基于馬爾科夫隨機(jī)場(chǎng)的路標(biāo)識(shí)別算法研究.pdf

1、路標(biāo)識(shí)別是近些年來(lái)研究的熱點(diǎn)之一，它在智能交通與智能車自主駕駛方面有著重要的用途?，F(xiàn)有的路標(biāo)識(shí)別方法有基于路標(biāo)顏色(間接利用顏色信息：灰度或者色彩向量)的方法和基于路標(biāo)形狀的方法?；陬伾姆椒ㄒ蝾伾南袼刂禃?huì)受到光照條件以及天氣變化的影響，所以對(duì)此類噪聲影響下路標(biāo)識(shí)別效果不好。原因在于該方法是利用顏色閾值進(jìn)行識(shí)別和分割的。基于形狀的方法對(duì)于路標(biāo)圖像庫(kù)中兩種路標(biāo)的形狀相似(如直行與禁止直行、左拐與禁止左拐等)的情況識(shí)別效果不好。

2、　　 本文結(jié)合路標(biāo)的灰度信息和路標(biāo)形狀結(jié)構(gòu)信息，利用馬爾科夫隨機(jī)場(chǎng)理論給出了能夠處理噪聲情況下的路標(biāo)識(shí)別方法。本文研究成果如下：
　　 (1)在對(duì)基于灰度的路標(biāo)識(shí)別方法和基于形狀的路標(biāo)識(shí)別方法進(jìn)行綜述的基礎(chǔ)上，介紹了馬爾科夫隨機(jī)場(chǎng)理論及極大后驗(yàn)估計(jì)準(zhǔn)則、期望最大化算法、不變矩方法、條件迭代模式算法和OSPA距離等方法，論證了綜合利用這些理論或方法解決路標(biāo)識(shí)別問(wèn)題的可行性與有效性。
　　 (2)給出了基于馬爾科夫隨機(jī)場(chǎng)的

3、路標(biāo)識(shí)別算法?？紤]路標(biāo)像素之間的相關(guān)性，首先利用能夠描述像素相關(guān)性的馬爾科夫隨機(jī)場(chǎng)進(jìn)行建模，求得觀測(cè)圖像的目標(biāo)優(yōu)化函數(shù)；然后利用EM算法迭代產(chǎn)生目標(biāo)優(yōu)化函數(shù)的解，求得去除噪聲后的觀測(cè)圖像；再利用不變矩方法計(jì)算觀測(cè)圖像的Hu矩值；最后通過(guò)比較觀測(cè)圖像的Hu矩值與標(biāo)準(zhǔn)圖像的Hu矩值的相似性來(lái)識(shí)別路標(biāo)。仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
　　 (3)提出了基于OSPA點(diǎn)集距離的路標(biāo)識(shí)別算法。考慮到因路標(biāo)發(fā)生旋轉(zhuǎn)、微度的尺度變化以及角度問(wèn)題