復(fù)雜環(huán)境下交通標志的檢測.pdf

1、近幾年來智能交通系統(tǒng)(Intelligent Transportation System，ITS)引起了人們越來越多的興趣和關(guān)注。該系統(tǒng)可以減輕人們的駕駛壓力，使人們的出行更加自由、安全、可靠。交通標志的檢測與識別系統(tǒng)(Traffic Signs Detection and RecognitionSystem)作為ITS的一個必要環(huán)節(jié)，是智能車或駕駛員獲取外界路況信息的可靠保障。交通標志的檢測是識別的關(guān)鍵，準確實時的檢測出感興趣區(qū)域才會

2、為識別奠定良好的基礎(chǔ)。針對復(fù)雜的外界環(huán)境和行車環(huán)境下拍攝到的圖像，需要預(yù)處理才可以保證檢測的準確率。本文首先針對去除運動模糊和濃霧兩個預(yù)處理環(huán)節(jié)進行了研究，然后探究了標牌的檢測方法。
　　圖像的運動模糊復(fù)原問題分為勻速直線運動模糊復(fù)原和非勻速直線運動模糊復(fù)原兩類。針對前者，介紹了模糊核尺度和方向估計的普遍方法以及圖像復(fù)原的基本算法;針對后者本文在強邊緣估計模糊核方法上進行了改進，用導向濾波器進行保持邊緣去噪，并且在R、G、B三通道

3、進行運算，以增加較小計算量為代價，使該算法可直接處理彩色圖像，復(fù)原結(jié)果保留了圖像的顏色信息。
　　針對圖像去霧問題，本文采用了去霧領(lǐng)域最近研究成果“黑暗通道(DarkChannel Prior)法”。利用黑暗通道先驗知識對霧化圖像進行復(fù)原，并在透射函數(shù)優(yōu)化方面提出了導向濾波與線性插值相結(jié)合的方法。
　　自然拍攝的圖像經(jīng)過預(yù)處理后，再進行交通標志的檢測，檢測環(huán)節(jié)分為兩個部分:
　　(1)針對紅、藍、黃三種顏色在YIQ顏色

4、空間內(nèi)建立I分量和Q分量的二維正態(tài)分布模型，利用待檢測像素對三個正態(tài)分布模型的符合度來進行顏色分割，然后進行形態(tài)學處理，得到二值化圖像中的白色區(qū)域作為初步感興趣區(qū)域。
　　(2)選取對形狀的大小、角度、旋轉(zhuǎn)魯棒性較強的Hu不變矩特征，針對初步分割得到的感興趣區(qū)域，求得各區(qū)域Hu不變矩特征，利用支持向量機(SupportVector Machine，SVM)進行訓練得到分類器。剔除不規(guī)則類別，保留交通標志特征形狀圓形、矩形和三角形類