自然場(chǎng)景下道路交通標(biāo)志檢測(cè)與識(shí)別的研究.pdf

1、隨著當(dāng)今社會(huì)城鎮(zhèn)化進(jìn)程的快速推進(jìn)以及私家車的比例直線上升，道路交通問題已經(jīng)成為一個(gè)社會(huì)問題。在信息時(shí)代，利用智能交通系統(tǒng)（Intelligent Transportation System，ITS）來解決交通問題已經(jīng)成為未來的發(fā)展趨勢(shì)。交通標(biāo)志自動(dòng)識(shí)別系統(tǒng)（Traffic Sign Recognition System,TSR）是ITS的重要分支領(lǐng)域，通過實(shí)時(shí)確定交通標(biāo)志的類別與內(nèi)容，可以有效避免惡劣天氣、疲勞駕駛等引起的交通事故；因此

2、，它的研究具有重要的理論意義和廣闊的應(yīng)用前景。
　　本文主要研究自然場(chǎng)景中道路交通標(biāo)志的檢測(cè)算法與識(shí)別算法，具體如下：
　?。?）針對(duì)標(biāo)志圖像中存在運(yùn)動(dòng)模糊的問題，研究了模糊圖像復(fù)原方法。本文主要將勻速直線運(yùn)動(dòng)及近似勻速直線運(yùn)動(dòng)造成的動(dòng)態(tài)模糊圖像作為研究對(duì)象。首先得到勻速直線運(yùn)動(dòng)的點(diǎn)擴(kuò)散函數(shù)，然后根據(jù)退化模型恢復(fù)出原圖像。接著分析和實(shí)驗(yàn)對(duì)比了維納濾波等幾種模糊圖像復(fù)原方法，最后討論了如何減少噪聲影響的方法。
　?。?）

3、針對(duì)由于光照強(qiáng)度的變化、拍攝時(shí)間不同等因素造成的圖像亮度過低和對(duì)比度不明顯等問題，本文提出了直方圖均衡化和Gabor濾波結(jié)合的標(biāo)志增強(qiáng)算法和基于“參考白”技術(shù)的光照補(bǔ)償算法。
　?。?）針對(duì)道路交通標(biāo)志識(shí)別系統(tǒng)中的檢測(cè)實(shí)時(shí)性和檢測(cè)精確度問題，提出了一種改進(jìn)的基于顏色增強(qiáng)法與支持向量機(jī)（SVM）融合的交通標(biāo)志檢測(cè)算法。首先使用改進(jìn)的顏色增強(qiáng)算法初步檢測(cè)并切割出候選標(biāo)志區(qū)域；然后使用HOG特征訓(xùn)練SVM分類器，對(duì)候選標(biāo)志進(jìn)行精確檢測(cè)并

4、判斷其形狀。
　?。?）針對(duì)交通標(biāo)志的識(shí)別問題，對(duì)現(xiàn)有的分類方法在識(shí)別速度和精度上做了比較，采用具有訓(xùn)練耗時(shí)少等優(yōu)點(diǎn)的概率神經(jīng)網(wǎng)絡(luò)（probabilistic neural network，PNN）。識(shí)別過程依然采用HOG特征作為訓(xùn)練特征；為避免出現(xiàn)維度災(zāi)難，提高識(shí)別速度，采用主成分分析(Principal Component Analysis，PCA)法對(duì)訓(xùn)練樣本進(jìn)行降維。
　　本文的主要工作是在現(xiàn)有的交通標(biāo)志檢測(cè)算法的基