（电力系统及其自动化专业论文）站场调车信号识别系统研究.pdf

西南交通大学硕士研究生学位论文第l i 页 a b s t r a c t i no r d e rt oc o p ew i r hs h u n t i n ga c c i d e n t sb e c a u s eo f h u m a nf a c t o r sa n di m p r o v e t h es e c u r i t yo fs h u n t i n go p e r a t i o n , t h ep a p e rc o n s t r u c t sas h u n t i n gs a f e t ya s s i s t a n t s y s t e mf o rc l a s s i f i c a t i o ny a r db a s e do nc o m p u t e rv i s i o na n di m a g ep r o c e s s i n g ， w h i c hi su s e dt og u i d ed r i v e r st oc o n t r o ll o c o m o t i v ec o r r e c t l y , a n da v o i ds h u n t i n g a c c i d e n t s ，s u c ha sb l u e l i g h tr u n n i n g ，h u s t l i n gr a i l w a ys w i t c ha n dc o l l i d i n ge a r t h r e t a i n i n g t h ec h a r a c t e r i s t i c so fr a i l w a ys h u n t i n go p e r a t i o na r ea n a l y s e dc o m b i n e dw i t h p e r s p e c t i v ep r i n c i p l e s t h e o b s t a c l ed e t e c t i o n a l g o r i t h m b a s e d0 nn d i v i d e d s u b - s a m p l i n gi sp r o p o s e d i na d d i t i o n , t h ep a p e rr e s e a r c h st h ed i s t a n c ee s t i m a t i o n b e t w e e nl o c o m o t i v ea n dt a r g e t sb ye d g ee x t r a c t i o na n dh o u g ht r a n s f o r m t b e p r e c i s i o n o ft h i s a l g o r i t h m c a ng a i np e r f o r m a n c es a t i s f a c t o r i l y ap m x i c u l a r a p p l i c a t i o no fi m a g es t a b i l i z a t i o ni sc o n c e r n e di nt h ep a p e r i no r d e rt ov e r i f y i t s v a l i d i t y , i th a sb e e nt e s t e do nav a r i e t yo f c o l o rv i d e o - s e q u e n c e s t a k e nf r o mt h ep o i n t o f v i e wo f t r a i n sm o v i n ga l o n gr a i l w a y st r a c k s i nt h ep a p e rag e n e r a ls y s t e mf o rr e a l - t i m ed e t e c t i o na n dr e c o g n i t i o no ft r a f f c s i g n a l si sp r o p o s e d 1 1 1 ek e ys 脚i s at ：a i n e l ai n s t a l l e d o nam o v i n gv e h i c l e 1 1 l e s o f t w a r es y s t e mc o n s i s t so ft h r e em a i nm o d u l e s ：d e t e c t i o n , t r a c k i n g , s a m p l e - b a s e d c l a s s i f i c a t i o na n dr e c o g n i t i o n a d d i t i o n a ls e n s o ri n f o r m a t i o n , s u c ha sv e h i c l ed a t a , g p s a n