试析图像处理的盲道识别算法

摘 要：此文中提出的盲道识别算法基于图像处理。根据所采集到的盲道的图像，结合直线检测的算法，再综合利用阈值分割以及彩色连续性空间分割和纹理分割，来分析各种各样的盲道的特征，从而区分正常的人行道与盲道。实践证明这种计算方法可以有效地分割出大多数的盲道图像，同时可以检测出图片中的盲道行逆方向以及忙到所在区域。也可以自主选择适用于实时导盲系统的最快且最有效的分割方法。

关键词：图像处理；盲道；识别算法

前言

我国当前大多数城市的盲道并没有得到最大限度的使用，为了使其更好地发挥作用，需要一种实际有效的方法来提高盲道的使用率。目前可实行的方案就是在盲道中植入一种电子信息引导系统。但是它的实行仍然需要很大成本，因为这需要大规模地重建现有盲道，需要重新改造路面建设，显然不是最优方案。而基于图像处理的盲道识别系统具有相对的可行性。本文提出的识别算法，及其开发的完整的导盲系统针对不同的盲道，具有高度的灵活性。例如，电子导盲拐、导盲鞋的发明，车辆自动导盲等等。相比与大规模重建盲道，这种电子图像处理的方案显然成本更低，而且它与车辆导航系统具有相似性，因此更有研究价值。

一、盲道识别的重要性

1.安全需要

根据马斯洛的需求层次理论，人类的需求由低到高呈阶梯型分布，依次为生理需求，安全需求，安全需求，社会需求，尊重需求以及自我实现的需求。由此可见，在满足了人类最基本的生理需求的基础上，安全需求就成为最需要被考虑的方面。生存权是人类最基本的权利，盲人更需要这种基本的人权，同时也需要更多的尊重，因此盲道上的一切不安全行为都应该被禁止。

2.出行需要

人不是独居的动物，需要出行以融入集体的生活。因此出行变成了最基本的社会生活之一。尤其是盲人的出行条件和便捷性更应该被优先考虑。社会上的弱势群体他们生活不便，行动不便，因此更需要正常人为他们的生活开辟出一条便捷通道。盲道道路条件应该得到全面的保障，尽可能减少阻塞的情况，也应该尽可能地减少被侵占甚至破坏。

3.审美需求

盲道建设作为城市道路建设的一种形式，不能只考虑其便捷性而忽略了美观性。旨在保证盲人等残障人士安全出行的基础上，尽可能地满足其心理需求以及身体舒适度。一个良好的盲道空间环境的设计应该综合考虑气候因素，街道设施齐备度以及噪音影响度等因素，通过植物景观和建筑物的协调规划，同时避免阳光暴晒或者过于阴暗，以及强风强雨、环境严重污染等因素，给盲人提供最大限度的良好出行体验。

二、盲道识别算法

1.盲道识别算法的定义

车辆导航系统常用的道路识别系统实际上基于道路的边缘识别跟踪，唯一的不同就在边界的检测算法上以及对边界曲线的建模上。盲道识别算法实际上与此技术类似。盲道边界线的确定可以通过图像处理中的一些算法将图像中的人行道与忙到区别开来。相应的，边界线被检测出来以后，盲道与人行道的区域就能被较容易地分立开来，也就可以知道盲道的建设是否偏离了其行进方向，并且精准测量其偏离角度，预测其接下来的拐道以及及时作出警告。这种识别算法的核心要点就是如何能高效地找到盲道与人行道的分界线。

2.盲道识别算法的类型

1）标准意义上的盲道建设通常会使用颜色较深的盲砖，这种情况下的盲道边界比较容易识别。可以通过有色区域的颜色差异来进行图像的分割，进而确定盲道边界线。

2）铺设盲道的盲砖的纹理与普通人行道的纹理有所不同，基于纹理的盲道分割法就可以从纹理的不同上将盲道从图像上分割开来，从而确定盲道边界。

3）盲道边界的确定可以利用Hough 直线检测的方法来达成。

三、盲道识别算法的应用

目前盲道识别算法主要有三种，即基于颜色区域的图像分割，基于纹理区域的图像分割，基于直接 Hough 的直线检测分割。由于三种方式的针对要素不同，它们的使用以及工作程序也有所不同。

