一种新型交通标志自动识别系统
刘坤,席晓哲,王青泉,韩毅**
作者简介:刘坤,(1986-),男,研二学生,车辆工程
通信联系人:韩毅,长安大学汽车学院,副教授,研究方向智能车. E-mail: hany@chd.edu.cn.com
(长安大学汽车学院,西安 710064)
5 摘要:道路交通标志自动识别系统是智能交通系统的重要组成部分,对交通事故的预防有重
要意义。本文介绍一种基于MATLAB 的交通标志自动识别方法。其特征在于,包括安装于汽
车上USB 接口的摄像机,摄像机通过图像预处理模块与计算机相连,计算机还连接有模板库。
摄像机采集道路交通标志图像,输入图像预处理模块后进入计算机,计算机用matlab 软件
对图像作预处理改善图像的像质。然后以颜色为依据通过阈值分割的方法提取颜色特征的目
10 标区域。之后通过孤立点去噪去掉一些不必要的干扰提取目标区域。 腐蚀,边缘检测,与
模板库交通标志对比基于特征模板匹配最后进行识别。
关键词:图像处理;USB 接口摄像机;基于颜色阈值分割;模板匹配
0 引言
随着经济的发展和社会的进步,智能交通系统得到很大的发展。交通标志自动识别系统
作为智能交通系统的一个重要的子系统,在无人驾驶的车辆项目研究中,交通标志的自动识
35 别系统是获取交通场景信息的重要手段,交通标志自动识别系统(TSR)逐渐得到重视和发
展。道路交通标志识别是利用计算机视觉技术自动的进行识别的研究领域。[1] 它在车辆行驶
过程中对出现的交通标志信息进行采集和识别,及时的向驾驶员作出指示或警告,或者直接
控制车辆的操作,以保持交通通畅和预防事故的发生。交通标志识别系统是未来智能车辆技
术的研究和发展重要具有重要的意义,是其关键的软件支持。相对图像的其他特征,颜色特
40 征比较稳定,对图像的旋转、缩放等几何变换,甚至各种形变都不敏感,具有很强的鲁棒性,
而且颜色特征的提取比较简单。[2] 因此颜色特征是交通标志中应用最广泛的特征。
本研究基于MATLAB 的交通标志自动识别方法,研究对象主要针对公路上的红黑色的
圆形禁令左转的交通标志。本文采用将采集的禁止左转交通标志进行必要的图像处理,基于
颜色采用阈值分割的方法分离出目标。在建立特征对象和特征模板后进行最后的模式识别。
45 试验结果表明,本文所采用的识别方法,识别速率和准确率都比较高高,实时性也比较好。
1 图像处理过程
用车载摄像机采集交通标志,输入计算机进行处理。随后进行交通标志图像增强和分割
主要涉及两个方面, 一是增强交通标志的图像效果; 二是对交通标志特征颜色的分割。在
本文研究的交通标志的识别过程中, 根据交通标志的红色特征, 首先针对该特征入手,从
50 复杂的图像中把可能为目标的区域分割出来。颜色分割所完成的任务是将某种特定颜色的像
素过滤出来。然后利用数学形态学的腐蚀算法消除一些噪声点,最后用canny 算子进行边缘
检测。
图1 原始图片
55
1.1 RGB 图像转换为二值图像
图像增强的主要目的是为了改善图像的视觉效果,提高图像的清晰度和工艺的适应性,
以便于人与计算机的分析和处理。RGB 并不能反映图像的形态特征,常要把图像弄成8 位
的灰度值图像直接进行处理,可以通过灰度变化;灰度图像将灰度图像转化为二值图像。
60 灰度图像用于显示的灰度图像通常用每个采样像素 8 位的非线性尺度来保存,这
样可以有 256 级灰度。这种精度刚刚能够避免可见的条带失真,并且非常易于编程。
二值图像中所有的像素只能从0 和1 这两个值中取,因此在MATLAB 中,二值
图像用一个由0 和1 组成的二维矩阵表示。二值图像是图像上每一像元只有两种可能的
数值或灰度等级状态的图像。图片如下
65
图2 初步处理的二值图像
1.2 基于二值图像的阈值分割
阈值法是一种简单有效的图像分割方法,他用户一个或几个阈值将图像的灰度分为几个
部分,将统一部分的像素视为相同的物体。在交通标志识别系统中,考虑系统的运算量和实
70 时性问题,决定选择阈值分割的方法。[1] 主要思想在RGB 彩色空间,通过图像像素的实际
值与预设预知的比较,分割出特定的区域,而分割的阈值的确定值是通过反复实验得到的。
选择RGB 空间进行分割是因为不需要转换并且实时性好。
本实施例确定的阈值范围是在自然条件下进行图像增强后的实验数值。根据实验,如果
R 与G,B 差值都在35 以上,即为先分割出红色像素区域,为目标像素;框定提取出的红
75 色区域,在锁定的范围内的二值图像中,再提取红黑颜色像素的区域,也就是其中的目标像
素,然后算法设置为白色。不在上述的范围之列,那么是圆形内中的白色图像像素,利用算
法设置为黑色。阈值分割出目标像素,以白色为目标色,黑色为背景色。归一化处理后得出
分割结果。如下图3,4 所示
80 图3 红色像素的二值图像
图4 红黑像素的二值图像
85 1.3 数学形态的腐蚀
数学形态学对于图像处理的应用范畴包括腐蚀,膨胀,和细化。本文应用腐蚀算法处理
交通标志图像。
腐蚀是一种消除边界点,使边界向内部收缩的过程,利用该操作可以消除小且没有意义
的噪声点。[2] 图像分割后有干扰噪声的存在,腐蚀算法的的思想主要是把小于结构元素的
90 物体去除。数字图像中,这样可以选去大小不同的结构元素去除大小不同的物体。如果两个
物体之间有细小的物体的两桶,那么结构元素足够大时,通过腐蚀运算可以将两个物体分开。