de n h a n c e dd i g i t a lm a p sa f eu s e dt oe n i l 暑m c et h ep e r f o r m a n c ea n dr o b u s t n e s s o ft h es y s t e m s i n c et h ed e t e c t i o na n dr e c o g n i t i o ns t e pi st h em o s tc r i t i c a lo n e ，a d e t e c t i o na n dr e c o g n i t i o na l g o r i t h mb a s e d0 1 1s h a p ea n dc o l o rf e a t u r e si sp r o p o s e d f i r s t l y , i t1 2 l a k e su s eo f t h es h a p ef e a t u r et ol o c a t et h es i g n a ll a m p s ，a n dt h e nj u d g e s t h e i rs t a t u sa th i sc o l o rs p a c eb yt h ec o l o r s t h ec o l o rs y s t e m , w i t hah i g hd y n a m i cr a n g ec a m e r aa n dp r e c i s el o c a t i o n i n f o r m a t i o no ft h ev e h i c l ea n dt h es e a r c h e dt r a f f i cs i g n a l s , o f f e r sv a l u a b l ea n d r e l i a b l eh e i pi nd i r e c t i n gt h ed r i v e r sa t t e n t i o nt om a f f i cs i g n a l sa n dt h u sc a nr e d u c e b l u e - l i g h tr u n n i n ga c c i d e n t s k e yw o r d s ：s h u n t i n go p e r a t i o n , i m a g es t a b i l i z a t i o n , s i g n a l d e t e c t i o na n d r e c o g n i t i o n , d i s t a n c ee s t i m a t i o n , h o u g ht r a n s f o r m 西南交通大学硕士研究生学位论文第1 页 1 1 课题背景和意义 第一章绪论 铁路调车工作是完成铁路运输生产任务的重要组成部分，是确保实现列 车编组计划、列车运行图，加速车辆周转、质量良好地完成运输生产任务过 程中必不可缺的重要环节。调车作业按其目的可分为：解体调车，将车列 或车组中的车辆按一定要求( 如重车按去向，空车按车种，不良车按检修地点 等) 分解到各指定线路内的调车。编组调车，根据有关规定将车辆编成车 列或车组。摘挂车辆的调车，为列车补轴、减轴、换挂车组或摘挂车辆。 取送调车，为装卸货物或检修车辆等目的向作业地点取送车辆。此外，还 有车列和车组转场、货车的检衡、场内车辆整理等调车，以及在站线上放行 机车等。 ， 调车安全是铁路运输安全中的重中之重，由于调车作业具有全天候、作 业地点涉及面广、作业对象多种多样、影响作业的因素多等特点，调车事故 在铁路行车事故中占有相当比重。尽管各国铁路采用了加强调车安全、防止 调车事故的各种对策，调车事故总数有所减少，但调车作业的安全问题也一 直困扰着铁路部门。虽然目前设备方面已采用了无线平面调车监控系统 l k j - 9 3 或l k j 2 0 0 0 ，调车机也安装了。黑匣子”，管理方面也采取了联控手 段，但由于设备的相对落后和现场作业人员的违章作业，调车作业事故仍连 续不断地发生，造成了重大财产损失和人员伤亡。从每年的铁路行车事故分 析，调车作业事故约占事故总数的6 0 7 0 ，加强调车作业安全控制，对 稳定安全生产局面，具有十分重要的意义口】。 调车工作是一项多工种联合行动的复杂工作，牵涉的因素多，影响的范 围广，要求时间性强。调车过程中需要高度掌握所辖机车的运行位置，速度 等信息，这样才能合理的对机车进行调度，防止事故的发生。因此需要开发 一套专门针对调车作业的安全辅助系统来对调车作业进行监控，准确的提供 机车在轨道上的速度、位置以及相对于岔道、信号机之间的距离等信息，当 司机发生误操作时能及时报警，以保证行车安全，避免事故的发生。 在进行各种调车作业时，调车事故主要有：调车冲突、调车脱轨、挤岔 子、调车作业碰轧脱轨器或防护信号、车辆溜入区间或站内、列车拉铁鞋开 车等。随着铁路现代化管理的进一步发展，利用现代化的技术手段来对调车 机车进行全面、可靠的安全监控已经显得非常重要。 西南交通大学硕士研究生学位论文第2 页 国外发达国家在调车机车监控方而的研究起步较早，较早的把全球定位 系统( g p s ) 应用到机车调车监控系统中。