基于顏色聚類和直線檢測的自適應盲道區域分割算法

閆志杰，汪劍鳴，竇汝振，冷 宇

（1.天津工業大學信息與通信工程學院，天津 300160；2.中國汽車技術研究中心，天津 300162；3.蘇州出入境檢驗檢疫局，蘇州 215021）

基于顏色聚類和直線檢測的自適應盲道區域分割算法

閆志杰1，汪劍鳴1，竇汝振2，冷 宇3

（1.天津工業大學信息與通信工程學院，天津 300160；2.中國汽車技術研究中心，天津 300162；3.蘇州出入境檢驗檢疫局，蘇州 215021）

為幫助盲人更好地利用盲道，提出一種自適應盲道分割算法.首先利用顏色聚類分析的方法對圖像進行初步的區域分割，然后根據盲道的顏色特征從中選擇屬于盲道的區域.利用拉東變換對圖像中的直線邊緣進行檢測，并結合對盲道的初步分割結果找到盲道的邊緣，以實現對盲道區域的精確分割.為了對算法進行驗證，在不同時間和不同的天氣條件下采集室外的盲道圖像對算法進行測試.實驗表明，環境變化對該算法影響很小，可以實現對盲道區域的自適應分割.

聚類分析；盲道分割；直線檢測；拉東變換

隨著社會進步和人們生活水平的提高，視障群體越來越受到大眾的關注.為了幫助他們提高自理能力，人們已經開發出了很多協助視障者提高自理能力的設備和儀器，比如電子導盲杖、GPS盲人導航系統及基于機器視覺方法的產品等.其中，機器視覺方法更接近于人類自身獲取信息的方式，因此是一種最具發展潛力的視障輔助技術.利用計算機視覺方法可以在很多方面對盲人進行輔助，例如利用字符識別技術為盲人閱讀文字信息，利用人臉檢測與識別等技術提高盲人與其他人交往的能力，同時利用計算機視覺技術也可以實現對盲人行走的輔助.盲道是為盲人提供行路安全和方便的道路設施，如今已成為市政工程建設中一項重要的項目.標準盲道一般由兩類磚鋪成，一類是條形引導磚，引導盲人放心前行；一類是帶有圓點的提示磚，提示盲人前面有障礙或者盲道到達終點.盲道為視障者的出行提供了很大的方便，但是實際生活中，視障者對盲道的使用仍然存在許多問題.例如，在一個陌生的環境中，如果盲人沒有站在盲道上，如何發現盲道的位置？即使盲人已經站到了盲道上，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，本文擬采用計算機視覺的方法對盲道實現自動分割，以幫助盲人更方便地利用盲道.目前利用計算機視覺技術來對盲道進行分割的研究尚沒有引起人們的廣泛關注，目前存在的文獻也比較少.文獻[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盲道進行分割的方法.標準盲道為深黃色，但由于環境的光照條件變化等原因，在不同區域、不同時間盲道的顏色會有較大的變化.此外盲道雖然有固定的紋理模式，但是隨著觀測角度的不同，圖像中的紋理模式也會有較大的變化.由于文獻[1-2]所提出的檢測方法對顏色特征和紋理特征的變化不具備自適應能力，因此很難在實際中得到應用.同時單獨利用盲道的直線邊緣特征在實際應用中也無法準確無誤地從環境中檢測出盲道區域.為了提高基于計算機視覺方法的盲道檢測技術的實用性，本文主要研究具有自適應能力的盲道自動分割方法，首先利用基于顏色聚類分析的方法對盲道顏色進行自適應分割，然后結合直線檢測的方法對盲道區域進行精確的自動分割，最后通過實際拍攝的盲道圖像對算法進行測試.

1 盲道自適應分割算法

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

圖1 標準盲道示例Fig.1 Examples of standard sidewalk

圖2 自適應盲道分割算法框圖

為了對盲道區域進行比較精確的分割，首先需要將采集到的圖進行色彩空間變換.實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]有其獨特的優勢，Lab色彩空間被設計來接近人類視覺.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分量來調整亮度對比.而這些變換在RGB空間中實現起來是比較困難或者不可能的.為了更加有效地對盲道部分的色彩進行聚類，在進行聚類之前先將顏色轉換到Lab空間中，然后在Lab空間對圖像顏色進行顏色聚類.聚類之后，采用從聚類結果中自動最接近深黃色的顏色類別，對盲道區域進行自適應分割.最后對圖像進行直線檢測，并配合盲道分割的結果來尋找盲道的直線邊界，最終得到精確的盲道分割區域.

1.1 基于顏色聚類的盲道自適應分割

聚類分析[4]依據模式的相似性為基礎.按照某種聚類準則進行判決，聚類分析是一種無教師的模式分類方法，即在設計分類器時，采用的樣本所屬類別未知，根據樣本之間的相似程度進行自動分類.在分類時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分開來.這種分類法屬于動態聚類的范疇.動態聚類會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中去，得到初始分類；然后用某種原則進行修正，直到分類比較合理為止.

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

步驟2 假設已經進行到第r次迭代.若對某一樣本x有

步驟3 計算重新分類后的各聚類中心：

進行聚類時不需要外界的任何信息，但是分類結果與所選聚類中心的個數K和初始的聚類中心選擇有關系，因此在實際中應該試探不同的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知識，本文在選擇時采取了隨機抽取個樣本作為初始的聚類中心.聚類完成之后，需要從聚類結果中選取出盲道區域對應的分類，此處對每個聚類中心進行了考察，并認為最接近黃色的一個對應的類別為盲道區域.

