交通标志快速自动检测算法的研究.docxVIP

交通标志快速自动检测算法的研究 通过收集道路标记信息来识别景观地图是一个难度较大的问题之一。自然场景中的交通标志检测存在许多困难。对图像进行边缘检测并通过对交通标志几何形状的分析来检测标志是交通标志检测的一种常用方法;基于颜色的图像分割则是交通标志检测的另外一种常用的方法。 在现有的各种交通标志检测方法中,基于边缘检测的方法大多涉及到复杂的图像运算,方法的实时性不好;基于HSV或其他颜色空间的颜色分割方法实时性不强,基于RGB颜色空间的颜色分割方法的实时性较好,但易受到光照条件的影响。另外,大多数基于颜色的分割方法采用的是固定阈值法,导致了这些方法不能很好地适应于具有复杂背景的实景图像中的交通标志检测。再者,当前的研究主要使用的是单眼视觉,只能获得交通标志的属性信息,而很难获取标志的几何信息,如空间坐标、尺寸等。因此,针对移动状态下拍摄的实景图像,本文提出了一种交通标志快速自动检测算法,该方法实现了黄色警告、红色禁令和蓝色指示这3类交通标志的快速自动检测及其空间位置、尺寸等几何信息的计算。 1 算法的原理 1.1 图像的全局颜色特性 本文采用RGB颜色空间进行彩色图像的颜色分割。首先利用统计理论计算立体像对中左图像R、G、B3个分量图像的灰度平均值Ra、Ga、Ba,3个归一化的灰度平均值Rr、Gr、Br,以及归一化灰度值之间的差值ΔRB、ΔRG、ΔGB,并以此作为图像的全局颜色特征,即刻画图像整体颜色特性的数值。 Ra=255∑i=0(i×ΡRi)?Ga=255∑i=0(i×ΡGi)Ba=255∑i=0(i×ΡBi)Rr=Ra(Ra+Ga+Ba)?Gr=Ga(Ra+Ga+Ba)Br=Ba(Ra+Ga+Ba)ΔRB=|Rr-Br|?ΔRG=|Rr-Gr|?ΔGB=|Gr-Br| 其中,PRi=nRi/N;PGi=nGi/N,PBi=nBi/N;nRi、nGi、nBi为R、G、B3个分量图像中的各灰度级的像素数目;N为图像中像素的总数。 1.2 背景回归ljbyz的阈值,主要有以下几种基 针对黄色警告、红色禁令和蓝色指示这3类交通标志的自动检测问题,利用自适应图像分割算法将彩色图像分割为3幅二进制图像Binary-Y、Binary-R、Binary-B,从而滤除图像中大量的非交通标志背景地物。下文以针对黄颜色的自适应图像分割为例,给出具体算法。 因为黄色是由红色和绿色组合而成,所以在判断图像中某个像素是否为黄颜色时,主要考虑像素的红色分量与蓝色分量的归一化值之间的差值Δrb、及绿色分量与蓝色分量的归一化值之间的差值Δgb是否满足一定的阈值要求;再考虑到如果像素的绿色分量值过大,则像素的整体颜色会趋于绿色,所以,像素的红色分量与绿色分量之间的差值R_G和Δrg也应满足一定的阈值。黄颜色的像素在分割后的二值图像上的对应像素值为1,而其他颜色的对应像素值为0。 Binary_Y[i]={1?Δrb＞trjbyz＆Δgb＞tgjbyz＆R_G≥rjgyz＆Δrg＞rjgblyz＆ri＞min(Rr?Gr)＆gi＞min(Rr?Gr)0?其他情况 式中,ri=Ri/(Ri+Gi+Bi),gi=Gi/(Ri+Gi+Bi),bi=Bi/(Ri+Gi+Bi),为像素颜色分量的归一化值;Δrg=ri-gi, Δrb=ri-bi,Δgb=gi-bi,为像素颜色分量的归一化值之间的差值;R-G=Ri-Gi为像素的红色颜色分量和绿色颜色分量之间的差值;Δrb的阈值trjbyz和Δgb的阈值tgjbyz按如下的规则动态确定: trjbyz={rjbyz+c×(ri-max(Rr?Gr))?ri＞max(Rr?Gr)rjbyz+ri-Br?其他情况tgjbyz={gjbyz+c×(gi-max(Rr?Gr))?gi＞max(Rr?Gr)gjbyz+gi-Br?其他情况 式中的变量c、rjgyz、rjgblyz、rjbyz、gjbyz按如下的方法自适应确定: c={0?max(Ra?Ga)＜168＆Rr＜0.337＆((ΔRB-ΔGB)＜0.011||(ΔRB-ΔGB)＞0.05)0?160＜max(Ra?Ga)＜168＆Rr＜0.331＆(ΔRB-ΔGB)＜0.0211?其他情况rjgyz={5?|Ra-Ga|＞5＆ΔRG＞0.0054?|Ra-Ga|≤5＆ΔRG＞0.005-3?min(Ra?Ga)＞180|Ra-Ga|?其他情况?rjgblyz={0?|Ra-Ga|＞5＆ΔRG＞0.005-0.004?min(Ra?Ga)＞180|Ra-Ga|×ΔRG?ΔRG≤0.005ΔRG?其他情况 为了确定变量rjbyz的值,定义如下的条件:条件1为min((Ra,Ba)180;条件2为(ΔRB+ΔGB)0.023;条件3为min(ΔRB, ΔGB)0.02