基于神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別的研究.pdf

1、交通標(biāo)志識(shí)別作為智能交通系統(tǒng)的一個(gè)重要研究領(lǐng)域已得到很大的發(fā)展，對(duì)人們?nèi)粘Ｐ熊嚢踩珜⑻峁O大的幫助，因此交通標(biāo)志識(shí)別系統(tǒng)的研究具有重要的意義。由于高速公路上的行車速度快，導(dǎo)致汽車的操縱性和穩(wěn)定性下降。另外，高速行車影響駕駛員對(duì)距離的判斷以及造成習(xí)慣性疲勞。因此，本文選取高速公路這一生活場(chǎng)景，著眼于系統(tǒng)準(zhǔn)確性和實(shí)時(shí)性。
　　交通標(biāo)志識(shí)別系統(tǒng)主要包括圖像獲取、圖像檢測(cè)和圖像識(shí)別三個(gè)部分。針對(duì)高速公路環(huán)境特點(diǎn)，為克服噪聲對(duì)圖像的影響，本

2、文首先研究了圖像均衡化、圖像銳化和Gamma矯正三種增強(qiáng)方法，通過(guò)實(shí)驗(yàn)對(duì)比了幾種濾波效果，確定采用中值濾波方法降低高速公路環(huán)境下所采集圖像的噪音影響。
　　深入分析了HSV顏色空間不同彩色區(qū)域特性，提出一種改進(jìn)的顏色閾值分割算法，實(shí)驗(yàn)表明改進(jìn)的算法具有良好的分割效果。再使用多特征條件，即可將目標(biāo)區(qū)域從圖像中分割出來(lái)。
　　對(duì)分割出來(lái)的區(qū)域進(jìn)行一系列的形態(tài)學(xué)操作，包括二值圖像膨脹、平滑、腐蝕、邊緣細(xì)化等，可以使得目標(biāo)區(qū)域更有利

3、后續(xù)形狀分析，然后采用基于標(biāo)記的方法識(shí)別已分割出來(lái)的形狀。
　　通過(guò)分析交通標(biāo)志的顏色特征和形狀特征，在形態(tài)學(xué)的基礎(chǔ)上提取出限速標(biāo)志、合流警告標(biāo)志、向右急轉(zhuǎn)彎標(biāo)志等十類圖像的Zernike矩特征作為識(shí)別依據(jù);基于模式識(shí)別的基本理論，建立了相應(yīng)訓(xùn)練及測(cè)試樣本庫(kù)，為了增強(qiáng)網(wǎng)絡(luò)的泛化能力，訓(xùn)練樣本中添加了人為變化角度的干擾樣本;
　　設(shè)計(jì)了三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型，本文在實(shí)驗(yàn)的基礎(chǔ)上，分析了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差精度不高、