标志牌监测..doc

《数字图像处理基础》课程实践 结题报告 （一）研究内容综述 图像读入，提取信息并处理 完成 行车标志牌图像检测及特征提取 完成 行车标志牌识别 完成 大于100张图样本的正确性验证 未完成，样本数目未达到 （二）研究方案 核心内容为：图像预处理，行车标志牌图像检测及特征提取，行车标志牌识别。 图像预处理是为了消除图像中的随机噪声和运动模糊现象, 行车标志牌图像检测及特征提取的功能是在一幅图片中定位出标志牌,然后提取出标志牌的颜色、形状等特征,而行车标志牌识别是利用提取出的标志牌特征,对其进行分类识别。 一、图像预处理 在行车标志牌图像获取过程中,难免会引入各种随机噪声,且在图像拍摄过程中,相机是抖动的,从而会产生运动模糊现象,若不对图像进行预处理,会影响下一步图像检测的准确率,所以必须对图像进行预处理以消除随机噪声和运动模糊现象。 对采集到的图像进行分析，对比各种滤波算法后，采用中值滤波消除随机噪声,采用维纳滤波消除图像运动模糊现象,为下一步交通标志的检测提供画质良好的图像。 二、行车标志牌图像检测及特征提取 由于行车标志牌有明显的颜色和形状特征,因此,可以通过行车标志的颜色和形状特征实现行车标志牌的检测。在行车标志牌分割之前,依据行车标志形状和颜色的关系,可以将行车标志进行分类。 图1 行车标志牌分类 2．1 圆形行车标志牌 在图像检测中，首先采用颜色处理,分割得出二值化图像,然后在二值化图像中结合标志牌的形状特征,精确定位出行车标志牌。 在RGB颜色模型中,RGB三基色受光照影响较大,由于交通标志牌的检测,只是根据颜色的色度进行分割,完全不用考虑颜色亮度对分割交通牌的影响,为了克服光照对颜色亮度的影响,只要知道R、G、B之间的相对值即可。 根据多次试验总结得出，用B-0.95G0B-R0 表示蓝色，R-B0R-0.950 表示红色，而用r-b0.065,g-b0.065表示黄色，其中，r、g、b称为色度坐标，在r、g、b色度坐标系中，r+g+b=1，所以这三个变量中有一个变量可由其他两个变量表示，所以这其中只有两个色度是独立的。 r、g、b分别为： r=R/(R+G+B),g=G/(R+G+B),b=B/(R+G+B). 通过RGB颜色特征提取出二值图像后,为了有效的提取出交通标志图像的边缘特征,最大程度消除噪声影响,需要对经过颜色分割处理后获得的二值图像进行数学形态学操作。 形态学运算主要包括膨胀、腐蚀、开运算、闭运算、细化、击中与粗化等等。其中膨胀运算是对二值化图像的边缘依据所选择的结构元进行扩充,将与图像边缘所接触的背景合并到图像中,使得图像的边缘点向外扩充,从而消除图像分割时的断裂现象,在进行图像膨胀时,可能将两个相连很近的物体连接起来。腐蚀是膨胀的相反操作,也就是将物体的边界依据所选的结构元素,向内缩减,利用腐蚀操作可以有效的消除图像分割时产生的毛刺现象。 在实际应用中,膨胀可以使得原始图像的边缘向外扩张,使得原先断裂的图像连接在一起,而腐蚀操作可以使得原始图像向内缩减,消除边缘的毛刺。因此，很多情况下，需要把两者结合起来使用。 在图像经过膨胀、腐蚀等操作后,为了有效获取边缘特征,需要利用边缘算子提取图像边缘,边缘检测就是通过计算各个像素的领域灰度变化率来反映。 边缘提取算子——Canny算子 canny算子是一个一阶算子,该方法的本质是先用准高斯函数做平滑运算,然后再运用一阶微分算子求得梯度的幅值和方向,对梯度幅值应用非极大值抑制,最后运用双闭值算法检测与连接边缘,因此算子可以有效的克服噪声影响,检测到物体真实的边界。 canny算子处理后所获得的边缘,噪声少,干扰少,而且边缘明显。 轮廓跟踪是一种常用的检测跟踪物体的方法,它的基本原理是： a、读取一幅二值化图像,然后从左到右、从上到下扫描整幅图像,寻找没有被标记过的边界点,作为起始点A0,然后再定义一个方向变量d,对图像按照方向变量开始扫描。方向变量用于记载前一步中,沿着上一个边界点到现在这个边界点的运动方向,常常定义为d=3（四连通域）,d=7（八连通域）； b、按照逆时针方向,搜索当前像素的3*3邻域。对于四连通域的情况,起始方向取为（d+3）mod4,而对于八连通域的情况,如果d为奇数,则起始方向取为(d+7)mod8,对于偶数的情况,则取为(d+6)mod8；扫描到的第一个像素点即为新的边界点Ai,同时更新方向变量d； c、如果A(i)的下一个边缘点是A1,并且上一个边界点住是A(i-1),则扫描结束,否则继续扫描,这样得到图像边界为A0,A1……Ai,然后统计边界的点数,如果边界的点数小于预先设置的值,则删除该边缘,否则保留。