自然場景下的交通標志識別算法研究.pdf

1、隨著城市化的進展，汽車的普及，機動車數量、出行人數的大量增加，路網通過能力難以滿足交通量快速增長的需要，交通擁擠加劇，交通事故頻發(fā)，公路交通的安全以及運輸效率問題變得日益突出，智能交通系統(tǒng)(Intelligent。Transportation System，ITS)被認為是解決這些問題的基本手段，ITS是一個集通訊、檢測、控制和計算機技術于一體的綜合系統(tǒng)，對保障交通系統(tǒng)的運行安全及運輸效率，促進國民經濟的發(fā)展有重要的意義和經濟價值。目前

2、，智能交通系統(tǒng)在我國發(fā)展迅速，且已正式列入“十一五”發(fā)展規(guī)劃，駕駛安全問題、城市交通堵塞問題、運輸效率問題都有望通過對車輛信息化和智能化的改造獲得改善，基于圖像檢測與處理技術的交通標志識別系統(tǒng)作為智能交通系統(tǒng)的一個重要的子系統(tǒng)，已逐漸成為目前智能交通系統(tǒng)國內外研究的熱點。目前，已有的各種交通標志識別算法，各具特色，在某些特定場合發(fā)揮一定的功效，不過也存在一些缺陷，因此，采用新的技術和理論，克服這些不足，提高算法的實時性和精度，對算法的實

3、際應用具有重要的意義，同時，它作為模式識別領域的一個典型問題，也必將推動模式識別的理論和技術的進一步發(fā)展。 交通標志識別是通過安裝在交通工具上的攝像機攝取戶外自然場景中交通標志圖像，輸入計算機進行處理完成的，由于戶外環(huán)境存在多種復雜因素的影響，它比一般的非自然場景下的目標識別更具挑戰(zhàn)性，交通標志識別的主要難點有兩點：1)是比較滿意圖像的實時獲??；2)是上百種標志庫的匹配和理解。本學位論文結合中國的實際，針對這兩個難點，在交通標志

4、的偵測算法、交通標志圖像的盲復原算法以及交通標志的分類算法等三方面作了一些有益的工作，學位論文的主要工作和成果可以概括為以下五個方面： 1、在綜述交通標志偵測算法、交通標志預處理算法以及交通標志分類算法的國內外研究現(xiàn)狀的基礎上，結合模式識別的基礎理論和技術，提出了一種能并行處理、多層結構的交通標志識別框架，該框架具有結構簡單、易于實現(xiàn)、實時性強的特點。 2、針對目前交通標志偵測算法的不足，深入研究了模板匹配技術在交通標志

5、偵測中的應用，綜合改進的粒子群優(yōu)化搜索算法、結合對稱性的交通標志匹配算法以及基于改進Hausdorff距離的交通標志匹配算法，提出一種新的交通標志偵測算法一結合對稱性以及改進Hausdorff距離的粒子群偵測算法，并在算法中采用在YCbCr彩色空間對交通標志的特征顏色進行閾值分割的方法。提出的交通標志偵測算法具有實現(xiàn)簡單、偵測精度高、實時性好的特點，仿真試驗驗證了算法的可行性和有效性。 3、針對交通標志圖像退化原因復雜，難以建立

6、數學模型的情況，將圖像盲復原技術引入到交通標志的識別中，在全變差圖像盲復原算法的基礎上，結合反映人類視覺特點的WEBER定律，提出了新的結合人類視覺特點的全變差圖像盲復原算法，并探討了采用共軛梯度和小生境遺傳混合算法的求解方法，仿真試驗表明：提出的算法能有效地改善圖像的質量。 4、圖像的特征提取方面，在分析比較各種不變距的基礎上，提出了新的基于Tchebichef不變距的特征提取方法，這種新的不變距不僅具有平移、大小和旋轉不變性

7、，而且由于計算時不存在離散誤差，具有較高的數值計算精度。 5、在交通標志分類算法中，主要對神經網絡技術在交通標志分類中的應用進行了深入的研究，為克服目前神經網絡分類算法存在的不足，提出了結合改進的概率神經網絡的交通標志分類算法，在算法設計中，采用了差異演化算法進行了全參數的尋優(yōu)。仿真試驗表明：提出的算法具有較高的分類精度和較快的訓練時間。 學位論文最后一章在總結全文工作的基礎上，從硬件平臺研究、車載綜合決策系統(tǒng)、其他標志