王文哲, 劉 輝, 王 彬, 王 瑞, 代照坤

(1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650500；2.昆明理工大學(xué) 津橋?qū)W院,云南 昆明 650051)

0 引 言

如何對(duì)煙塵進(jìn)行有效圖像分割為當(dāng)前研究的重要環(huán)節(jié)。近幾年,基于圖像的識(shí)別方法，在類似于火焰識(shí)別[1]、車牌識(shí)別、煙霧識(shí)別[2]等方面均得到了較好的應(yīng)用效果。Calderara S等人[3]提出了一種快速的、抗干擾能力強(qiáng)的煙塵視頻檢測(cè)算法，但背景差分會(huì)出現(xiàn)煙塵區(qū)域空洞現(xiàn)象；Hsu Yen-Chia 等人[4]提出了一種基于邊緣和紋理分割算法來檢測(cè)煙塵，但有一些局限性，在閾值的選擇中需要進(jìn)一步優(yōu)化；褚益[5]提出了一種基于改進(jìn)的貝葉斯決策理論最小誤差閾值煙塵圖像分割算法，改善了傳統(tǒng)閾值分割煙塵圖像方法的不足，但其在監(jiān)測(cè)過程中未考慮到風(fēng)速對(duì)煙塵區(qū)域分割結(jié)果的影響。因此，現(xiàn)有方法中在抗干擾能力和適應(yīng)能力方面有待提高。

本文采用基于背景建模與特征匹配相結(jié)合的圖像分割方法，獲取準(zhǔn)確的背景圖像，去除干擾，分割出煙塵區(qū)域。

1 煙塵分割方法的處理流程

本文方法主要分為背景建模及更新策略、差分累積、形態(tài)學(xué)處理與特征匹配等步驟。方法整體流程如圖1所示。

圖1 本文方法流程

1)建立適應(yīng)當(dāng)前場(chǎng)景下的背景模型并對(duì)背景進(jìn)行實(shí)時(shí)更新，構(gòu)造出準(zhǔn)確的背景圖像;

2)差分累積，通過差分累積出煙塵動(dòng)態(tài)區(qū)域；

3)運(yùn)用形態(tài)學(xué)的方法，填充煙塵孔洞區(qū)域，得到粗分割的煙塵區(qū)域，進(jìn)行特征匹配,去除干擾區(qū)域，得到細(xì)分割煙塵區(qū)域。

2 煙塵圖像分割算法

2.1 背景建模及更新策略

在工業(yè)煙塵視頻圖像中，背景中存在運(yùn)動(dòng)的云且大小不斷變化,也經(jīng)常會(huì)有類似于鳥等外部物體闖入視頻圖像，針對(duì)這些外部因素的干擾，本文采用了一種基于閾值的背景更新模型。

首先選取視頻的第一幀為背景幀，且需將彩色圖像轉(zhuǎn)換為灰度圖像，背景更新如下

Bt=ωBt-1(x,y)+(1-ω)ft(x,y)，0≤ω≤1

(1)

式中ω為可調(diào)節(jié)閾值；Bt(x,y) 為當(dāng)前背景圖像，Bt-1(x,y) 為前一幀背景圖像；ft(x,y)為當(dāng)前幀視頻圖像。

2.2 差分累積煙塵運(yùn)動(dòng)區(qū)域

將當(dāng)前圖像幀分別與背景幀進(jìn)行差分，得到煙塵動(dòng)態(tài)區(qū)域進(jìn)行累積，得到相對(duì)完整的動(dòng)態(tài)區(qū)域部分，再通過累積求平均值去除突然闖入視頻的干擾物，進(jìn)行第一次去干擾。

由于煙塵運(yùn)動(dòng)緩慢，通過反復(fù)實(shí)驗(yàn)，本文每隔5幀，提取為當(dāng)前幀運(yùn)動(dòng)圖像，再將其轉(zhuǎn)換為灰度圖像。由式(2)獲得當(dāng)前運(yùn)動(dòng)區(qū)域差分圖像

pt(x,y)=|ft(x,y)-Bt(x,y)|

(2)

式中pt(x,y)為t時(shí)刻差分出的運(yùn)動(dòng)區(qū)域像素值；ft(x,y)為當(dāng)前幀圖像；Bt(x,y)為背景圖像。

通過差分運(yùn)算，可以得到前后2幀煙塵變化區(qū)域，但無法得出前后2幀重合的煙塵區(qū)域，因此，通過式(3)進(jìn)行差分累積，將一定時(shí)間內(nèi)的運(yùn)動(dòng)區(qū)域像素點(diǎn)進(jìn)行累加，可以得到相對(duì)完整的運(yùn)動(dòng)區(qū)域

