基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统与流程

基于retinex图像增强和ostu阈值分割的隔离带检测方法及系统
技术领域
1.本发明涉及室内复杂环境下巡检机器人识别算法优化技术领域，尤其涉及基于retinex图像增强和ostu阈值分割的隔离带检测方法及系统。


背景技术：

2.在室内复杂环境下，通过安装在巡检机器人上的高清摄像头来实时采集设备图像，然后对其进行分析，从而做出预警或提示。通常，在一些危险或重要区域设置隔离带，当机器人例行巡检任务时，可以通过检测隔离带的存在来判断是否需要进行减速或其他操作，以避免巡检机器人误入此类区域，此时隔离带的检测起到了重要作用。目前，已有多种隔离带检测技术应用于巡检机器人上，且算法在不断更新，但是仍存在精度低、实时性差等弱点。
3.因此，需要寻找一种利用图像识别技术自动检测隔离带的存在的方法，若发现巡检机器人靠近隔离带区域时，能够及时做出反馈，减少人力物力的浪费，提升巡检过程的自动化。


技术实现要素：

4.为解决现有技术所存在的技术问题，本发明提供基于retinex图像增强和ostu阈值分割的隔离带检测方法及系统，通过采用改进的遗传算法来寻找ostu的最优阈值，从而提高了算法的效率，实现了信息的及时反馈，提升巡检过程的自动化。
5.本发明方法采用以下技术方案来实现：基于retinex图像增强和ostu阈值分割的隔离带检测方法，包括以下步骤：
6.s1、利用巡检机器人采集带有隔离带的图片，并调整所采集图像的大小；
7.s2、利用retinex算法增强低照度图像光照，改进图像质量；
8.s3、对图像进行灰度化后，采用高斯平滑滤波器平滑图像除去噪声；
9.s4、利用基于改进遗传算法的ostu技术进行阈值分割，区分隔离带目标区域和背景区域，获得初步的二值化图像；
10.s5、利用形状学运算，通过腐蚀、膨胀来完善图像；
11.s6、进行轮廓检测，并通过调整轮廓高和宽以及检测位置确定隔离带的具体区域。
12.本发明系统采用以下技术方案来实现：基于retinex图像增强和ostu阈值分割的隔离带检测系统，包括：
13.隔离带图片采集模块：通过巡检机器人采集带有隔离带的图片，并调整所采集图像的大小；
14.图像增强模块：通过retinex算法增强低照度图像光照，改进图像质量；
15.图像灰度模块：用于对图像进行灰度化处理；
16.高斯滤波模块：通过采用高斯平滑滤波器平滑图像除去噪声；
17.阈值分割模块：通过基于改进遗传算法的ostu技术进行阈值分割，区分隔离带目标区域和背景区域，获得初步的二值化图像；
18.形态学运算模块：通过形状学运算，腐蚀、膨胀完善图像；
19.轮廓检测模块：用于进行检测轮廓；
20.隔离带区域选择模块：通过调整轮廓高和宽以及检测位置确定隔离带的具体区域。
21.本发明与现有技术相比，具有如下优点和有益效果：
22.1、本发明采用retinex图像增强技术，通过抑制光照图像对反射图像的影响来达到增强图像的目的，可避免光线对隔离带检测的影响。
23.2、本发明通过采用改进的遗传算法来寻找ostu的最优阈值，从而提高了算法的效率，实现了信息的及时反馈，提升巡检过程的自动化。
附图说明
24.图1是本发明的方法流程图；
25.图2是本发明灰度化结果示意图；
26.图3是本发明高斯滤波结果示意图；
27.图4是本发明阈值分割结果示意图；
28.图5是本发明腐蚀操作结果示意图；
29.图6是本发明膨胀操作结果示意图；
30.图7是本发明轮廓检测结果示意图。
具体实施方式
31.下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
32.实施例
33.如图1所示，本实施例基于retinex图像增强和ostu阈值分割的隔离带检测方法，包括以下步骤：
34.s1、利用巡检机器人采集带有隔离带的图片，并调整所采集图像的大小；
35.s2、利用retinex算法增强低照度图像光照，改进图像质量；
36.s3、对图像进行灰度化后，采用高斯平滑滤波器平滑图像除去噪声；
37.s4、利用基于改进遗传算法的ostu技术进行阈值分割，区分隔离带目标区域和背景区域，获得初步的二值化图像；
38.s5、利用形状学运算，通过腐蚀、膨胀来完善图像；
39.s6、进行轮廓检测，并通过调整轮廓高和宽以及检测位置确定隔离带的具体区域。
40.本实施例中，retinex算法增强低照度图像光照的具体过程为：
41.从原始图像i中估计出光照分量l，并去除光照分量l，得到反射分量r，从而消除光照不均的影响，以改善图像的视觉效果；三者满足以下数学表达式为：
42.i(x,y)＝l(x,y)
×
r(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
43.其中，i(x,y)为观察者或相机获得的原始图像，l(x,y)为环境中的光照分量，r(x,
y)为物体表面的反射分量；
44.将公式(1)两边取对数，即：
45.log[r(x,y)]＝log[i(x,y)]-log[l(x,y)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0046]
