论文部分内容阅读
1、引言
随着社会的发展，交通安全问题越来越引起人们的关注，辅助驾驶系统是解决交通安全问题的一个关键技术。作为辅助驾驶系统的重要组成部分，禁令交通标志识别能够预警道路驾驶要求、辅助安全驾驶，近年来已成为智能辅助驾驶领域研究的热点。然而禁令标志识别受天气、遮挡、光照等因素影响，这给禁令标志检测带来挑战。
本文分析了标志牌的红色先验信息在自然环境变换下阈值区间的波动，通过改进空间点集离散趋势分析中加权标准差圆半径的计算方法，计算出红色像素在不同颜色空间下的聚集程度和阈值范围，并基于红色像素阈值完成复杂道路场景中禁令交通标志牌的检测。
2、颜色模型
颜色是人们主观上的感觉，颜色大致可分为非彩色和彩色两类[1]。颜色模型就是指某个三维颜色空间中的一个可见光子集，它包含了某个颜色域中的所有颜色。从本质上讲颜色模型就是对坐标系统和子空间的阐述，在此系统上的每一个点都对应着一种颜色。常用的颜色模型有：RGB顏色模型，HSV颜色模型，HIS颜色模型，Lab颜色模型等。
2.1 RGB颜色模型
RGB颜色模型，又称三原色光模式或红绿蓝颜色模型，主要应用在电子系统中检测，表示和显示图像[2]。在RGB颜色模型中，将红、绿、蓝三原色以不同的比例相加，就可以产生各种的色光。
RGB颜色模型对设备的依赖性很强，所以它一般在工业领域有着广泛的应用，比如：电视和计算机的显示器，阴极射线管显示等。目前计算机硬件中采用24bit表示一个像素，所以三种原色光各分到8bit，每种原色的强度依照8bit的最高值分为256个值，所以用这种方法可以组合出16777216种不同的颜色，而人眼最大可分辨的颜色种类为1000万种。
2.2 HSV颜色模型
HSV颜色模型是面向人的，其采用用户直观的色彩描述方法。HSV分别代表Hue（色相）、Saturation（饱和度）、Value（亮度），与人类认知颜色的概念相对应，所以在计算机视觉，特别是图像处理领域得到了广泛的应用。
2.3 YCbCr颜色模型
YCbCr颜色模型不是一种绝对的颜色模型，只是YUV模型的压缩和偏移的版本，其中“Y”也表示明亮度，Cb、Cr都指色彩，主要应用在DVD、摄像机、数字电视等消费类视频产品中。
3、颜色阈值分割
禁令标志牌以红色圆环作为基本颜色标识，主要是通过颜色空间中红色像素阈值范围进行分割。本文首先采样得到红色像素在各个颜色空间下的投影区间，通过分析各个颜色模型中红色像素的聚集程度、转换时间，得到最优的颜色空间，并在此基础上重新确定了红色像素的阈值范围。在不同光照及天气条件下的80张含有禁令标志的图像中，随机采样3500个红色像素点，分别在常用的RGB、HSV、HIS、YCbCr、Lab颜色空间中进行聚类分析。
从视觉结果来看，红色像素在YCbCr空间中的分布最为集中，聚类效果最好。为了具体描述点集的分布情况，得到定量的评价标准，我们将每个颜色空间下的像素点视为该空间中的粒子，采用经典的粒子群分布中的点模式分析方法。
经典统计学中，对粒子群分布的点模式分析方法通常将每个点称为一个事件，事件在空间中的分布无疑有三种：聚集、随机和均匀分布。点模式分析是为了判断事件分布是聚集型还是分散型，通常以事件的空间位置为出发点研究其分布特性，主要从两个方面进行分析：一类是以聚集性为基础的基于密度的方法，它利用点的密度或者频率分布，如抽样计数法、核函数法[3]等，作为研究空间点分布的特征;另一类是以分散性为基础的基于举例的研究[4]，通过测度最邻近点的举例，目的是寻找点集分布的质心坐标。
不同颜色空间中，在有色差产生的情况下，红色像素点的空间分布仍会呈现一定程度的聚集分布，只是不同的颜色空间中离散程度不同。本文利用空间点集离散趋势度量半径的方法，在这些已知为聚集性的点集中评价出其离散程度。
在具体的数据模型计算中，我们发现当单位和（或）平均数不同时，加权标准差圆的半径只能衡量各个数据（或者粒子群）相对其均数的偏差程度，但不能用来比较不同计量单位下数据的离散程度。故本文引入变异系数的概念对其进行改进，消除不同数据均值对离散半径的影响，对不同数量级下的数据离散程度给出新的定义。
已知对于离散型随机变量，设其概率分布为，，且级数绝对收敛，则的数学期望及方差分别定义为：
（1） 变异系数
变异系数（coefficient of variation，CV）作为刻画离散型随机变量离散程度的数量指标，是用来比较不同群体的离散程度时的一个统计量。