通过建立调车场电子地图，在车载 微机和调度室大屏幕显示机车位置和作业，全球定位系统在机车调车监控系 统的应用实现了实时定位机车位置和测定机车速度等，代替了调车员、司机 对有关距离的判断，对司机关于所处的相对于土挡、信号机、连挂存车之间 的位置进行提示和报警【2 】。 目前国内已经普遍使用的d j k 调车机车监控记录系统通过对站场联锁 等信息的采集，可将整个站场对调车进路的开放、调车作业单、调车限制条 件等信息，通过无线信道传送到调车机车上，实现调车信号、调车迸路及作 业单等在机车上的实时显示，并结合列车监控装置实现对调车作业的安全防 护控制。还可以通过系统记录的历史数据，分析事故原因，给安全管理提供 依据。 i ) k j 调车机车作业监控记录系统是一个计算机系统集成的监控记录系 统，用于铁路站场调车作业的自动监控和记录，它能有效防止调车机车越过 阻挡信号机所造成的挤岔事故、超速行驶造成的脱线事故和调车闯入正线造 成的重大事故等，是一个人机结合的铁路站场调车作业安全防护系统嘲。 但是，监控装置的运用管理还存在薄弱环节 4 1 。 各机务段在实际运用中，一是监控装置的维修、日常检测和实际操 作等方而还存在一定的差距，如途中故障、漏检、漏分析，以及违章操作、 操作不当等现象时有发生。一是过分依赖监控装置，放松日常管理和现场控 制的现象还存在。 调车作业存在监控盲区。成都铁路局规定调车作业监控限速模式为 4 0 k m h 。由于地面调车信号机不能发码，监控装置不能对调车信号机的显示 情况进行模式控制，亦不能识别尽头线的挡车器。因此，遇机车出入库、调 车作业单机或牵引车辆运行等，如司机误认信号或控速不当，易发生挤岔或 冲土挡。 监控装置解锁后的安全保障措施尚不够完善：司机未确认地而信号 的显示而盲目解锁，易冒进信号；司机在慢行处所前方盲目解锁，如控速不 当易发生超速。 1 2 视频监视技术概述 视频监视技术就是利用计算机技术、视频图像处理技术以及模式识别和 人工智能知识，对摄像机获取的图像序列进行自动分析，对被监控场景中的 西南交通大学硕士研究生学位论文第3 页 运动目标进行检测，跟踪和识别，描述和判别被监视目标的行为，并在有异 常现象发生的情况下能及时做出反应的智能监视技术。该项技术主要涉及计 算机视觉、模式识别、图像处理、以及人工智能等领域。在智能视频监视技 术的研究上，美国、欧洲和日本等已经开展了大量的工作，并且已经将该项 技术的研究成果应用于军事和商业项目。近些年来，随着技术的发展，该项 技术正逐渐的被用于民用保安，智能交通监控，单位要害部门无人值守以及 公共场所人群监视等诸多方面。 视频监视技术己经成为智能交通系统中不可缺少的一项关键技术，正受 到人们越来越多的重视。因为，视频监视技术为交通系统提供了更为直观方 便的分析手段，交通环境中大量的信息来源于视觉，比如，交通信号、交通 标志、道路标线、行人、运动的车辆、交通目标的行为等等信息都是可以通 过视频信息得到，因此，用视频监视技术对诸如此类的信息进行处理是一种 自然的选择。视频监视技术在智能交通领域有着广泛的应用，其最主要的应 用表现在以下几个方面： ， 交通监控系统 视频监视技术是交通监控智能化的核心。以往的交通监控系统，主要是 通过人工来监视分析道路交通状况，由人发出交通控制指令来对交通进行控 制。而视频监视技术可以通过对交通视频信息的处理和分析，实现对交通状 况的自动监视和控制。它主要是利用视频监视技术对交通监控摄像机传回的 道路交通视频信息进行分析处理，实时采集交通流量、平均车速、车头间距、 车辆类别等交通参数信息，通过对交通参数的计算分析来对道路交通状况进 行判断，比如，根据交通阻塞或畅通，自动生成交通控制方案和发出交通控 制指令，实现对交通信号的智能控制。 自动驾驶与导航系统 系统利用视频监视技术能够实现对行驶道路状况信息的自动采集与识 别。比如，系统能够识别道路状况是高速公路还是乡间小道，路面积雪还是 积水，道路标线是停车线还是中心分道线、道路标志是指路标志还是警告标 志，信号灯是禁行还是通行以及道路障碍与车辆等等。系统还能根据采集与 识别出的信息给出车辆行驶的导航信息，比如，偏离车道情况，周围车辆间 距情况等，系统给车辆自动驾驶系统发出导航指令，自动驾驶系统则根据控 制指令实现车辆的自动驾驶。 电子司机辅助系统( e l e c t r o n i c a ld r i v e ra s s i s t a n c es y s t e m ) 辅助驾驶是指在道路上，利用视频监视技术对实时交通环境做出分析， 西南交通大学硕士研究生学位论文第4 员 实时检测和识别道路，检测和识别道路上的障碍物。以做出本车是否安全的 判断，协助司机做驾驶决策，或当面l 临危险时及时报警，减少和避免可能发 生的车祸。， 智能收费系统 应用视频监视技术实现对交费车辆车型的自动识别和对牌照的自动检 测和分割，并对分割出来的车牌照进行识别，从而避免车辆在交费问题上存 在的漏交和少交现象。 随着视频处理技术的日益成熟，目前的视频处理技术己经开始向基于对 象的视频处理方向发展。