靳鑫，黃經(jīng)校，胡洪

（電子科技大學(xué)成都學(xué)院 信息與通信工程系，四川成都，611731）

0 引言

隨著現(xiàn)代交通技術(shù)越來越多，人們可以利用的交通工具數(shù)量不斷增加，可隨之而來的還包括交通事故，它嚴(yán)重影響到了人們的生命安全，因此，交通安全的問題不容小覷。我們都知道火車有鐵軌，飛機(jī)有地面跑道，而汽車也有地面跑道。那么我們?cè)撊绾瓮ㄟ^檢測(cè)車道線來降低風(fēng)險(xiǎn)是重中之重，對(duì)于道路檢測(cè)的研究不僅是車輛可控制因素的核心問題，而且它有著發(fā)展快、技術(shù)多、投資多的特點(diǎn)。因此，對(duì)地面的道路線識(shí)別研究具有重要意義。

目前，我國(guó)針對(duì)道路線識(shí)別系統(tǒng)研究的技術(shù)有很多，例如：灰度閾值分割法、邊緣檢測(cè)法和區(qū)域生長(zhǎng)跟蹤法以及基于分水嶺算法的分割方法等。對(duì)于道路線檢測(cè)系統(tǒng)研究的重要性不言而喻，本文主要基于三種方法對(duì)道路線進(jìn)行檢測(cè)并對(duì)比，得到檢測(cè)道路線的最佳算法。

1 道路線檢測(cè)原理及GUI界面

1.1 otsu閾值分割+hough法變換的原理

otsu閾值分割法的基本原理是把圖像按照灰度比分為2個(gè)比例，使這兩個(gè)比例的圖像灰度值之間的對(duì)比更加明顯，而每個(gè)比例圖像之間的灰度差異最小。其次是通過方差計(jì)算得到一個(gè)相對(duì)合適的灰度級(jí)別來劃分兩個(gè)區(qū)域。

對(duì)圖像I（x，y），前景和背景的分割閾值記作T，前景像素點(diǎn)數(shù)占整幅圖像的比例為ω0，其平均灰度μ0；背景像素點(diǎn)數(shù)占整幅圖像的比例為ω1，其平均灰度μ1；圖像的總平均灰度記為μ=ω0μ0+ω1μ1；類間方差記為g。

假設(shè)：背景較暗，且圖像的大小為M×N，圖像中，像素灰度值小于閾值T的像素個(gè)數(shù)記作N0，像素灰度值大于閾值T的像素個(gè)數(shù)記作N1，則有：

將式（5）代入式（6）,得到等價(jià)公式：

這就是類間方差，采用遍歷的方法得到使類間方差g最大的閾值T，即為所求。

hough變換的基本原理在于，xy坐標(biāo)空間經(jīng)過固定一定I（x，y）的多條直線參數(shù)可以映射到由這些直線參數(shù)所組成的參數(shù)空間的一條曲線。假設(shè)將所有直線在二維圖像中的像素點(diǎn)映射到參數(shù)空間中，并對(duì)參數(shù)進(jìn)行疊加，就可以形成多條曲線。在實(shí)際應(yīng)用中，首先要進(jìn)行參數(shù)空間初始化，也就是矩陣像素點(diǎn)置0；其次要記錄所有經(jīng)過不為0像素點(diǎn)的直線參數(shù)，在參數(shù)空間中加1，形成一個(gè)累加器；最后分析參數(shù)矩陣，獲取多個(gè)峰值進(jìn)行檢測(cè)。

1.2 直方圖閾值分割+hough變換法的原理

直方圖閾值分割+hough變換法的基本原理是把先圖像的灰度分成不同的等級(jí)，然后確定灰度和門閾值。其次，對(duì)圖像的閾值化處理是一種階梯函數(shù)，它的功能是先指定一個(gè)閾值，如果圖像中的某個(gè)像素大于該閾值，則像素的灰度值為255，否則為0。最后根據(jù)灰度直方圖的分布情況，觀察直方圖的波峰和波谷，選取谷底的值為最佳閾值，利用最佳閾值對(duì)圖像閾值化處理，把目標(biāo)和背景分離，達(dá)到檢測(cè)直線的效果。Hough變換的基本原理和前文中介紹的相同。