（2） 二维空间点集离散半径的定义
离散半径在二维平面XOY中，根据上述统计理论公式，X轴和Y轴方向上，随机变量的变异系数分别为，，其中、，已知，那么离散半径为：
4、实验
彩色分割的结果用一幅二值图像表示，红色像素用255表示，其他像素用0表示。根据本文给出的RGB和YCbCr颜色空间下新的分割阈值对禁令标志牌进行分割效果与现有的RGB、HSV、HSI空间下的分割效果进行比较，对目标图像进行颜色分割后效果如图4-1所示。
5、结论
本文对复杂场景中的禁令标志牌颜色分割给出一种新的红色阈值范围，首先利用改进的空间离散点集离散程度计算公式，客观评价了红色在RGB、HSV、HSI、Lab、YCbCr颜色模型下的离散程度，在离散程度和转换时间综合评价后，选择RGB和YCbCr颜色模型进行红色阈值分割，并重新确定了红色像素在该模型中的阈值范围，并验证了阈值范围的有效性。
参考文献
[1] Levkowitz H， Herman G T. GLHS： a generalized lightness， hue， and saturation color model[J]. CVGIP： Graphical Models and Image Processing， 1993， 55（4）： 271-285.
[2] Chen W， Shi Y Q， Xuan G. Identifying computer graphics using HSV color model and statistical moments of characteristic functions[C]//Multimedia and Expo， 2007 IEEE International Conference on. IEEE， 2007： 1123-1126.
[3] 张志杰， 彭文祥， 周艺彪， 等. 空间分析中的集中趋势指标研究及应用[J]. 中国卫生统计， 2008， 25（3）： 269-272.
[4] 张志杰， 彭文祥， 周艺彪， 等. 空间点模式分析中离散趋势的描述研究及应用[J]. 中国卫生统计， 2008， 25（5）： 470-473.
随着社会的发展，交通安全问题越来越引起人们的关注，辅助驾驶系统是解决交通安全问题的一个关键技术。作为辅助驾驶系统的重要组成部分，禁令交通标志识别能够预警道路驾驶要求、辅助安全驾驶，近年来已成为智能辅助驾驶领域研究的热点。然而禁令标志识别受天气、遮挡、光照等因素影响，这给禁令标志检测带来挑战。
本文分析了标志牌的红色先验信息在自然环境变换下阈值区间的波动，通过改进空间点集离散趋势分析中加权标准差圆半径的计算方法，计算出红色像素在不同颜色空间下的聚集程度和阈值范围，并基于红色像素阈值完成复杂道路场景中禁令交通标志牌的检测。
2、颜色模型
颜色是人们主观上的感觉，颜色大致可分为非彩色和彩色两类[1]。颜色模型就是指某个三维颜色空间中的一个可见光子集，它包含了某个颜色域中的所有颜色。从本质上讲颜色模型就是对坐标系统和子空间的阐述，在此系统上的每一个点都对应着一种颜色。常用的颜色模型有：RGB顏色模型，HSV颜色模型，HIS颜色模型，Lab颜色模型等。
2.1 RGB颜色模型
RGB颜色模型，又称三原色光模式或红绿蓝颜色模型，主要应用在电子系统中检测，表示和显示图像[2]。在RGB颜色模型中，将红、绿、蓝三原色以不同的比例相加，就可以产生各种的色光。
RGB颜色模型对设备的依赖性很强，所以它一般在工业领域有着广泛的应用，比如：电视和计算机的显示器，阴极射线管显示等。目前计算机硬件中采用24bit表示一个像素，所以三种原色光各分到8bit，每种原色的强度依照8bit的最高值分为256个值，所以用这种方法可以组合出16777216种不同的颜色，而人眼最大可分辨的颜色种类为1000万种。
2.2 HSV颜色模型
HSV颜色模型是面向人的，其采用用户直观的色彩描述方法。HSV分别代表Hue（色相）、Saturation（饱和度）、Value（亮度），与人类认知颜色的概念相对应，所以在计算机视觉，特别是图像处理领域得到了广泛的应用。
2.3 YCbCr颜色模型
YCbCr颜色模型不是一种绝对的颜色模型，只是YUV模型的压缩和偏移的版本，其中“Y”也表示明亮度，Cb、Cr都指色彩，主要应用在DVD、摄像机、数字电视等消费类视频产品中。