基于对象的视频处理就是利用计算机视觉的方法， 在不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析， 实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标 的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反 应。视频监视技术的研究内容主要包括以下方面： 1 ) 快速准确的运动检测。即从摄像机所捕捉的序列图像中检测是否有 目标物体存在。 2 ) 具有实时性、鲁棒性的运动目标的定位、识别和跟踪算法。 3 ) 异常现象的检测、报警与目标的行为预测。视频监视系统的最终目 的是为了解释监视场景中所发生的事件，根据要求对异常事件进行报警，并 能根据当前目标所处的状态对将要发生的事件进行预测。 1 3 运动目标识别的研究现状 对于视觉识别，基本上可以分为两类：一种是无背景的或背景色调亮度 基本保持一致的，如指纹识别、人脸识别等。这种识别由于图像中除了包含 噪声信号外所有点都可能包含有用的信息，所以不用分割，关键在于特征的 选取及选择合适的分类器进行分类；另一种是背景较为复杂，如遥感图像识 别、车牌识别，首先就要把目标分割出来，再对目标进行分类，定位和进一 步判断等操作。 运动目标识别包括两方面的内容：运动目标检测和运动目标识别。运动 目标检测是在运动图像序列中检测出我们所感兴趣的目标，是目标识别的基 础：运动目标识别是指根据研究的图像特征或属性，利用以计算机为中心的 机器系统运用一定的分析算法认定它的类别，系统应使分类识别的结果尽可 能地符合真实。目前，计算机识别算法已在人脸识别、车牌识别、农产品粒 形识别、水下声自导武器目标识别等领域得到了广泛的应用。 西南交通大学硕士研究生学位论文第5 页 由运动目标所形成的图像序列可分为两种情况：一种是静止背景，一种 是变化背景。前一种情况通常发生在摄像机相对静止状态( 如监视某一路口 车流量的固定摄像机) ，后一种情况通常发生在摄像机也在相对运动状态( 如 车载摄像机) 。对前一种情况，往往采用消除背景的方法检测运动目标，如 简单的帧间差分 5 1 或自适应背景对消方法陋】。对后一种情况，处理起来比较 复杂，若采用消除背景的方法，则通常先进行帧间稳像及配准 t j ；若采用突 出目标的方法，则需要在配准的前提下进行多帧能量积累和噪声抑制 8 j 。此 外，还可以采用光流方法1 9 】，从运动速度上区分不同目标与背景。神经网络 也是一种很有前景的运动检测方法【1 ”。 1 4 本文的主要工作 运动目标的实时检测和跟踪是计算机视觉技术在智能交通领域应用的 重要研究课题之一，是实现交通智能化的重要环节。本文主要从机器视觉角 度来对站场调车作业的安全辅助系统进行研究，通过对从车载摄像机获得的 视频图像序列进行分析，从而实时掌握调车过程中的路况信息和信号灯状 态，为司机提供有用的驾驶信息，帮助调车作业人员更加准确、及时地了解 进路信息以及调车作业进程，有效防止调车机车越过阻挡信号机所造成的挤 岔事故、超速行驶造成的冲突事故和脱轨事故，目的是构建一个铁路站场调 车作业安全防护系统，以提高调车作业的安全性。 本文根据系统功能的要求主要从以下角度展开工作： 1 获取图像信息，并对图像进行预处理；给出了系统硬件的基本框架 和软件流程。 2 对站场内调车作业过程中障碍物的判别进行了研究，并对调车机与 目标之间的距离估计进行了分析。对车载视觉系统的基础一图象稳定算法进 行了实验研究； 3 着重研究了站场调车信号灯的颜色识别，其中包括信号灯的位置判 断，信号灯的定位和颜色判断，并给出了具体的算法和实现步骤； 1 5 论文的章节安排 本论文的组织结构如下： 第一章，介绍了站场调车信号识别系统的背景、意义及国内外现状，并 对视频监控技术及其特点和运动目标识别的研究方法进行了简单的说明；并 安排组织了本论文的结构。 西南交通大学硕士研究生学位论文第6 页 第二章，介绍了图像的基本格式，包括b m p 图像格式的简介，对颜色空 间和特征选取进行了说明，并提出了几种不同的颜色匹配算法，为以后的工 作打下了基础。 第三章，针对调车信号识别工作对图像质量的较高要求，阐述了图像获 取后的预处理和后期工作中用到的一些相关理论和技术、图像的增强和滤 波、边缘提取以及图像分割等。详细介绍了彩色图像分割的相关理论和方法。 第四章，针对调车机车对前方的障碍物不能实施有效安全监控的现状， 本章主要研究了基于视觉的车辆障碍物检测识别技术，提出距离相关的变 r 值区域采样目标检测方法和距离无关的自相关目标识别方法。 另外透视变形原理，对机车与障碍物或调车信号机之间的距离估计算法 进行了研究，提出了两种针对不同情况的距离判断方法。 提出了一个实时稳像算法，将这个算法应用在从车上拍摄的图像序列 中。实验表明能够满足实时性要求，且具有良好的稳像效果，适合于实时应 用。， 第五章，本章对视频监视技术在站场内调车作业应用的关键技术进行了 研究。介绍了调车信号识别系统的硬件框架和软件算法流程图。其中对基于 形状和颜色特征的信号灯的检测与识别进行了重点的研究。 本章首先对所采集到的图像序列进行了相关的处理，然后利用h o u g h 变换由提出的算法完成了对信号灯目标区域的定位和目标参数的检测，最后 在h i s 颜色空间提出了目标颜色特征的识别算法并对相关的参数选择进行 了介绍。 ， 根据所述算法的工作方法与步骤，本文利用所编程序对实景图像进行了 初步实验，结果证明了方法的有效性。 第六章总结与展望。给出了全文的总结和进一步的研究方向。 1 6 本章小结 本章首先介绍了本论文的研究背景和意义，概述了站场调车辅助设备国 内外的研究现状。然后对目前视频监控技术和运动目标识别的发展现状及研 究方法进行了说明。最后给出了本课题的主要研究工作，并对本文章节安排 进行了说明。 西南交通大学硕士研究生学位论文第7 页 第二章图像格式及颜色空间 2 1b m p 图像格式介绍 常用的图像格式有b m p ，j p e g ，t i f f ，g i f 和p d f 等，b i i p 文件格式是 计算机进行图像处理时最常用到的图像格式，本文中使用的图像均为b m p 格式。 位图( 又称为光栅图或像素图) 是图像表示的两种方法之一( 另一种方法 是矢量图) 、。位图( b i t m a p ) 是现在最常用的表示方法，因为在一定范围内它 易于实现，而且可用于任何图像。位图表示”是将一幅图像分割成栅格， 栅格的每一点( 像素) 的亮度值( 亮、暗程度或彩色) 都单独记录。数据点( 位， b i t ) “映射( m a p ) 图像，因此得名“位图”( b i t m a p ) ，显然，位图区域中 数据点的位置确定了数据点表示的像素】。 位图较适用于具有复杂的颜色、灰度等级或形状变化的图像，如照片、 绘画和数字化了的视频图像。有一些图像原来就是按照位图格式组织的，比 如计算机屏幕显示，因此最容易以同样的方式记录。随着w i n d o w s 的逐渐普 及，b m p 图像越来越多地被各种应用软件所支持。这主要是因为w i n d o w s 把 b m p 作为其图象的标准格式，并且内含了一套支持b m p 图象处理的a p i 函数。 一个b m p 图像文件大体上分成4 个部分： 位图文件头( b i t m a p f i l e h e a d e r ) ：这部分指定了文件类型b f t y p e ， 文件大小b f s i z e 和文件头到实际的位图数据的偏移字节数b f o f f b i t s 等。 位图信息头( b i t 姒p i n f o h e a d e r ) ：这部分包括了图像的一些属性， 有宽度b i w i d t h ，高度b i h e i g h t ，深度b i b i t c o u n t 等。 调色板( p a l e t t e ) ：有些位图需要调色板，有一些位图，如真彩色 图，不需要调色板，它们的位图信息头后面直接是位图数据。 实际的图像数据( i m a g e d a t e ) ；对于用到调色板的位图，图像数据就 是该像素颜色在调色板中的索引值，对于真彩色图，图像数据就是实际的 r g b 值。 通常，在表示真彩色图像时，每个像素直接用r ，g ，b 这3 个分量字节 表示，而不采用调色板技术，故而r ，g ，b 分量的值直接从图像数据中取。 一般来说，b m p 文件的数据是从下到上，从左到右的。即从文件中最先读到 的是图像最下面一行的左边第一个像素，然后是左边第二个像素，接 下来是倒数第二行左边第一个像素，左边第二个像素，依次类推，最 西南交通大学硕士研究生学位论文第8 页 后德到的是最上面一行的最后一个像素。对于真彩色图，图像数据就是实际 的r 、g 、b 值，从左到右依次是b 、g 、r 的值。 2 2 颜色空间简介 颜色是图像的一种重要视觉性质，颜色特征定义比较明确，抽取也相对 容易，所以在各方面的图像处理、检索与识别中得到广泛的应用。长期以来， 国内外对颜色的研究相当深入，并根据需要提出了数量众多的彩色空间模 型。 r g b 颜色空间 r g b 颜色空间是一种与人的视觉系统结构密切相连的模型。根据人眼结 构，所有颜色都可看作是由红、绿、蓝三种基色组成，它大多用于c r t 显示 器和颜色光栅图形。通过红、绿、蓝三种基色可以混合得到大多数的颜色。 r g b 颜色空间采用的是笛卡尔坐标系，可以用一个三维的立方体来描述，如 图2 2 所示，对角线从黑( 0 ，0 ，0 ) 到白( 1 ，t ，1 ) 代表的是灰度。 图2 - 2r g b 颜色空阋模型 视觉传感器( c c d ) 采集到的原始图像的颜色空间是r g b 空间。图2 2 给 出了r g b 颜色空间的模型，r g b 空间的优点是比较简单、直观。但蹙r g b 颜 色空间也存在不足： ( 1 ) r g b 空闯是颜色显示空问，并不适合人的视觉特征( 入的视觉特性 无法获得物体的r g b 分量值) ，对目标物体的颜色描述相对复杂，各个分量 之间冗余信息多，计算量大。 西南交通大学硕士研究生学位论文第9 页 ( 2 ) r g b 空闻中两点的欧式距离与实际颜色距离不是线性关系，在颜色 分离中极易引起误分离，使有用信息漏掉或夹杂其他无用信息。 c i el a b 色度模型 c i el a b 色彩空间模型是c i e 在1 9 7 6 年提出的，它使用b ，a 和l 坐标轴定义c i e 颜色空间。其中，l 值代表光亮度，其值从0 ( 黑色) 1 0 0 ( 白 色) 。