方法步骤如下;1.建立1*3 模板,利用该模板遍历图像上的每一个像素点。2.腐蚀使交通
标志的边界沿周围减少一个像素,若小于结构的物体,则除去。3.若大于该结构的像素点,
则保留下来这样可以保留目标像素,除去干扰像素。4.重复步骤2、3,遍历完整幅图像,终
95 止程序。
图4 孤立点去除噪声
1.4 canny 算子的边缘检测
100 数字图像处理的边缘检测是图像分割,目标识别等图像分析领域的基础。
边缘是要所要提取的目标和背景的分界线,取出边缘才能将目标和背景分开,因此边缘
技术对于数字图像十分重要。
边缘检测的基本思想是先检测图像中的边缘点,在按照某种策略将边缘点连接成轮廓,
从而构成分割区域。[3] 边缘检测的方法包括;roberts 算子,prewitt 算子,sobel 算子还有canny
105 算子。其中Canny 的效果是最好的。他的检测效果不但能清晰的提取图像的边缘,而且边
缘的连续性比较好。见图4。其基本思想是先检验图像中的边缘,再按照某种策略将边缘点
连接成轮廓,从而构成分割区域。Canny 边缘检测算子对受到白噪声影响的跃阶型边缘是最
优的。但是缺点是canny 算子处理有冗余边缘。如下图所示
110 图4 canny 算子的边缘检测
图像处理部分的程序代码如下;
function [E]=tiqu()
% 提起A的特征点
115 A=imread('liukun.jpg');
[Row,Col,n]=size(A);
C=rgb2gray(A);
C=im2bw(C);
figure,
120 imshow(C);
B=zeros(Row,Col);
for i=1:Row
for j=1:Col
if((A(i,j,1)-A(i,j,2)>35)&&(A(i,j,1)-A(i,j,3)>35))
125 B(i,j)=1;
end
end
end
figure,
130 %B=mat2gray(B);
imshow(B);
maxi=1;
maxj=1;
mini=Row;
135 minj=Col;
for i=1:Row
for j=1:Col
if(B(i,j)==1)
if(maxi<i)
140 maxi=i;
end
if(maxj<j)
maxj=j;
end
145 end
end
end
for i=1:Row
for j=1:Col
150 if(B(i,j)==1)
if(mini>i)
mini=i;
end
if(minj>j)
155 minj=j;
end
end
end
end
160 D=zeros(Row,Col);
for i=mini:maxi
for j=minj:maxj
if(C(i,j)==0)
D(i,j)=1;
165 end
end
end
figure,
imshow(D);
170 %E=D-B;
%se=strel([1 1 1]);
se=strel([1 1 1]);
E=imerode(D,se);
E=imerode(E,se);
175 E=imerode(E,se);
E=imerode(E,se);
figure,
imshow(E);
E=tiqu();
180 F=edge(E,’canny’);
Figure,imshow(F)
2 特征匹配与模式识别
2.1 特征空间的选择
匹配的过程中,第一步是特征空间的选择。交通禁止类标志的显著的特征是指在图像中
185 可以容易处理的红黑颜色像素,统计特征是指一个区域的测度,他表示这个区域的估计。特
征空间是图像匹配,同时是几乎所有的高层图像处理或者计算机是觉得基础。[4] 本文选择
明显的灰度值的颜色像素特征点来进行匹配。
2.2 相似系数的计算
特征点粗匹配运用相关性原理对基准图像和待匹配图像中的任意特征点对计算相似系
190 数,相关系数大于某一给定闽值的特征点对被称为初选的匹配点。对根据样本与待识别对象
之间的相似性来衡量两幅图像之间的相似性。即用相似系数来衡量他们之间的相似性。两幅
图像越相似,则相似系数越接近于1;图像越不相似,相似系数越接近0。相似系数的定义
如下:
200 式中x 是样本的特征值,y 是待识别图像的特征值,i 是识别的第i 个特征的符号,n 是
匹配特征的个数。根据特征矢量制定特征模板,程序自动寻找到相匹配的特征点,计算相似
系数,然后计算相似系数和阈值对比,如果相似系数大于0.7 记录为匹配点。当发现模板库
中禁止左转交通标志的特征向量与之相匹配时,则判断被识别图像为该标准交通标志。如果
模板库中没有与被识别对象相匹配的交通标志存在,则发出错误信息。下图为模板库的图像
205
图6 模板库样本图像
根据图像形变的先验知识,我们知道待匹配图像中每一个点相对于基准图像中对应点的
像差应该在一定范围之内,正确匹配的特征点对之间的像差也限制在一定的范围之内。因此,
210 对于基准图像中的一个特征点,无需对待匹配图像中的所有特征点计算它们之间的相关系
数,只要对待匹配图像中的相应区域内的特征点计算它们之间的相关系数。这样可以大大的
减少算法的计算量,提高程序的运行速度,同时还可以降低误匹配的概率。[5]
在特征匹配上,由于禁令左转标志具有非常明显的特定特征,因此采用快速简单的匹配
学术论文网Tag:代写代发论文 计算机论文 代发论文 代写工科论文 职称论文发表
|