1.2 直線檢測

在實際應用中，僅僅依靠顏色聚類的方法往往還不能得到理想的分割結果.通過觀察盲道可以發現，在多數情況下，盲道具有兩條筆直的邊緣.基于盲道的這個特征，本文把基于顏色特征的區域分割和直線檢測方法結合起來，以實現精確的盲道區域分割.

為了檢測圖像中的直線特征，首先要利用邊緣檢測算子對圖像進行邊緣特征檢測.由于本文關心的盲道邊緣為較長且聯系的直線邊緣，因此在進行邊緣檢測時可選擇合適的邊緣檢測算子，以突出較長的邊緣特征，而對短的邊緣特征進行抑制.利用Canny邊緣檢測[6]很好滿足上述邊緣檢測的要求.本文采用的邊緣檢測的過程如下：

步驟1 將圖像f與尺度為σ的高斯函數做卷積.

步驟2 對圖像中的每個像素，用公式（3）估計局部邊緣的法向量

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）進行非最大抑制，找到邊緣的位置.

步驟4 用公式（5）計算邊緣強度：

步驟5 用雙閾值法做滯后閾值化處理，消除虛假響應并連接邊緣.

在進行Canny邊緣檢測的時候，也需要對大量圖像進行試驗，得到一些經驗性參數.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節成分.

拉東變換[7]（Radon Transform）是計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對函數進行投影，即任意角度函數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）有著非常密切的聯系.可以利用拉東變換實現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 對圖像進行邊緣提取，獲取圖像的二值化邊緣圖像.

步驟2 計算圖像的拉東變換.

步驟3 在拉東變換的結論矩陣中尋找存在直線參數.

步驟4 從搜尋到的直線參數中選取盲道邊界的直線參數.

在尋找盲道邊界的直線參數時，因為采集到的圖像中會有很多干擾成分，需要對圖像進行綜合考慮，本文提出了2種比較有效的直線參數選擇方法.

方法1：一般來說，現實中的盲道邊界是平行的，但是由于圖像采集過程是一個投影變換的過程，圖像中的兩條邊界一般并不會平行，因此盲道的兩條邊界直線的斜率不會相等，但是可以確定它們相差不大，截距卻不會完全一樣.根據這個條件可以對直線參數進行初步合理選擇，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聚類得到的盲道區域，實際的盲道邊界可能在這個區域之內，也可能在此區域之外.根據這個特性可以考察選中區域中的每個點到的某條候選的平均距離，如公式所示.根據分析平均距離最小的應該是盲道的邊界.

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

2 實驗結果

2.1 基于顏色聚類分析的盲道區域分割結果

在執行聚類算法之前，首先需要設定聚類類別數K.本文在進行實驗時，設定K=3.聚類后還需要從圖像中找出盲道所對應的類別.由于盲道偏重于黃色，可以從聚類結果的類中心中找出最接近于黃色的一類作為盲道部分.分割結果如圖3所示.

圖3 盲道區域分割結果Fig.3 Results of sidewalk area segmentation

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

2.2 直線檢測結果

進行直線檢測直線，要先對圖像進行Canny邊緣檢測，其中一些參數在設置時需要慎重，其目的主要是為了突出盲道的邊緣部分.

本文中在進行邊緣檢測為了提高圖像的對比度，在進行完高斯模糊之后進行了Gamma調整.邊緣檢測中的主要參數有：

（1）高斯函數的尺度σ.

（2）gamma調整時的gamma值.

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

（4）進行滯后閾值處理時用到的兩個閾值參數Tl和Th.

經過大量樣本的訓練，本文中用到的這些參數值分別為：σ=14；gamma=1.8；radius=1.3；Tl=0.06；Th=0.07.Canny邊緣檢測的結果如圖4所示.然后通過拉東變換從邊緣圖像中檢測直線，并從中提取出盲道邊緣對應的直線，如圖5所示.

圖4 Canny邊緣檢測的結果Fig.4 Results of Canny edge detection

圖5 直線檢測結果Fig.5 Results of line detection

2.3 盲道分割結果

對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，結合直線檢測得到的分割結果如圖6所示.圖6中的白色區域為盲道區域.

圖6 最終分割結果Fig.6 Final results of segmentation

為了對該方法的分割效率進行統計，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.對于光照條件，分別在晴天和陰天采集了早晨、中午和傍晚時的圖片；對于干擾成分，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.統計結果如表1所示.

表1 盲道分割結果統計Tab.1 Statistical result of sidewalk segmentation

由表1的統計結果顯示，本文中提出的方法可以達到96%以上的正確分割率，充分說明了該方法的有效性.其中導致錯誤分割的主要原因大多是盲道在躲避障礙物時發生變向，而使得直線檢測沒法把變向的盲道區域給包括進去，如圖7所示.

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

3 結束語

為了解決盲人在陌生環境中使用盲道存在的一些問題，有必要研究如何將盲道區域從圖像中分割出來.現有的盲道區域分割算法只依據盲道顏色特征對盲道進行簡單的分割，算法對光照等條件敏感，對圖像質量要求高，自適應能力差.

本文提出了一種結合顏色聚類分析和直線檢測的自適應盲道區域分割算法，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算法進行測試，實驗表明該方法具有自適應盲道區域分割能力，對光照條件敏感程度低，可實用化程度高.

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

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

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

[4]李弼程，邵美珍，黃 潔.模式識別原理及應用[M].西安：西安電子科技大學出版社，2008：111-114.

[5]張 勇，吳文建，劉志明.基于改進均值聚類分析的迷彩偽裝色選取[J].計算機工程與應用，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 基金項目：國家自然科學基金項目（60602036）

閆志杰（1983—），男，碩士研究生.

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