基于特征的交通標志圖像識別的應用研究.pdf

1、智能交通系統(tǒng)通過人與車、車與車、車與路、車與傳感器等設備之間的信息共享，使得人、車、路三者之間的關系更加和諧，因而各國的研究工作也相繼展開并得以迅速發(fā)展。而作為智能交通系統(tǒng)重要組成部分的交通標志識別系統(tǒng)也得到了相應的重視與發(fā)展，該系統(tǒng)可以幫助駕駛員判斷路面交通狀況，從而有效增加行車安全性，所以，對它的研究具有著重要的理論意義和實用價值。
　　 本文基于圖像處理技術，針對交通標志的檢測和識別技術進行了以下研究:
　　 (1

2、)基于交通標志的顏色信息，將自然條件下的交通標志圖像轉換到RGB、HSV和SVF顏色模型空間進行顏色分割，并通過實驗對比分析了三種模型下的分割結果;實驗結果表明，三種分割算法中SVF算法分割效果最好，利用顏色特征能排除大部分干擾背景，同時得到了包含目標區(qū)域在內的候選區(qū)域。
　　 (2)在顏色分割的基礎上運用二值化分割算法進一步分離圖像背景與候選目標區(qū)域，對二值化圖像進行消噪、平滑處理，利用數學形態(tài)學對候選區(qū)域進行了填充并得到完整

3、的候選區(qū)域，通過面積閾值排除了大部分的非目標候選區(qū)域，而后基于連通區(qū)域法獲取外接矩形，并提取自然場景下的交通標志。分析了我國現(xiàn)有常用交通志的形狀屬性特征，并將交通標志形狀屬性的約束條件作為交通標志初步分類的依據。
　　 (3)分析了特征選擇與提取理論，研究了Hu距與zernike距的旋轉、縮放、平移不變性，選用Hu距和zernike距為交通標志圖像的識別特征，而后通過計算提取了交通標志樣本的Hu不變距和Zernike不變距特征值

4、，并對特征數據進行了歸一化處理。鑒于交通標志屬于小樣本問題，基于統(tǒng)計學與VC維理論及設計原則，基于SVM設計了分類器，并對分類器中的參數(C，g)進行了尋優(yōu)處理，以期獲得最優(yōu)的分類結果。最后，基于文中設計的分類器，完成了預測模型的訓練和待分類標志的識別實驗，并對實驗結果進行了分析。
　　 基于前文的研究和分析，設計了算法實現(xiàn)框圖，利用模塊化結構思想設計了交通標志識別系統(tǒng)及相應的工作界面，并通過實驗驗證了系統(tǒng)的可行性。