本实施例中，retinex算法的具体步骤如下：
[0047]
s21、输入原始待增强的图像i(x,y)；
[0048]
s22、计算原始图像按指定尺度进行模糊后的图像l(x,y)；
[0049]
s23、获取物体表面的反射分量的对数log[r(x,y)]；
[0050]
s24、对log[r(x,y)]取反对数后，作为最终的输出。
[0051]
本实施例中，步骤s3中高斯滤波函数的表达式如下：
[0052][0053]
其中，g(x,y)为像素点(x,y)灰度值，(x,y)为像素点坐标，x，y为像素点到中心点的距离，σ为控制滤波程度参数；
[0054]
高斯滤波后的图像为：
[0055]
f(x,y)＝g(x,y)f(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0056]
其中，f(x,y)为原始图像，f(x,y)为去噪后的图像。
[0057]
本实施例中，步骤s4的具体实现过程如下：
[0058]
s41、将图像的灰度值编码为二进制，每个二进制为一个个体，以此表示分割阈值；
[0059]
s42、生成初始群体，设定初始种群数量与最大迭代次数；
[0060]
s43、将每个二进制个体解码为实际的灰度值；
[0061]
s44、选取适应度函数，并以此评估种群中个体的适应度；
[0062]
s45、对种群中的个体进行交叉操作；
[0063]
s46、对种群中的个体进行变异操作；
[0064]
s47、当达到最大迭代次数或个体适应度达到设定的标准时，算法终止，具有最大适应度值的个体为最优分割阈值；
[0065]
s48、以返回的最佳阈值对图像进行二值化分割。
[0066]
具体地，对于图像i(x,y)，前景和背景的分割阈值记为t，前景像素点所占比例记为ω0，其平均灰度μ0；背景像素点所占比例记为ω1，其平均灰度为μ1；设图像的大小为m
×
n，图像中像素的灰度值小于阈值t的像素数记为n0，像素灰度大于阈值t的像素数记为n1，则有：
[0067][0068][0069]
图像的总平均灰度μ为：
[0070]
μ＝w0×
μ0 w1×
μ1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0071]
前景和背景的类间方差σ2的计算公式为：
[0072]
σ2＝w0(μ
0-μ)2 w1(μ
1-μ)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0073]
当类间方差σ2最大时，对应的灰度值即为所求的最佳阈值，如公式(9)所示：
[0074]
t＝arg maxσ2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0075]
ostu算法通过遍历整个图像的灰度值，并计算当其为阈值时的类间方差，寻找最大的类间方差，才得到最佳分割阈值；当图像i(x,y)的尺寸变大时，该算法的计算量也会同步增加；因此，本实施例采用改进的遗传算法来寻找ostu的最优阈值，提高算法的效率。
[0076]
为了获得最优的分割阈值，本实施例对现有的遗传算法做出改进，改进的交叉概率如公式(10)、改进的变异概率如公式(11)所示：
[0077][0078]
其中，p
cmax
是最大交叉概率，f是交叉操作前两个父代中较大的适应度，f
max
是群体中的最大适应度值，f
avg
是群体的平均适应度值；
[0079][0080]
其中，p
mmax
是最大变异概率，f’是变异操作前两个父代中较大的适应度；
[0081]
经对遗传算法改进，优良个体与普通个体之间的差异增加，从而能够实现对最优解的快速搜索。
[0082]
本实施例中，步骤s5的具体实现过程如下：
[0083]
通过利用形态学开运算，先腐蚀后膨胀，用来去除图像中孤立的小点或毛刺，以及在纤细点处分离物体和平滑较大物体的边界，但不会改变其位置和形状；形态学开运算定义如下所示，先用b对a进行腐蚀，然后再用b对其进行膨胀：
[0084][0085]
具体地，测试结果如图2、图3、图4、图5、图6、图7所示。
[0086]
基于相同的发明构思，本发明提出基于retinex图像增强和ostu阈值分割的隔离带检测系统，包括：
[0087]
隔离带图片采集模块：通过巡检机器人采集带有隔离带的图片，并调整所采集图像的大小；
[0088]
图像增强模块：通过retinex算法增强低照度图像光照，改进图像质量；
[0089]
图像灰度模块：用于对图像进行灰度化处理；
[0090]
高斯滤波模块：通过采用高斯平滑滤波器平滑图像除去噪声；
[0091]
阈值分割模块：通过基于改进遗传算法的ostu技术进行阈值分割，区分隔离带目标区域和背景区域，获得初步的二值化图像；
[0092]
形态学运算模块：通过形状学运算，腐蚀、膨胀完善图像；
[0093]
轮廓检测模块：用于进行检测轮廓；
[0094]
隔离带区域选择模块：通过调整轮廓高和宽以及检测位置确定隔离带的具体区域。
[0095]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，
均应为等效的置换方式，都包含在本发明的保护范围之内。