電力安全標(biāo)志、提示標(biāo)志存在數(shù)量差異時(shí)，測(cè)試所研究算法識(shí)別效果。測(cè)試結(jié)果如表1所示。

表1 自然場(chǎng)景建筑工程標(biāo)志信息識(shí)別效果

如表1所示，所研究算法可準(zhǔn)確識(shí)別自然場(chǎng)景建筑工程標(biāo)志信息，識(shí)別效果極好，識(shí)別數(shù)量與實(shí)際標(biāo)志數(shù)量一致，不存在偏差。

測(cè)試所研究算法在識(shí)別自然場(chǎng)景建筑標(biāo)志信息時(shí)應(yīng)用效率，此耗時(shí)主要體現(xiàn)于所研究算法在MATLAB平臺(tái)中操作耗時(shí)，結(jié)果如表2所示。

表2 所研究算法應(yīng)用效率測(cè)試結(jié)果

如表2所示，所研究算法的圖像增強(qiáng)處理耗時(shí)、標(biāo)志信息識(shí)別耗時(shí)均低于1s，在識(shí)別自然場(chǎng)景建筑標(biāo)志信息時(shí)應(yīng)用效率較高。

4 結(jié)論

本文以自然場(chǎng)景建筑標(biāo)志信息識(shí)別問(wèn)題為研究主題，提出了基于圖像增強(qiáng)的自然場(chǎng)景建筑工程標(biāo)志信息逐級(jí)細(xì)化識(shí)別算法，并通過(guò)仿真測(cè)試其應(yīng)用效果。測(cè)試結(jié)果顯示，所研究算法增強(qiáng)后的自然場(chǎng)景建筑工程標(biāo)志圖像更為清晰，圖像質(zhì)量明顯優(yōu)于增強(qiáng)前，這對(duì)自然場(chǎng)景建筑工程標(biāo)志信息識(shí)別存在積極作用；所研究算法可準(zhǔn)確識(shí)別自然場(chǎng)景建筑工程標(biāo)志信息，識(shí)別效果較好，與實(shí)際標(biāo)志數(shù)量一致，不存在偏差。