1.3 區(qū)域生長(zhǎng)跟蹤法的原理

區(qū)域生長(zhǎng)跟蹤法的基本原理是先把相似性質(zhì)的像素點(diǎn)合并在一起，然后選取一個(gè)種子點(diǎn)，確定該種子點(diǎn)在生長(zhǎng)過程中將相鄰的像素全部覆蓋，最后令種子點(diǎn)停止生長(zhǎng)。其中確定了種子點(diǎn)的起點(diǎn)后，將它周圍相鄰的像素點(diǎn)和種子點(diǎn)進(jìn)行對(duì)比，相似的種子點(diǎn)保持向外生長(zhǎng)的狀態(tài)，直到?jīng)]有滿足條件的像素點(diǎn)被包括進(jìn)來為止。

在種子的選取中，大部分情況下都選取人工交互的方法實(shí)現(xiàn)，其他方式比如尋找物體并提取內(nèi)部點(diǎn)，都要找到特征點(diǎn)作為種子點(diǎn)；在生長(zhǎng)過程中，相鄰像素要包括灰度值差值之間的對(duì)比、彩色圖像的顏色、梯度特征等，根據(jù)它的特征，利用區(qū)域生長(zhǎng)法進(jìn)行生長(zhǎng)。

通過對(duì)以上三種方法原理的介紹，otsu閾值分割+hough變換法和直方圖閾值分割+hough變換法都是在選取最佳閾值的基礎(chǔ)上對(duì)二值圖像進(jìn)行hough變換，其中hough變換首先需要進(jìn)行邊緣檢測(cè)，其次要確定待測(cè)量直線段的最小長(zhǎng)度和線段間距離，最后將符合條件的直線進(jìn)行標(biāo)記，在一定程度上增大了道路線檢測(cè)的難度。而區(qū)域生長(zhǎng)跟蹤法只需要利用種子點(diǎn)搜索二值圖像中物體的外邊界，用不同顏色標(biāo)記不同性質(zhì)的區(qū)域，最后在圖像上疊畫每一個(gè)線條的邊界，該檢測(cè)法的原理相比另外兩種方法的原理更加簡(jiǎn)單，實(shí)際應(yīng)用性更強(qiáng)。

1.4 GUI人機(jī)交互界面設(shè)置

MATLAB GUI為圖形用戶接口（Graphical User Interface，簡(jiǎn)稱GUI），指采用圖形方式顯示的計(jì)算機(jī)操作用戶界面。GUI只需要通過菜單欄選擇需要的圖形對(duì)象來操作設(shè)置界面即可。正是因?yàn)镚UI為用戶提供了極大的方便，所以備受青睞。

本系統(tǒng)所設(shè)計(jì)的人機(jī)交互GUI界面如圖1所示。

圖1 道路線識(shí)別系統(tǒng)的GUI界面

2 道路線檢測(cè)系統(tǒng)設(shè)計(jì)

本文基于道路線檢測(cè)原理，利用不同算法對(duì)進(jìn)行道路線檢測(cè)。包括otsu閾值分割+hough變換法、直方圖閾值分割+hough變換法、區(qū)域跟蹤生長(zhǎng)法，并結(jié)合GUI人機(jī)交互界面，對(duì)道路線檢測(cè)不同方法的圖像進(jìn)行結(jié)果展示，設(shè)計(jì)開發(fā)道路線檢測(cè)系統(tǒng)。