3、颜色阈值分割
禁令标志牌以红色圆环作为基本颜色标识，主要是通过颜色空间中红色像素阈值范围进行分割。本文首先采样得到红色像素在各个颜色空间下的投影区间，通过分析各个颜色模型中红色像素的聚集程度、转换时间，得到最优的颜色空间，并在此基础上重新确定了红色像素的阈值范围。在不同光照及天气条件下的80张含有禁令标志的图像中，随机采样3500个红色像素点，分别在常用的RGB、HSV、HIS、YCbCr、Lab颜色空间中进行聚类分析。
从视觉结果来看，红色像素在YCbCr空间中的分布最为集中，聚类效果最好。为了具体描述点集的分布情况，得到定量的评价标准，我们将每个颜色空间下的像素点视为该空间中的粒子，采用经典的粒子群分布中的点模式分析方法。
经典统计学中，对粒子群分布的点模式分析方法通常将每个点称为一个事件，事件在空间中的分布无疑有三种：聚集、随机和均匀分布。点模式分析是为了判断事件分布是聚集型还是分散型，通常以事件的空间位置为出发点研究其分布特性，主要从两个方面进行分析：一类是以聚集性为基础的基于密度的方法，它利用点的密度或者频率分布，如抽样计数法、核函数法[3]等，作为研究空间点分布的特征;另一类是以分散性为基础的基于举例的研究[4]，通过测度最邻近点的举例，目的是寻找点集分布的质心坐标。
不同颜色空间中，在有色差产生的情况下，红色像素点的空间分布仍会呈现一定程度的聚集分布，只是不同的颜色空间中离散程度不同。本文利用空间点集离散趋势度量半径的方法，在这些已知为聚集性的点集中评价出其离散程度。
在具体的数据模型计算中，我们发现当单位和（或）平均数不同时，加权标准差圆的半径只能衡量各个数据（或者粒子群）相对其均数的偏差程度，但不能用来比较不同计量单位下数据的离散程度。故本文引入变异系数的概念对其进行改进，消除不同数据均值对离散半径的影响，对不同数量级下的数据离散程度给出新的定义。
已知对于离散型随机变量，设其概率分布为，，且级数绝对收敛，则的数学期望及方差分别定义为：
（1） 变异系数
变异系数（coefficient of variation，CV）作为刻画离散型随机变量离散程度的数量指标，是用来比较不同群体的离散程度时的一个统计量。
（2） 二维空间点集离散半径的定义
离散半径在二维平面XOY中，根据上述统计理论公式，X轴和Y轴方向上，随机变量的变异系数分别为，，其中、，已知，那么离散半径为：
4、实验
彩色分割的结果用一幅二值图像表示，红色像素用255表示，其他像素用0表示。根据本文给出的RGB和YCbCr颜色空间下新的分割阈值对禁令标志牌进行分割效果与现有的RGB、HSV、HSI空间下的分割效果进行比较，对目标图像进行颜色分割后效果如图4-1所示。
5、结论
本文对复杂场景中的禁令标志牌颜色分割给出一种新的红色阈值范围，首先利用改进的空间离散点集离散程度计算公式，客观评价了红色在RGB、HSV、HSI、Lab、YCbCr颜色模型下的离散程度，在离散程度和转换时间综合评价后，选择RGB和YCbCr颜色模型进行红色阈值分割，并重新确定了红色像素在该模型中的阈值范围，并验证了阈值范围的有效性。
参考文献
[1] Levkowitz H， Herman G T. GLHS： a generalized lightness， hue， and saturation color model[J]. CVGIP： Graphical Models and Image Processing， 1993， 55（4）： 271-285.
[2] Chen W， Shi Y Q， Xuan G. Identifying computer graphics using HSV color model and statistical moments of characteristic functions[C]//Multimedia and Expo， 2007 IEEE International Conference on. IEEE， 2007： 1123-1126.
[3] 张志杰， 彭文祥， 周艺彪， 等. 空间分析中的集中趋势指标研究及应用[J]. 中国卫生统计， 2008， 25（3）： 269-272.
[4] 张志杰， 彭文祥， 周艺彪， 等. 空间点模式分析中离散趋势的描述研究及应用[J]. 中国卫生统计， 2008， 25（5）： 470-473.