区域生长算法在校园道路识别中应用.docVIP

区域生长算法在校园道路识别中应用 　　摘 要：针对目前校园道路的智能识别问题，提出了一种改进的道路识别分割方法。将形态学变换中腐蚀与膨胀相结合的开闭运算运用于区域生长分割，使得道路更加清晰完整地从图像中分割识别出来。为了确保图像中道路分割的精准性，在图像预处理中采用几何失真校正的方法，很好地避免了因图像成像角度引起的扭曲失真问题，使实验结果更具真实性、完整性和准确性。实验结果表明，该方法能够排出道路区域外的噪声干扰，有效地分割识别出道路，满足实际应用需求。 　　关键词：智能识别；道路分割识别；区域生长；图像处理 　　中图分类号：TP319 文献标识码：A 文章编号：1672-7800（2016）003-0144-02 　　作者简介：刘步实（1991-），女，江西乐平人，广西师范学院计算机与信息工程学院硕士研究生，研究方向为计算机图像处理；梁秋媛（1993-），女，广西横县人，广西师范学院计算机与信息工程学院学生；覃晓（1973-），广西河池人，广西师范学院计算机与信息工程学院副教授、硕士生导师，研究方向为计算机图像处理。 　　0 引言 　　校园是人口密集的公共场所，其安全问题日益受到重视。道路监控是智慧校园的一个重要组成部分，越来越多的校园安装了安防监控系统。道路监控的目的，是在监控视频中的道路区域布防，以便在发生交通事故、聚众、追逐打闹等意外事故时迅速报警。为此，必须首先识别校园监控视频中的道路区域。 　　视频图像中的道路识别技术，主要采用图像分割方法，即利用图像中道路的某些相似性质，如灰度、颜色、纹理等方面，将道路分割识别出来[1]。区域生长分割方法是一种基于聚类的图像分割方法，其将具有相似灰度值的像素聚集起来构成感兴趣的区域从而识别目标。本文将区域生长算法应用于校园监控视频的道路识别，并以广西师范学院的监控视频为例，阐述道路识别的具体步骤。 　　1 校园道路识别过程 　　本文主要思想是在运用区域生长分割方法的基础上，结合几何失真校正和形态学知识，更好地实现对道路的分割识别。具体实现流程如图1所示。 　　1.1 视频图像预处理 　　由于成像系统的非线性及角度变化等原因，通过摄像头采集的视频图像会出现畸变扭曲等问题，这类问题被称为几何失真。本文在图像预处理中，首先对图像的几何失真进行校正。 　　几何失真校正的常用方法是先进行空间几何坐标变换，然后重新确定再校正空间各像素点的取值。空间几何坐标变换是按照原始图像f（x，y）来校正其几何失真图像g（x′，y′）。根据两幅图像之间的一些对应点建立映射函数，使得失真图像的x′- y′ 坐标系变换到原始图像x-y坐标系，实现失真图像按照原始图像的几何位置进行校正。设原始图像使用（x，y）坐标系，失真图像使用（x′，y′）坐标系。 　　经过几何位置校正后，校正空间中各像素点的灰度值等于原始图像对应点的灰度值。一般校正后图像的某些像素点可能分布不均匀，不会恰好落在坐标点上。为保持原来整数点坐标上像素值的连续性，本文采用最近邻点法和双线性插值法来获得矫正后像素点的灰度值。 　　1.2 区域生长算法应用 　　区域生长是一种串行区域分割图像的方法，操作比较简单，能够将具有相同特征的联通区域从图像中分割出来，并且分割的边界信息效果很好，即使在没有先验知识可利用的情况下，也能够处理和分割较为复杂的图像，发挥最佳性能。区域生长的好坏取决于3个方面：①选择或确定一组能正确代表所需区域的种子；②确定在生长过程中能将相邻像素包括进来的准则；③制定让生长过程能够停止的条件或规则[2-4]。 　　根据区域生长算法，本文首先在原始图像上选取能正确代表所需区域的起始点种子点像素后，确定在生长过程中的生长准则和停止生长的条件。从种子点出发，按照8个邻域点是否符合阈值条件的生长准则进行判断，接着将符合该条件的像素点作为新的生长点，继续遵循生长准则重复上述过程，直至8个邻域点都不符合条件，则生长过程停止。 　　区域生长实现过程如下：①对图像选取种子点，设该种子点像素为（x，y）；②以（x，y）为中心，考虑（x，y）的8领域像素（x，y），如果（x，y）满足生长准则，将（x，y）与（x，y）合并（必须在同一区域内），同时将（x，y）压入堆栈；③将堆栈中的每个像素当作（x，y），重复步骤②；④堆栈为空时，返回步骤①；⑤循环步骤①-步骤④，直到领域8点都不符合生长条件，则生长终止。 　　区域生长的分割效果如图2所示。 　　1.3 形态学变换 　　从图2可以看出，利用区域生长算法对图像进行分割，分割结果中路边的树枝、篮球架等其它信息也被误分割为道路，且有很大噪声。为进一步提高道路识别的准确性，本文采用数学形态学对分割结果作进一步处理。 　　数学形态学图像处理的基本思想是将结构元素（St