b 和a + 代表色度坐标，其中a 代表红一绿轴，b 代表黄一蓝轴，它们 的值从0 到1 0 。b + = a = 0 表示无色，因此l 就代表从黑到白的比例系数。 其彩色空间模型图如图2 3 所示。 肿7 6 8 9 愁篡翻 f f = 1 1 6 ( r n ) ”3 - 1 6 口= 5 0 0 ( x x 。) ”3 一( 】，e ) 3 阿= 2 0 0 ( y y ) “3 ( z z 。) “3 西南銮塑塞大学硕士研究生学位论文第1 0 页 其中，朋) = 7 7 8 7 t + 1 6 1 】6 ，以= 9 5 0 4 ，e = 1 0 0 ，乙= 1 0 8 8 9 f 口6 模型中比较强调对绿色的表示( 对绿色比较敏感) ，其次是红色和 蓝色。 h i s 颜色空间 u s 颜色空间中，日、s 、j 分别表示色调( h u e ) 、饱和度( s a t u r a t i o n ) 和亮度( i n t e n s i t y ) 其中日值反映了该色彩最接近的光谱波长，可以无差 错地定义一种颜色，可以很方便的描述颜色；s 分量值表示颜色的深浅，是 色环的原点( 圆心) 到彩色点的半径长度，在环的外围圆周上是纯的，或者称 为饱和的颜色，其饱和度为i ，在中心点处称为中性色的灰色，饱和度为0 ； f 主要受光照，视角的影响，与图像的彩色信息无关；而日和s 通常由构成 物体的原材料的光线吸收和反射特性来决定，这样，在提取日时，可忽略， 权值，而突出日和s 两个特征。这些特点使得h s i 模型适合于图像分割和目 标识别，h s i 模型如图2 - 4 所示。 图2 - 4h i s 颜色空间模型 饵劲 八瞄 6 一、 ，一 驴佤哪删懈 m = = = f 口矿 西南交通大学硕士研究生学位论文第1 1 页 r g b 图像 色调h 饱和度s强度i 图2 - 5r g b 图像与其冠珞颜色空间分量 在识别图像时，需要提取物体在色彩方面的本质特性，而色彩经常受到 光照明暗等条件的影响。光照明暗给物体颜色带来的直接影响就是亮度分量 ( j ) 变化，所以若能将亮度分量从色彩中提取出去，而只用反映色彩本质特 性的色度、饱和度来进行聚类分析，就会获得比较好的效果。 站场调车信号灯的颜色也会受到前面所述因素及光照强度影响，壹接采 用r g b 颜色空间，阀值很难选取。而使用h s 颜色空间，将亮度分量从色彩 中分离出去，可以减少光照强度的影响；另方面，信号灯具有较高的饱和 度。当饱和度值较高时，色调在照明强度有很大变化时几乎保持常量值不变。 为了获得鲁棒的颜色特征，本文就是利用h s 颜色空闯作为基本的颜色空间 进行颜色判断及图像分割。 r g b 和h i s 之间的转换关系如下n 2 】： j ：r + g + b 3 s = ：_ 芈 当i o 时 当i = o 时 西南交通大学硕士研究生学位论文第12 页 日= 2 眉一g 一艿 缸优o s 1 = = = 5 号5 = = = = = = = = = = 2 4 ( e g ) 2 + ( r b ) c g 二b ) 2 r g b 历一a r c c o $ 产= = = = = 三= = = = = = = = = = = = 2 职一g ) 2 + 僻一占) ( g 一口) u n d e f i n e d 当s o 并且b s g ， 当s o 并且b g ， 当s = 0 假定r g b 值归一化为 o ，1 范围内，则式日 0 ，2 z ，s o ，1 】，i 【o ，1 】。 比较而言，c i el a b 彩色模型用于颜色识剐具有较高的识别率和鲁棒性， 因此具有较高的实用价值；基于h s i 彩色模型的色差公式用于颜色识别其识 别精度仅次于c i el a b ，但具有计算简单等优点；而其他几种彩色空间模型 用于颜色识别其识别精度都不够高。因此，在实际应用中，一般选取前两者 中的一种。 2 2 1 颜色特征表达 在利用图像的颜色信息进行图像处理、识别、分类的研究中，颜色特征 的表征和提取一直成为核心问题。目前在实现方法上已有大量的研究成果， 这里主要采用颜色处理常用的直方图法和颜色矩方法。 颜色直方图 颜色直方图是表达颜色特征最常用的方式，它在许多图像处理系统中被 广泛采用，它描述的是一帧图像中，各颜色区间所包含的像素的数量，它反 映的是颜色的统计信息，是不同色彩在整幅图像中所占的比例。但是它无法 反映某像素在图像中的空间位置信息，也就无法描述图像中的对象或物体， 所以不同的帧图像也可能有相同的颜色直方图。颜色直方图特别适合于描述 那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。 颜色直方图可以基于不同的颜色空间和坐标系。适用的颜色空间包括 r g b 空间、h s i 空间、h s v 空间和l a b 空间等。 计算颜色直方图是先将色空间划分成若干个小的色区间，每个小区间成 为直方图的一个小块( b i n ) ，即直方条。这个过程称为色量化( c o l o r q u a n t i z a t i o n ) 。然后，通过计算色彩落在每个小区间内的像素数量就可以 得到颜色直方图。