(3)

(4)

通過此方法，達(dá)到去除突然闖入干擾物的目的，得到相對(duì)準(zhǔn)確且完整的煙塵區(qū)域圖像,記為p?t(x,y)。

2.3 填充煙塵孔洞

圖2 煙塵孔洞填充

2.4 特征匹配

采用特征匹配的方法，去除干擾，較低噪聲，準(zhǔn)確的分割出煙塵區(qū)域部分。采用式(5)累加背景圖像

(5)

(6)

通過當(dāng)前幀圖像與平均背景圖像差值，設(shè)置閾值，去除干擾區(qū)域，消除噪聲，提高分割的準(zhǔn)確性。

(7)

由式(7)得到完整的煙塵分割區(qū)域Ct(x,y)，在本文分割圖像中，用黑色表示非煙塵區(qū)域，灰度圖像為分割出的煙塵區(qū)域。

3 實(shí)驗(yàn)與分析

實(shí)驗(yàn)計(jì)算機(jī)型號(hào)為HP ProDesk 600 SFF，配置為CPU 3.30 GHz、內(nèi)存8 GB，實(shí)驗(yàn)環(huán)境為MATLAB R2016a。實(shí)驗(yàn)所用視頻圖像來源于某鋼鐵公司煙塵監(jiān)測(cè)點(diǎn)的視頻圖像數(shù)據(jù)，共計(jì)20 h長(zhǎng)煙塵視頻，15 GB容量。

采用本文方法，對(duì)實(shí)際鋼廠煙塵視頻進(jìn)行測(cè)試，通過反復(fù)實(shí)驗(yàn)，不斷優(yōu)化算法結(jié)構(gòu)，修正算法閾值，記錄實(shí)驗(yàn)結(jié)果。

3.1 特征匹配參數(shù)實(shí)驗(yàn)

粗分割的煙塵區(qū)域如圖3(a)所示。在特征匹配的過程中，設(shè)定特征匹配參數(shù)，實(shí)現(xiàn)較好的細(xì)分割。

圖3 不同特征匹配參數(shù)煙塵分割效果比較

通過多次實(shí)驗(yàn)，從圖3可以看出，圖3(c)～圖3(e)去除干擾能力較弱，誤將云檢測(cè)為煙，圖(b)能夠完整去除干擾，得到完整的煙塵分割區(qū)域，因此，當(dāng)β=10 時(shí)，分割效果最好。由此可以看出，本文特征匹配的方法，可以有效去除云以及其他運(yùn)動(dòng)干擾物的影響，亦能適應(yīng)煙塵的不規(guī)則運(yùn)動(dòng)，得到完整的煙塵區(qū)域。

3.2 與傳統(tǒng)方法對(duì)比實(shí)驗(yàn)

如圖4所示，通過對(duì)比，可以看出，本文方法具有以下優(yōu)勢(shì)：1)能夠相對(duì)完整從背景中分割運(yùn)動(dòng)的煙塵區(qū)域；2)在復(fù)雜場(chǎng)景環(huán)境的干擾下，具有較好的抗干擾能力；3)較少出現(xiàn)錯(cuò)檢、漏檢等問題，效果優(yōu)于傳統(tǒng)方法。

圖4 不同分割方法比較

3.3 抗干擾實(shí)驗(yàn)

如圖5所示，第150幀，突然有飛鳥闖入到視頻中，第179幀飛出，通過采用本文方法進(jìn)行分割，從圖5(c)可以看出，分割出的煙塵區(qū)域相對(duì)完整且去除了突然闖入運(yùn)動(dòng)干擾物的影響，說明了本文方法具有一定的抗干擾能力。

3.4 不同場(chǎng)景分割效果實(shí)驗(yàn)

為了檢測(cè)本文方法對(duì)不同場(chǎng)景的適用能力，針對(duì)采集的不同場(chǎng)景下的煙塵視頻，采用本文方法 ，進(jìn)行實(shí)驗(yàn)測(cè)試，如圖6所示?？梢钥闯?，在3個(gè)不同場(chǎng)景下，本文方法能夠完整分割出煙塵區(qū)域，具有一定的適應(yīng)能力。

圖6 不同場(chǎng)景下實(shí)驗(yàn)

4 結(jié) 論

1)采用求像素點(diǎn)的平均灰度值的方法和特征匹配的方法，提升了抗干擾能力；

2)通過建立背景更新模型，提升了場(chǎng)景的適應(yīng)能力；

3)采用形態(tài)學(xué)填充孔洞的方法，使分割出的煙塵區(qū)域具有一定的完整性。

本文方法具有較好的實(shí)用性。