基于免疫算法的交通标志分割.docVIP

基于免疫算法的交通标志分割 摘 要：针对现有道路交通标志图像分割算法中实时性和鲁棒性较差的问题，提出一种基于免疫算法和RGB颜色空间的交通标志图像分割新方法。该方法先用RGB颜色空间将交通标志从实景图中定位出来，利用免疫算法快速搜索的机理，对已定位的图像进行阈值T寻优，并用该阈值T分割图像。实验结果表明，该算法与基于遗传算法的图象分割算法相比较,具有较好的鲁棒性和实时性，且适用于不同光照条件下的交通标志图像分割。 关键词：交通标志；免疫算法；颜色空间；图像分割；最优阈值 中图分类号：TP391.41 文献标识代码 A Traffic Signs Segmentation Based on Immune Algorithm Abstract Some existing traffic signs graphic segmentation algorithms are weak in perform real-time and robust.According to those problems, this paper presents a new algorithm of the traffic signs segmentation based on immune algorithm RGB color space. The method uses RGB color space to locate the image of traffic signs form the traffic signs imaging figure, and use immune algorithm to search for the optimization threshold T to split the located image. The experimental results show that, compared with the algorithm of genetic-based traffic signs segmentation,the algorithm presents in this paper perform more perfectly in robust and real-time,and applies to traffic signs segmentation in varies light conditions. Keywords Traffic signs; Immune algorithm; color space; Tmage segmentation; Optimal threshold 0 引言 道路交通标志识别(Traffic Sign Recognition，TSR)是智能交通系统(Intelligent Transportation System，ITS)研究领域中尚未解决的难题之一，也是难度较大的实时图形识别问题之一[1]。道路交通标志识别大概可以分为两个步骤：交通标志分割和交通标志识别。如何从图像中快速、准确的获取交通标志的位置，是交通标志识别的关键，也是本文所要研究的内容。 目前交通标志的定位与分割主要从其颜色和形状两方面来研究。文献[2]首先对灰度图像中圆形的几何边界进行提取,进而结合圆形路标中几何形状的特点,检测圆形路标，该方法的鲁棒性较好,但步骤较为复杂。文献[3]介绍了一种基于颜色的交通标志检测与提取的快速方法，然而该方法的阈值T是人为确定的，不具有普遍性。文献[4]先在YIO空间进行分割，滤除一部分不需要的信息，然后在此基础上利用多特征融合来进行交通标志的精确定位。文献[5]提出将归一化的RGB空间转换到HSI空间,得到各分量阈值实现分割。文献[6]提出将RGB空间转换到CIE空间，用颜色模型EIECAM 97从CIE空间中提取色调、色度和亮度。由于HSI、CIE空间的各分量是独立的，能较好地解决光照问题，但空间的转换是非线性的，且计算量较大,影响了实时性。文献[7] 利用遗传算法优化最大类间方差法，使得阈值选取的效率大大提高，但遗传算法存在一定的局限性，容易得到局部最优阈值。 交通标志图像的采集、分割与识别是在车辆的行驶过程中进行的，需要实时提供给驾驶员相应的信息，这就使得交通标志图像分割要有较快的速度。本文将免疫算法和RGB颜色空间相结合，提出一种基于免疫算法的交通标志分割新方法。该方法先用不需要空间转换的RGB颜色空间定位交通标志，利用免疫算法快速搜索的机理，对已定位的图像进行阈值T寻优，并用该阈值T分割图像。实验结果表明，该算法与基于遗传算法的图象分割算法相比较，具有较好的鲁棒性，且实时性较好。 1 基于颜色特征的交通