道路交通标志图像处理

论文摘要

随着经济的发展和人们生活水平的提高,道路交通车辆越来越多,智能交通系统受到了更多的关注。道路交通标志检测识别作为智能交通系统的重要组成部分,对道路安全起着越来越重要的作用,因此对道路交通标志检测识别的研究有着重要的理论和实用价值。本文主要针对禁止和警告道路交通标志的检测与识别做了研究,在基于其颜色和形状先验信息的基础上对道路交通标志进行检测和识别。提出了多通道直方图均衡化的图像增强算法,分别在RGB和HIS空间对图像进行增强,解决了因光照不均而引起的颜色失真问题。然后分别利用RGB分量固定差值和HIS色调阀值的方法对图像进行颜色初分割,并对两种分割效果做了比较。其次,通过面积阀值滤波的方法去除小面积干扰区域之后,对待测区域进行边界不变矩的计算,与圆形、三角形模板值进行匹配,从而实现交通标志的定位。该方法能大大简化利用Hu不变矩进行匹配的计算量。最后,本文对人工免疫网络进行了简单的介绍,利用Hu不变矩特征提取算法提取所检测出的交通标志特征,提出了一种基于人工免疫网络的分类算法对交通标志进行分类,实验结果表明,通过该方法检测道路交通标志图片中的禁止和警告标志有较快的速度和较高的识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的研究背景和意义
• 1.2 国内外研究动态及发展趋势
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 道路交通标志检测识别的主要难题
• 1.3 本文主要工作及内容安排
• 第二章 道路交通标志检测与识别方法
• 2.1 道路交通标志及分类
• 2.2 图像的色彩模型
• 2.2.1 RGB 色彩空间模型
• 2.2.2 HIS 色彩空间模型
• 2.2.3 CIE 色彩空间模型
• 2.3 道路交通标志检测与识别的主要方法
• 2.3.1 基于颜色的方法
• 2.3.2 基于形状的方法
• 2.3.3 其他方法
• 2.4 本章小结
• 第三章 基于颜色信息的交通标志粗分割
• 3.1 多通道直方图均衡化的图像增强
• 3.1.1 直方图均衡化图像增强方法
• 3.1.2 基于RGB 空间的直方图均衡化图像增强
• 3.1.3 基于HIS 空间的直方图均衡化图像增强
• 3.2 基于颜色信息的图像初分割
• 3.2.1 HIS 色彩空间的图像分割
• 3.2.2 RGB 色彩空间的图像分割
• 3.3 区域标记法阀值滤波
• 3.4 本章小结
• 第四章 基于边界不变矩的交通标志检测
• 4.1 形态学处理
• 4.1.1 膨胀
• 4.1.2 腐蚀
• 4.2 边缘检测
• 4.2.1 Sobel 算子
• 4.2.2 Canny 算子
• 4.3 基于边界不变矩的形状检测
• 4.3.1 基于Hu 不变矩的边界不变距
• 4.3.2 交通标志形状检测
• 4.4 本章小结
• 第五章 一种基于人工免疫网络的交通标志分类方法
• 5.1 人工免疫系统简介
• 5.1.1 免疫学术语介绍
• 5.1.2 免疫机制
• 5.1.3 生物免疫系统与人工免疫系统
• 5.1.4 人工免疫网络及其应用
• 5.2 关联规则和关联分类规则相关定义
• 5.3 分类问题的描述
• 5.3.1 分类挖掘的概念
• 5.3.2 部分术语的定义
• 5.4 算法及其关键技术
• 5.4.1 数据的预处理
• 5.4.2 网络的初始化
• 5.4.3 抗体亲和度函数
• 5.4.4 超变异
• 5.4.5 剪枝操作
• 5.4.6 免疫网络的抑制操作
• 5.4.7 分类操作
• 5.4.8 算法的步骤
• 5.5 实验与结果分析
• 5.6 本章小结
• 第六章 结束语
• 6.1 工作总结
• 6.2 展望
• 致谢
• 参考文献
• 在读期间研究成果