颜色直方图一般分为统计直方图和累积直方图两种。 a 统计直方图 为利用图像的特征( 如日分量) 描述图像。可借助特征的统计直方图( 一 西南交通大学硕士研究生学位论文第1 3 页 般简称直方图) 。图像特征的统计直方图实际上是一个一维的离散函数，即 有 日( 肼：生j ：0 , 1 ，l - 1 上式中七代表图像的特征取值，是特征可取值的个数，是图像中具 有征值为的像素的个数，是图像象素的总数。 b 累积直方图【1 图像特征统计的累积直方图也是一个一维的离散函数，即有 踯) = 骞号拈0 1 ，“一 上式中_ i 代表图像的特征取值，三是特征可取值的个数，吼是图像中具 有征值为七的像素的个数，是图像象素的总数。 累积直方图相对于一般直方图法有其优越性。当图像中的特征并不能取 遍所有取值时，统计直方图会出现一些零值。这些零值的出现会对计算直方 图的相交带来很大影响，从而使得算出的匹配值并不能正确的反映两图间的 颜色差别。累积直方图能大大减少原统计直方图中出现的零值数量，使得两 种在特征轴上的距离保持与它们之间的相似程度成正比。 颜色矩“q 颜色矩的方法认为，颜色信息集中在图像颜色的低阶矩中，他们主要对 每种颜色分量的一阶、二阶和三阶矩进行统计。一阶( 均值) 、二阶( 标准差) 和三阶( 斜度) 等颜色矩被证明可以很有效地表示图像中的颜色分布。计算每 一个颜色通道的前三阶矩，记第f 通道的第，个像素为p 。，为总像素数目， 则该通道的前三阶矩为； 即可l 毛j p 。 a = 传和也，2 r 西南交通大学硕士研究生学位论文第14 页 2 2 2 颜色匹配算法 ，。= = ) ；i 善c ，点j ，2 7 3 设( 砰，霹，醒， 等) ，( j i z 九 ；，矗；) 分别为模板图像q 与 待测图像，的归一化直方图，下面介绍几种匹配算法： ( a ) 一般欧式距离 d x ( q ，j ) = 1 f ( 酽- h 1 ) 2 ( b ) 加权距离法 驰加厝删堋2 其中m = 铲雪- 4 搿h phli=l ： 巩( q ，d = 、f w ，( 酽一髟) 2 其中 m = 当b 口前b ，： i lj = j 玎f ：；，z i = u 因为使用的是归一化直方图，1 ，故加权距离要小于欧式距离。 ( c ) 相交法 飓d = m i n 钟，h ) 矽 i f f i lm ( d ) 中心矩法【1 日 设定以为示例图像的颜色直方图，日，为待测图像的颜色直方图， h c ，】和h ，【c ，】分别表示示例图像和待测图像第i 部分颜色的直方图。通过 中心矩的加权距离方法，可以得到两幅图像的相似度，以h u e 分量为例，设 ( h is ，i ，) 为某图像中第f 个像素的颜色，工为总的像素数量，则前三阶段中 心矩分别为： m 。= 日， 西南交通大学硕士研究生学位论文第1 5 页 l l m 2 = 哼( 茸，- m 。) 2 】l ，2 - ，z 1 1l m ，= 哼( 凰- m ，) 3 】i 3 - ，= i 设扎【 小鸩i s 小心e 】，鸠，m ，d 小m “】分别为图像q 与 r 的丑( 色调) 、s ( 饱和度) 、，( 亮度) 的i 阶中心矩，则相似度函数为： d ( a , r 3 = 1 怫( 心( 珥) 一必( 巧) ) 2 + 形( ) 一必 ) ) 2 + 彤( 坞q ) 一必( ) ) 2 -捌阔 i - - i 其中，睨，为加权系数。 2 3 本章小结 本章对视频图像处理的基础知识进行了介绍，其中包括b m p 图像格式 简介、颜色空闻的比较、颜色特征表达和几秘匹配算法比较，为后面章节的 研究工作奠定了基础。 第三章视频图像处理基本理论 在图像识别跟踪过程中，包括了目标预处理，目标检测，目标分类，目 标识别及跟踪等几大步骤。目标检测是且标识别与跟踪的前提条件，而图像 基本处理又是目标检测的基础。通过对采集到的图像进行处理是图像识别跟 踪技术中实现目标检测的一种重要的技术手段，经过对图像进行处理后，可 以为以后的检测和识别提供基础。 3 1 图像预处理 在获取数字化图像后，首先要进行的是图像的预处理，以改善图像质量 或减少运算量。图像预处理的具体内容依据具体系统要求面定，大致有以下 几个方面：图像去噪及平滑处理，边缘提取和图像分割等。 3 1 1 数字图像的增强 均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大，使得 图像中较暗区域中的细节看不清楚，采用直方图修整可使原图像灰度集中的 区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强 目的。 图像增强是数字图像处理过程中常用的种方法，目的是采用一系列技 术去改善图像豹视觉效果或将图像转换成一静更适合予人眼观察和机器自 动分析的形式。常用方法有灰度直方图均衡化和平滑与锐化滤波技术等。 图3 1 为图像均衡化前后的直方图比较。 图3 - 1 直方图均衡化处理 3 ，1 2 图像滤波 图像在采集、转换和传输过程中，常常会受到成像设备、传输设备以及 西南交通大学硕士研究生学位论文第17 页 外部环境噪声的影响，使得实际获得的图像一般都含有噪声，这些噪声若不 加以处理，在严重时会影响图像中的有用信息。 