由于圖像采集時(shí)存在一些不確定因素的影響，比如彩色圖像光線過亮、圖像模糊等情況，都會(huì)影響道路線檢測(cè)的正確率，因此道路線檢測(cè)在實(shí)際檢測(cè)過程中仍存在一定困難。本文所利用的otsu閾值分割+hough變換法和直方圖閾值分割+hough變換法，都要先對(duì)采集的圖像進(jìn)行閾值分割得到二值圖像后，再分別進(jìn)行邊緣檢測(cè)和hough變換，而區(qū)域生長(zhǎng)跟蹤法先要對(duì)采集的圖像二值化，其次下種子點(diǎn)搜索物體外邊界，最后用不同顏色標(biāo)記不同區(qū)域。道路線檢測(cè)系統(tǒng)總體設(shè)計(jì)方案如圖2所示。

圖2 系統(tǒng)總體設(shè)計(jì)方案

2.1 otsu閾值分割+hough變換法設(shè)計(jì)流程

利用otsu閾值分割+hough變換法進(jìn)行道路線檢測(cè)的流程包括：讀取圖像、灰度處理、otsu閾值分割、邊緣檢測(cè)、hough變換提取直線、道路線檢測(cè)。如圖3所示。

圖3 otsu閾值分割+hough 變換法處理流程

2.2 直方圖閾值分割+hough變換法設(shè)計(jì)流程

利用直方圖閾值分割+hough變換法進(jìn)行道路線檢測(cè)的流程包括：讀取圖像、灰度處理、直方圖閾值分割、邊緣檢測(cè)、hough變換提取直線、道路線檢測(cè)。如圖4所示。

圖4 直方圖閾值分割+hough變換法處理流程

2.3 區(qū)域生長(zhǎng)跟蹤法設(shè)計(jì)流程

利用區(qū)域生長(zhǎng)跟蹤法進(jìn)行道路線檢測(cè)流程包括：讀取圖像、二值化處理、下種子點(diǎn)、區(qū)域生長(zhǎng)跟蹤、道路線檢測(cè)。如圖5所示。

圖5 區(qū)域生長(zhǎng)跟蹤法處理流程

3 道路線檢測(cè)系統(tǒng)的結(jié)果與分析

分別應(yīng)用otsu閾值分割+hough變換法、直方圖閾值分割+hough變換法、區(qū)域生長(zhǎng)跟蹤法對(duì)道路線進(jìn)行檢測(cè)?；趯?shí)際道路圖像，驗(yàn)證三種檢測(cè)法的有效性，并進(jìn)行對(duì)比分析。

圖6 所示的圖像一和圖像二均是MATLAB GUI界面系統(tǒng)實(shí)現(xiàn)圖像效果，點(diǎn)擊“打開圖像”按鈕，則出現(xiàn)待檢測(cè)道路線的圖像，同理，點(diǎn)擊其他按鈕都會(huì)在按鈕上方顯示該按鈕所對(duì)應(yīng)的功能圖像。下面將點(diǎn)擊不同按鈕對(duì)道路線檢測(cè)進(jìn)行結(jié)果顯示。

圖6

圖7 (a)和7(b)使用hough變換時(shí)，對(duì)hough矩陣進(jìn)行閾值檢測(cè)，閾值設(shè)置為矩陣最大值的0.3，將大于閾值的點(diǎn)作為備選點(diǎn)。取hough矩陣中備選點(diǎn)中的極大值點(diǎn)為峰值點(diǎn)，這些峰值點(diǎn)對(duì)應(yīng)的參數(shù)空間坐標(biāo)即所檢測(cè)直線的參數(shù)。峰值點(diǎn)個(gè)數(shù)設(shè)置為n個(gè)，即提取n條目標(biāo)直線。參數(shù)空間分別選取矩陣第二列全部坐標(biāo)的角度值以及矩陣第一列的所有行。且圖7(b)根據(jù)灰度直方圖選取直方圖谷底的值200為最佳閾值。線條繪圖的參數(shù)設(shè)置如下：線段合并的閾值設(shè)置為300，檢測(cè)直線段的最小長(zhǎng)度的閾值設(shè)置為4，標(biāo)記道路線的線寬設(shè)置為3。

