基于局部二值模式的交通標志識別算法研究.pdf

1、交通標志識別是智能輔助駕駛系統(tǒng)研究的一個分支，已經(jīng)成為國內(nèi)外研究的熱點之一。交通標志識別一般包括檢測和識別兩部分。檢測一般是利用交通標志的形狀和顏色特征，從自然場景中把交通標志提取出來。識別是把檢測出來的交通標志的內(nèi)容識別出來。交通標志識別在規(guī)范交通行為、確保安全駕駛等方面具有重要的意義。
　　交通標志通常處于室外復(fù)雜的環(huán)境條件下，識別的過程中容易受環(huán)境光照、方向旋轉(zhuǎn)的影響。針對這些問題，本文基于局部二值模式(LBP)，對交通標志

2、的特征進行提取，以及用支持向量機(SVM)對交通標志進行識別分類研究。本文主要做的工作包括:
　　1.LBP算法因其對光照和旋轉(zhuǎn)具有不變性的優(yōu)點，廣泛應(yīng)用于遙感圖像分析、人臉識別等領(lǐng)域。本文首次將LBP算法引入到交通標志識別中（以目前檢索的文獻還未見相關(guān)報道）。設(shè)計了基于灰度圖像的LBP特征提取算法，應(yīng)用于282幅中國交通標志實景圖像和4578幅瑞典交通標志實景圖像的交通標志識別，識別率分別約為35％和67％。
　　2.對相

3、同局部紋理、不同顏色的交通標志，以上基于灰度圖像的LBP特征提取算法無法進行有效區(qū)別。研究了交通標志的顏色特性，建立了顏色角度模型，實現(xiàn)了對交通標志的顏色增強，交通標志識別率分別約提高到67.5％和75％。
　　3.對相同局部紋理相同顏色、不同全局空間結(jié)構(gòu)分布的交通標志，以上經(jīng)顏色增強的LBP特征提取算法仍無法進行有效識別。建立了基于對數(shù)極坐標映射的分區(qū)模型，對交通標志進行分區(qū)的LBP特征提取，交通標志識別率提高到86％和91.5