自然场景下交通标志牌的检测与识别

论文摘要

随着我国经济的快速发展,汽车得到广泛的普及,走入了千家万户。汽车在给人们出行带来方便的同时,我们也该清醒的认识到频发的交通事故给受害者的家庭带来极大伤害。因此,有必要对智能交通技术进行研究,以方便司机出行,减少事故的发生。交通标志牌自动检测与识别作为智能交通技术的一个重要组成部分,得到越来越广泛的重视。为了提高自然场景下交通标志牌的检测与识别速度和准确度,本文进行以下三个方面的研究：（1）交通标志牌的检测。针对自然条件下,外界环境干扰比较多,为了提高检测速度,本文首先使用颜色特征对图像进行分割,然后使用轮廓跟踪技术消除小的噪声点,最后利用交通标志牌的形状特性实现圆形与矩形标志牌的定位。本文还引入视觉注意模型,采用基于相似距离的Top-Down模型实现给定交通标志牌的定位；（2）交通标志图像形状不变矩提取。在检测到交通标志牌以后,本文采用改进的HU不变矩和Zernike矩提取交通标志牌的形状不变矩特征；（3）交通标志牌的识别。在交通标志牌识别方面,本文采用基于Hausdorff距离的图像匹配技术和基于模糊C均值技术实现图像识别。实验表明,模糊C均值比图像匹配技术拥有更好的识别效果和应用价值。本文是在VC++平台下结合OpenCV对算法进行实现,结合实验图像验证了算法的有效性和可行性,实现了交通标志牌的快速检测与识别。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 课题研究的背景与意义
• 1.2 国内外研究现状
• 1.2.1 交通标志图像预处理
• 1.2.2 交通标志牌的检测
• 1.2.3 交通标志的分类识别
• 1.3 本文的研究内容
• 1.4 论文的结构与安排
• 2 交通标志识别系统设计与图像预处理
• 2.1 交通标志快速检测系统设计
• 2.1.1 交通标志牌识别系统组成
• 2.1.2 交通标志牌检测与识别的软、硬件组成
• 2.2 交通标志图像预处理
• 2.2.1 图像随机噪声的消除
• 2.2.2 图像运动模糊的消除
• 2.3 本章小结
• 3 交通标志牌检测
• 3.1 基于颜色与形状的交通标志牌检测
• 3.1.1 基于颜色特征的交通标志牌分割
• 3.1.2 图像形态学操作
• 3.1.3 交通标志牌的边缘提取
• 3.1.4 基于改进的Hough变换检测圆形标志
• 3.1.5 矩形标志牌检测
• 3.2 基于视觉注意模型的交通标志牌检测
• 3.2.1 Itti模型以及对应的视觉显著图
• 3.2.2 基于相似距离的自顶向下模型的交通标志牌检测
• 3.3 本章小结
• 4 交通标志图像的特征提取
• 4.1 图像形状特征
• 4.2 交通标志牌的特征提取
• 4.3 本章小结
• 5 交通标志识别
• 5.1 基于模板匹配的交通标志牌识别
• 5.1.1 特征空间的选择
• 5.1.2 相似性度量
• 5.1.3 基于改进的Hausdorff距离的交通标志牌识别
• 5.2 基于模糊C均值的交通标志牌识别
• 5.2.1 模糊C均值算法
• 5.2.2 基于模糊C均值的交通标志识别
• 5.3 本章小结
• 6 总结与展望
• 6.1 工作总结
• 6.2 下一步工作展望
• 致谢
• 参考文献