1.基于颜色区域的图像分割

盲道是现在市政公用工程中的重要项目之一，那么一些专业人员对于盲道颜色区域的图像的分析做出了很多种识别方法，比如利用颜色比较鲜艳的黄色或富有饱和度和亮度的红色，再将这些道路设计出凹凸状，以便于盲人感官的识别。针对场景较为复杂的彩色图像可以采用彩色纹理区域分割的算法。无论用什么盲道识别算法，都必须高效地分割盲道与人行道，同时还要分析盲道的结构特征。这样的要求下最适合的莫过于自适应阈值分割的算法。

盲道图像的采集往往发生在人行道区域与盲道区域内。为了更加便捷有效地进行分割，往往将这个图像分为两个部分，每个区域都有自己的相对确定的颜色，相似的颜色区域有其特殊的分割算法。只要图像被分割成颜色面积最大的两个部分就可以进行盲道识别。自适应阈值分割法也适用于这样的情况，同时它最简单，成本最低，效果也很明显。通常情况下的盲道区域是深黄色，条形纹理设置于直行区域，圆形纹理设置于拐弯处。

有显著颜色差异的盲道图像可以用HSV颜色空间的描述来转换，在色相空间用阈值分割的方式将盲道准确定位并分割出来。HSV颜色空间中，色相。饱和度以及亮度是描述颜色特征的三大形式。色相明显度可以定位坐标系中的角度，颜色的差异越显著其色相分量也就相差越大。利用阈值分割可以直接划分出色相强度的区域，再转为二值图像然后检测边缘，最终确定盲道边界。

2.基于纹理区域的图像分割

盲道识别算法中基于颜色分异来划分是最直接有效的方法，可它并不能适用于所有的盲道识别分割，因为并非所有的盲道与人行道都有明显的颜色区别。有时候盲道的颜色与人行道的颜色非常相似，只是盲道有凸出纹理，而人行道是平滑无凸出的。在这样的情况先，只能用基于纹理的盲道识别算法来分割忙到区域并且对其边界线进行检测。

与基于颜色区域的图像分割法相似，纹理分割法实际上也有很多种算法，但无外乎都有两个过程，基于建立纹理特征的模型和聚类两部分。盲道的纹理特征主要表现在模型的分割、特征值的分割和结构的分割。具体就是在实际操作中做一个符合盲人感观的图形，如条形状、方块状、不规则的凹凸状，然后在从图形中计算出地域和时间的相对恒定的特征值，再用这些特征值来注明某个地域的性质区别，最后用结构分割法将图像的结构大小分割开来，再用规定的方法排列成新的特征，从而进行识别。利用一种典型的逐点修改迭代的动态算法，即K-means 的聚类方法，可以实现特征聚类过程。对于差异较大，纹理基元大小难以估计的盲道，通常使用基于特征的纹理提取算法。

3.基于直接 Hough 的直线检测

基于颜色区域的图像分割与基于纹理区域的图像分割并不能解决所有盲道识别的问题，尤其是针对盲道上结构性较强的宏纹理的测量结果往往不准确。这种情况下基于直接Hough 的直线检测就显得非常重要。比如颜色与人行道颜色非常接近的盲道，其凸出纹理与人行道地砖的纹理也非常相似，那么基于纹理的分割方法就难以精确分割盲道边界线。但是各个砖块之间有明显的缝隙，根据其梯度的变化来找出边缘界线就相对简单易行。

只要找到其中一条边缘线，就可以提取出盲道边界。

四、讨论

基于颜色区域的图像分割、基于纹理区域的图像分割、基于直接 Hough 的直线检测是盲道边界识别分割的三种常用方法。从一些盲道的采集图像中可以看到城市中大多数盲道的颜色与人行道的颜色具有显著的差异，纹理差异显著的盲道也有很多。三种方式在不同的盲道识别中有不同的适用范围，在相匹配的盲道识别中将发挥其不可替代的作用。（作者单位：四川大学电子信息学院）

参考文献：

[1] 徐杰，李晓虎，王荣本，等.车辆自主导航中的道路边界识别算法[J]中国图像图形学报，2003，8（6）：674-678.

[2] 袁小萍.试论ATM 案件的作案手段及侦查思路[J]犯罪研究，2005，（4）：56-62.

[3] 周小四，王淑华，杨杰.数字图像监控网络报警系统设计[J]计算机工程，2002，28（4）：61-63，101

[4] 郑颖，孙燮华.图像边缘检测Laplace算子的改进[J].沈阳建筑大学学报：自然科学版，2005，21（3）：268-271