自然場景下的交通標(biāo)志識別算法研究.pdf

1、隨著城市化的進(jìn)展，汽車的普及，機(jī)動(dòng)車數(shù)量、出行人數(shù)的大量增加，路網(wǎng)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(yùn)輸效率問題變得日益突出，智能交通系統(tǒng)(Intelligent。Transportation System，ITS)被認(rèn)為是解決這些問題的基本手段，ITS是一個(gè)集通訊、檢測、控制和計(jì)算機(jī)技術(shù)于一體的綜合系統(tǒng)，對保障交通系統(tǒng)的運(yùn)行安全及運(yùn)輸效率，促進(jìn)國民經(jīng)濟(jì)的發(fā)展有重要的意義和經(jīng)濟(jì)價(jià)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(yùn)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(shù)的交通標(biāo)志識別系統(tǒng)作為智能交通系統(tǒng)的一個(gè)重要的子系統(tǒng)，已逐漸成為目前智能交通系統(tǒng)國內(nèi)外研究的熱點(diǎn)。目前，已有的各種交通標(biāo)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(shù)和理論，克服這些不足，提高算法的實(shí)時(shí)性和精度，對算法的實(shí)

3、際應(yīng)用具有重要的意義，同時(shí)，它作為模式識別領(lǐng)域的一個(gè)典型問題，也必將推動(dòng)模式識別的理論和技術(shù)的進(jìn)一步發(fā)展。 交通標(biāo)志識別是通過安裝在交通工具上的攝像機(jī)攝取戶外自然場景中交通標(biāo)志圖像，輸入計(jì)算機(jī)進(jìn)行處理完成的，由于戶外環(huán)境存在多種復(fù)雜因素的影響，它比一般的非自然場景下的目標(biāo)識別更具挑戰(zhàn)性，交通標(biāo)志識別的主要難點(diǎn)有兩點(diǎn)：1)是比較滿意圖像的實(shí)時(shí)獲?。?)是上百種標(biāo)志庫的匹配和理解。本學(xué)位論文結(jié)合中國的實(shí)際，針對這兩個(gè)難點(diǎn)，在交通標(biāo)志

4、的偵測算法、交通標(biāo)志圖像的盲復(fù)原算法以及交通標(biāo)志的分類算法等三方面作了一些有益的工作，學(xué)位論文的主要工作和成果可以概括為以下五個(gè)方面： 1、在綜述交通標(biāo)志偵測算法、交通標(biāo)志預(yù)處理算法以及交通標(biāo)志分類算法的國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，結(jié)合模式識別的基礎(chǔ)理論和技術(shù)，提出了一種能并行處理、多層結(jié)構(gòu)的交通標(biāo)志識別框架，該框架具有結(jié)構(gòu)簡單、易于實(shí)現(xiàn)、實(shí)時(shí)性強(qiáng)的特點(diǎn)。 2、針對目前交通標(biāo)志偵測算法的不足，深入研究了模板匹配技術(shù)在交通標(biāo)志

5、偵測中的應(yīng)用，綜合改進(jìn)的粒子群優(yōu)化搜索算法、結(jié)合對稱性的交通標(biāo)志匹配算法以及基于改進(jìn)Hausdorff距離的交通標(biāo)志匹配算法，提出一種新的交通標(biāo)志偵測算法一結(jié)合對稱性以及改進(jìn)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(biāo)志的特征顏色進(jìn)行閾值分割的方法。提出的交通標(biāo)志偵測算法具有實(shí)現(xiàn)簡單、偵測精度高、實(shí)時(shí)性好的特點(diǎn)，仿真試驗(yàn)驗(yàn)證了算法的可行性和有效性。 3、針對交通標(biāo)志圖像退化原因復(fù)雜，難以建立

6、數(shù)學(xué)模型的情況，將圖像盲復(fù)原技術(shù)引入到交通標(biāo)志的識別中，在全變差圖像盲復(fù)原算法的基礎(chǔ)上，結(jié)合反映人類視覺特點(diǎn)的WEBER定律，提出了新的結(jié)合人類視覺特點(diǎn)的全變差圖像盲復(fù)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(yàn)表明：提出的算法能有效地改善圖像的質(zhì)量。 4、圖像的特征提取方面，在分析比較各種不變距的基礎(chǔ)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(zhuǎn)不變性

7、，而且由于計(jì)算時(shí)不存在離散誤差，具有較高的數(shù)值計(jì)算精度。 5、在交通標(biāo)志分類算法中，主要對神經(jīng)網(wǎng)絡(luò)技術(shù)在交通標(biāo)志分類中的應(yīng)用進(jìn)行了深入的研究，為克服目前神經(jīng)網(wǎng)絡(luò)分類算法存在的不足，提出了結(jié)合改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志分類算法，在算法設(shè)計(jì)中，采用了差異演化算法進(jìn)行了全參數(shù)的尋優(yōu)。仿真試驗(yàn)表明：提出的算法具有較高的分類精度和較快的訓(xùn)練時(shí)間。 學(xué)位論文最后一章在總結(jié)全文工作的基礎(chǔ)上，從硬件平臺研究、車載綜合決策系統(tǒng)、其他標(biāo)志