复杂自然环境下的交通标志检测算法研究

摘要

近年来，越来越多的研究者开始关注智能交通系统(ITS)，而交通标志检测是智能交通系统的重要环节，并且是交通标志识别的前提，具有重要的研究意义和应用价值。面对相对复杂的自然场景，交通标志检测目前尚没有成熟的实际应用，因此需要继续研究一种对于复杂场景下的交通标志普遍适用的检测方案。
　　本文针对复杂环境下的交通标志检测算法进行研究，目的是提出一种对实际应用时的各种场景均适用的检测方案。本文的主要工作有如下几个方面:
　　(1)对比分析几种基于颜色空间的交通标志分割方法，针对固定阈值颜色分割方法的缺陷提出一种基于RGB颜色空间的自适应阈值分割方法RGBAT(RGB Color SpaceAdaptive Threshold)。该方法能有效克服固定阈值分割方法易受光照、标志褪色、阴影等因素影响的缺陷。通过与几种基于颜色空间的交通标志分割方法进行对比实验分析验证了RGBAT方法的有效性。
　　(2)依据交通标志检测应用对梯度直方图特征HOG与HSV量化直方图特征进行简化，在保证特征的分类能力的同时降低特征维数。
　　(3)针对复杂环境下的交通标志图像提出一种新的普适的检测方案。对交通标志图像分为高亮度、中亮度与低亮度三类，每一类设计合适的检测方法;在交通标志精确检测步骤中对候选区域分为高亮度、中亮度、低亮度三类，针对不同类别分别训练出相应的SVM分类器:High_SVM、Medium_SVM、Low_SVM。对复杂的场景进行分类处理可以在一定程度提高检测方法的适应性。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 交通标志检测研究现状

1．2．1 基于颜色特征的的交通标志检测方法

1．2．2 基于形状特征的的交通标志检测方法

1．3 交通标志检测算法难点

1．4 交通标志简介与本文数据库

1．5 本文检测算法主要流程

1．6 本文的主要工作与结构安排

2 复杂环境下基于颜色的交通标志图像分割

2．1 常用的基于颜色空间分割方法

2．1．1 归一化RGB空间阈值分割(RGBNT)

2．1．2 色度饱和度阈值分割(HST)

2．1．3 基于Ohta空间阈值分割(OST)

2．1．4 基于不同颜色空间闷值分割实验分析

2．2 基于RGB颜色空间的自适应阈值分割方法RGBAT

2．2．1 图像预处理

2．2．2 自适应阈值分割算法步骤

2．3 自适应阈值分割结果融合

2．3．1 分割结果的数学形态学处理

2．3．2 各颜色分量分割结果融合

2．3．3 自适应阈值分割方法实验分析

3 复杂环境下交通标志的精确检测

3．1 区域筛选

3．2 复杂环境下的交通标志检测特征选择

3．2．1 梯度方向直方图特征

3．2．2 HSV量化颜色直方图

3．2．3 复杂环境下交通标志检测特征实验分析

3．3 复杂环境下交通标志分类器选择

3．3．1 支持向量机基本原理

3．3．2 Adab∞st基本原理

4 本文复杂环境下的交通标志检测算法

4．1 复杂环境下交通标志图像分类

4．1．1 特征提取

4．1．2 图像分类

4．2 交通标志分类检测算法

4．2．1 各类交通标志分割算法

4．2．2 候选区域分类

4．2．3 基于SVM的交通标志分类器

4．3 实验结果与分析

5 总结与展望

5．1 总结

5．2 展望

参考文献

致谢