圖7 圖像一的應(yīng)用結(jié)果

圖7(c)使用區(qū)域生長(zhǎng)跟蹤法設(shè)置參數(shù)時(shí)，只需要將線條繪圖的參數(shù)即線寬設(shè)置為3，其余部分均利用種子點(diǎn)用不同顏色標(biāo)記不同性質(zhì)區(qū)域的性質(zhì)來完成。

從圖7可以看出，雖然三種方法在圖像一所示的道路上都得到了初步的檢測(cè)效果，但和otsu閾值分割+hough變換法（圖7a）和直方圖閾值分割+hough變換法（圖7b）相比，區(qū)域生長(zhǎng)跟蹤法（圖7c）得到了更完整的道路線檢測(cè)結(jié)果。

圖8 (a)和8(b)使用hough變換時(shí)的參數(shù)同圖7的設(shè)置相同。而線條繪圖的參數(shù)設(shè)置如下：將線段合并的閾值設(shè)置為500，檢測(cè)直線段的最小長(zhǎng)度的閾值設(shè)置為160，標(biāo)記道路線的線寬設(shè)置為3。

圖8 圖像二的應(yīng)用結(jié)果

圖8(c)使用區(qū)域生長(zhǎng)跟蹤法設(shè)置參數(shù)時(shí)，這里將線條繪圖的參數(shù)即線寬設(shè)置為2，其余部分也均利用種子點(diǎn)用不同顏色標(biāo)記不同性質(zhì)區(qū)域的性質(zhì)來完成。

從圖8可以看出，otsu閾值分割+hough變換法（圖8a）和直方圖閾值分割+hough變換法（圖8b）雖然檢測(cè)除了大部分道路線，但圖像邊緣仍存在一定不足。而區(qū)域生長(zhǎng)跟蹤法（圖8c）的檢測(cè)結(jié)果比另外兩種檢測(cè)法的圖像結(jié)果顯示更加完整。

另外，在實(shí)際應(yīng)用中，基于hough變換的方法，線段合并的閾值和檢測(cè)直線段的最小長(zhǎng)度的閾值如果設(shè)置不得當(dāng)，檢測(cè)到的道路線就會(huì)缺失。而線寬如果設(shè)置過大，道路線就被全覆蓋，不能很好地將道路線邊界和中間部分分離；若設(shè)置過小，則只能檢測(cè)道路線邊界部分，中間白色道路部分不清晰，達(dá)不到理想的效果。而區(qū)域生長(zhǎng)跟蹤法對(duì)每一條道路線都用黃色的線包圍，道路線邊界和中間部分色彩差異明顯，且背景與目標(biāo)對(duì)比明顯，同時(shí)該檢測(cè)法無需進(jìn)行hough變換的參數(shù)設(shè)置便能夠完成道路線的檢測(cè)，很大程度上降低了操作難度，利用該檢測(cè)法準(zhǔn)確率較高。

以上兩個(gè)實(shí)驗(yàn)應(yīng)用成功驗(yàn)證了區(qū)域生長(zhǎng)跟蹤法的效果最佳以及在實(shí)際應(yīng)用中的可行性。

4 結(jié)束語(yǔ)

本文經(jīng)過圖像采集后，首先通過matlab實(shí)現(xiàn)了基于灰度圖像的道路線檢測(cè)，同時(shí)研究其原理進(jìn)一步獲得檢測(cè)車道線的方法，其次設(shè)置了GUI人機(jī)交互界面對(duì)圖像進(jìn)行處理，分別利用otsu閾值分割+hough變換法、直方圖閾值分割+hough變換法以及區(qū)域生長(zhǎng)跟蹤法完成道路線的檢測(cè)，最終實(shí)驗(yàn)結(jié)果驗(yàn)證了區(qū)域生長(zhǎng)跟蹤法在道路線檢測(cè)系統(tǒng)中應(yīng)用的可行性和優(yōu)越性。