一般来说，噪声在图像中都表现为高频信号，因此一般的滤波器都是通 过减弱或消除傅立叶空间中的高频分量来达到滤波的目的。然而，图像中的 各种结构细节，如：边缘和角，也都属于高频分量，因此，如何在滤除噪声 的同时，最大限度地保留图像中的结构，一直是图像滤波研究中的重要方向。 常用的滤波器分为线性滤波器和非线性滤波器。线性滤波器有移动平均 滤波器和高斯滤波器等；非线性滤波器中最常用的有中值滤波器和s u s a n 滤波器。 中值滤波 中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器也是一 种非线性的滤波器。中值滤波器是在1 9 7 1 年由j w j u k e y 首先提出并应用 在一维信号处理技术中( 时间序列分析) ，后来被二值图像信号处理技术所引 用。它在一定的条件下，可以克服线性滤波器如最小均方滤波、平均值滤波 等所带来的图像细节模糊，而且对于滤波脉冲干扰及图像扫描噪声最为有 效，特别适合用在有很强的胡椒粉式或脉冲式的干扰时，因为这些干扰值与 其邻近像素的灰度值有很大的差异，因此经排序后取中值的结果是强迫将这 些干扰变成与其邻近的某些像素灰度值一样，达到去除干扰的效果。在实际 运算过程中并不需要图像的统计特性，这也带来了不少方便，但对些细节 特别多，特别是点、线、尖顶细节的图像不宣采用中值滤波方法。 s u s a n 滤波1 1 7 1 明 s u s a n ( s m a l l e s tu n i v a l u es e g m e n ta s s i m i l a t i n gn u c l e u s ) 方法是一 类图像处理算法的统称，包括滤波、边缘提取、角点提取，所有这些算法的 基本原理都是相同的。它是由牛津大学的s m ，s m i t h ，j m b r a d y 首先提出 的。s u s a n 检测原则有一个突出的优点就是对局部噪声不敏感、抗噪能力强。 这是由于u s a n 特征检测原则不依赖于前期图像分割的结果，并避免了梯度 计算，另外，u s a n 区域是由模板内与模板中心像素灰度具有相似灰度的像 索累加而得，这实际上是一个积分的过程，对于高斯噪声有很好的抑制作用。 s u s a n 滤波可以在滤除图像中噪声的同时很好的保护物体的边缘和角，能满 足系统中对定位目标图像进行噪声平滑的效果要求。 s u s a n 算法的区域图解如下： 如图所示，用一固定大小和形状的模板( 使用圆形模板) 在图像上移动， 若模板内某像素的灰度与模板中心( 称为核) 灰度之差小于某值，则认为该点 西南交通大学硕士研究生学位论文第18 页 与核具有相似的灰度，由满足这样条件的点组成的区域称为核的u s a n ( b n i v a l u es e g m e n ta s s i m i l a t i n gn u c l e u s ) 区域。如图3 - 2 所示。 a ：表示a 点区域处于背景中，整个区域都在u s a n 区域中。 b ：表示b 点区域有超过半数的点都在u s a n 区域中，b 点是边缘。 d ：表示d 点区域有小于半数的点都在u s a n 区域中，d 点是拐点。 c ：表示c 点区域有等于半数的点都在u s a n 区域中，c 点是边缘。 图3 - 2u s a n 区域图解 s u s a n 算法的数学描述如下： s u s a n 模板在图像上滑动，在每一个位置比较模板内各图像像素的亮度 与模板核的亮度： c ( r ，) = - _ 式中，是模板内除核之夕 的任意一点的位置，是图像中的核的位置， ，( ；) 为；的亮度，( 乏) 为核的亮度，f 为亮度的阈值，用阈值来控制生成角 点的数量，c ( r ，) 为亮度比较的结果。 通常采用更加稳定的3 - 2 式代替3 - 1 式： c ( 乏) ：p 一等嗡( 3 - 2 ) “，) = p 7 计算以h 为中心像素点的模板内u s a n 区域大小为： 辎 西南交通大学硕士研究生学位论文第19 页 ) “r ，) ( 3 3 ) _ 然后行( ) 与一个给定的阈值g 进行比较，得到图像的边缘响应： r ( 乏) = 扛0 叫二) o t 弘h e ( r 孟w ) i s e g 【 r ( 乏) 为反应函数。u s a n 区域的大小越小，则边缘的响应就越大。假设 模板能取到的最大n 值为刀一。为了消除噪声的影响，通常用几何阙值g 控 制角点的生成质量，一般可取为3 甩。4 。这样就可以确定边缘的位置。 当区域边界模糊时，s u s a n 算法会产生虚假的角点，为了消除虚假角点 的影响，通常使用式( 3 - 5 ) 计算重心 一；c ( 乏) “u 2 豪焉0 r ，、 厶。v ，。， ，( 3 - 5 ) 然后求出核到重心的距离，对应正确角点，其重心距离核较远，通过该 距离可以消除虚假的角点。最后使用非最大抑制( n o n m a x i m a ls u p p r e s s i o n ) 方法，即通过将一个边缘点作为3 x 3 模板的中心，在它的八邻域范围内的 点进行比较，亮度最大保留，这样就可以找出角点。 本文使用的是一个3 7 个像素的圆形模板了( 半径为3 4