黃 元， 付 義2， 康益堃2， 黃思瑜， 耿浩宇， 程玉柱

(1.南京林業(yè)大學(xué)機械電子工程學(xué)院，江蘇 南京 210037；2.南京林業(yè)大學(xué)土木工程學(xué)院，江蘇 南京 210037)

本文提出一種基于多元宇宙優(yōu)化算法的林區(qū)道路圖像檢測方法，經(jīng)不同算法的融合、快速迭代、圖像灰度圖轉(zhuǎn)化，通過閾值優(yōu)化實現(xiàn)目標提取。

1 圖像檢測系統(tǒng)

1.1 算法流程

算法流程框圖如圖1所示。

圖1 算法流程框圖

首先輸入林區(qū)道路RGB彩色圖像，然后經(jīng)過2G-R-B變換得到灰度圖像。對灰度圖進行多元宇宙優(yōu)化算法處理，得到林區(qū)道路目標，然后利用數(shù)學(xué)形態(tài)學(xué)濾波處理，最后利用道路形狀特征，實現(xiàn)林區(qū)道路的檢測[9]。

1.2 灰度化

林區(qū)道路兩旁存在大量的樹木，采集的圖片中道路極容易被遮擋，還存在大量無用背景，產(chǎn)生許多噪聲。根據(jù)彩色圖像的像素值分布不同，利用綠色成分顯著的特點，將2G-R-G分量作為灰度圖。

I=2*G-R-B

(1)

式中：R、G、B分別為彩圖的紅、綠、藍三原色分量。

1.3 多元宇宙優(yōu)化算法

“多元宇宙”指的是除了我們所生活的宇宙，還存在其他宇宙[10]，多個宇宙相互作用，甚至可能相互碰撞，每個宇宙中可能存在不同的物理定律。多元宇宙理論包括白洞、黑洞和蟲洞。令：

(2)

式中：U為由多個宇宙組成的搜索空間；d為參數(shù)(變量)的數(shù)量；n為宇宙數(shù)量。

合理設(shè)置通識教育內(nèi)容，強化動漫學(xué)生藝術(shù)修養(yǎng)的培養(yǎng)，能有效改善動漫專業(yè)存在的問題。動漫專業(yè)通識教育內(nèi)容，除了體育、心理健康教育、英語、計算機應(yīng)用等課程之外，可以增加以下內(nèi)容：

(3)

(4)

1.4 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)是基于集合論方法發(fā)展而來的一種圖像處理方法[11]，包括腐蝕、膨脹、開、閉、擊中、擊不中等。令A(yù)為二值圖像，S為結(jié)構(gòu)元素。

膨脹定義為：

(5)

腐蝕定義為：

(6)

開運算定義為：

A·S=(A?S)⊕S

(7)

閉運算定義為：

A·S=(A⊕S)?S

(8)

2 林區(qū)道路圖像檢測

針對林區(qū)道路圖像，本文選取林區(qū)彎曲道路和直路圖像進行檢測。主要包括彩色圖像灰度化、多元宇宙閾優(yōu)化閾值計算、數(shù)學(xué)形態(tài)學(xué)處理等環(huán)節(jié)。本試驗的硬件環(huán)境如下：ASUS-S4200，處理器 Intel(R)Core(TM)i5-8250HQ CPU@1.60GHz，RAM為8.00GB，64位操作系統(tǒng)；軟件環(huán)境為：Windows 10 家庭中文版，編程語言為Matlab2017a，采用其中的圖像處理工具箱。本文選取彎路圖像和直路彩圖各一張，如圖2所示，上排為彩色原圖，下排為超像素聚類計算獲得的像素值，采用簡單迭代聚類算法計算[12]，獲得每個超像素的平均RGB數(shù)值。

圖2 樣本圖

2.1 灰度化

實現(xiàn)林間道路檢測需要提取道路在森林中的位置，降低樹木和雜草對道路的影響。由于道路與森林顏色的差異較為明顯，可以利用顏色特征來進行像素級區(qū)分。采用式(1)對彩圖2進行灰度化得到灰度圖，如圖3所示。有部分道路被高大的林木所遮擋，導(dǎo)致道路不完整。部分陽光反射強烈，反光部分和道路像素值接近，變成了背景噪聲[13]。

圖3 2G-R-B圖

2.2 多元宇宙優(yōu)化閾值計算

MVO算法優(yōu)化過程從創(chuàng)建一組隨機宇宙開始。在每次迭代中，具有高通脹率宇宙中的物體傾向于通過白/黑洞移動到具有低通脹率的宇宙。與此同時，每一個單獨的宇宙都面臨著通過蟲洞在其物體中隨機傳送到最好宇宙的過程，迭代到滿足一個標準為止時終止此過程。最好的宇宙通過計算目標函數(shù)的值來判定，選用何種目標函數(shù)式是MVO的關(guān)鍵[14]。本文選用三種目標函數(shù)，分別為Kapur、Otsu、Yen，利用MVO優(yōu)化計算后進行閾值分割，得到分割結(jié)果，如圖4所示。

圖4 閾值分割結(jié)果

Kapur：

Topt=arg max[Hf(T)+Hb(T)]

(9)

(10)

(11)

Otsu：

σ2(t)=w0(t)(u0-ut)2+w1(t)(u1-ut)2

(12)

Yen：

Topt=arg max[Cb(T)+Cj(T)]

(13)

(14)

(15)

2.3 數(shù)學(xué)形態(tài)學(xué)處理

從圖4可以看出，Kapur的分割效果最好。對圖4(a)求取最大連通區(qū)域，去掉噪聲，得到道路主體輪廓圖，如圖5(a)所示。數(shù)學(xué)形態(tài)學(xué)腐蝕和膨脹處理得到最終分割圖[15]，如圖5(b)所示，采用線結(jié)構(gòu)元素。

圖5 道路主體輪廓

3 結(jié)果分析

為了準確評價圖像分割質(zhì)量，采用有監(jiān)督客觀評價方法，人工分割出理想目標，如圖6所示，并將此作為基準，定義標準目標圖像和分割圖像分別為Igold-truth、Isegmented。

相似度為：

(16)

正確率為：

(17)

則錯分率為：

(18)

漏分率為：

(19)

利用式(16)～(19)對圖5進行計算，數(shù)值結(jié)果SD、Dice、ER、NR彎路數(shù)值分別為78.19%、87.76%、25.46%、1.90%，直路數(shù)值分別為95.93%、97.92%、3.82%、0.41%。綜合而言，提出的多元宇宙優(yōu)化閾值算法能夠提取林間道路目標。

圖6 道路分割

4 小結(jié)

(1)將多元宇宙優(yōu)化算法與Kapur閾值算法相融合，快速迭代，實現(xiàn)林間道路目標提取，采用數(shù)學(xué)形態(tài)學(xué)運算，利用線結(jié)構(gòu)元素去除部分噪聲，具有較強的目標定位能力。

(2)采用超像素均值與超綠色灰度化算法實現(xiàn)彩圖灰度化，有利于噪聲對目標的干擾，多元宇宙優(yōu)化用于林間道路圖像檢測是可行的，能夠有效地實現(xiàn)林間道路提取。

(3)選取合適的目標函數(shù)作為多元宇宙優(yōu)化適應(yīng)度標準是影響分割質(zhì)量好壞的關(guān)鍵。圖像采集過程中存在樹木對道路的遮擋和強光反射，降低了圖像分割效果，需要在后續(xù)研究中改進。