详情

原文传递自然场景下的交通标志识别算法研究

论文题名：	自然场景下的交通标志识别算法研究
关键词：	交通标志识别;粒子群优化算法;图像盲复原;Tchebichef不变距;概率神经网络;智能交通系统
摘要：	随着城市化的进展，汽车的普及，机动车数量、出行人数的大量增加，路网通过能力难以满足交通量快速增长的需要，交通拥挤加剧，交通事故频发，公路交通的安全以及运输效率问题变得日益突出，智能交通系统(Intelligent。Transportation System，ITS)被认为是解决这些问题的基本手段，ITS是一个集通讯、检测、控制和计算机技术于一体的综合系统，对保障交通系统的运行安全及运输效率，促进国民经济的发展有重要的意义和经济价值。目前，智能交通系统在我国发展迅速，且已正式列入“十一五”发展规划，驾驶安全问题、城市交通堵塞问题、运输效率问题都有望通过对车辆信息化和智能化的改造获得改善，基于图像检测与处理技术的交通标志识别系统作为智能交通系统的一个重要的子系统，已逐渐成为目前智能交通系统国内外研究的热点。目前，已有的各种交通标志识别算法，各具特色，在某些特定场合发挥一定的功效，不过也存在一些缺陷，因此，采用新的技术和理论，克服这些不足，提高算法的实时性和精度，对算法的实际应用具有重要的意义，同时，它作为模式识别领域的一个典型问题，也必将推动模式识别的理论和技术的进一步发展。交通标志识别是通过安装在交通工具上的摄像机摄取户外自然场景中交通标志图像，输入计算机进行处理完成的，由于户外环境存在多种复杂因素的影响，它比一般的非自然场景下的目标识别更具挑战性，交通标志识别的主要难点有两点：1)是比较满意图像的实时获取；2)是上百种标志库的匹配和理解。本学位论文结合中国的实际，针对这两个难点，在交通标志的侦测算法、交通标志图像的盲复原算法以及交通标志的分类算法等三方面作了一些有益的工作，学位论文的主要工作和成果可以概括为以下五个方面： 1、在综述交通标志侦测算法、交通标志预处理算法以及交通标志分类算法的国内外研究现状的基础上，结合模式识别的基础理论和技术，提出了一种能并行处理、多层结构的交通标志识别框架，该框架具有结构简单、易于实现、实时性强的特点。 2、针对目前交通标志侦测算法的不足，深入研究了模板匹配技术在交通标志侦测中的应用，综合改进的粒子群优化搜索算法、结合对称性的交通标志匹配算法以及基于改进Hausdorff距离的交通标志匹配算法，提出一种新的交通标志侦测算法一结合对称性以及改进Hausdorff距离的粒子群侦测算法，并在算法中采用在YCbCr彩色空间对交通标志的特征颜色进行阈值分割的方法。提出的交通标志侦测算法具有实现简单、侦测精度高、实时性好的特点，仿真试验验证了算法的可行性和有效性。 3、针对交通标志图像退化原因复杂，难以建立数学模型的情况，将图像盲复原技术引入到交通标志的识别中，在全变差图像盲复原算法的基础上，结合反映人类视觉特点的WEBER定律，提出了新的结合人类视觉特点的全变差图像盲复原算法，并探讨了采用共轭梯度和小生境遗传混合算法的求解方法，仿真试验表明：提出的算法能有效地改善图像的质量。 4、图像的特征提取方面，在分析比较各种不变距的基础上，提出了新的基于Tchebichef不变距的特征提取方法，这种新的不变距不仅具有平移、大小和旋转不变性，而且由于计算时不存在离散误差，具有较高的数值计算精度。 5、在交通标志分类算法中，主要对神经网络技术在交通标志分类中的应用进行了深入的研究，为克服目前神经网络分类算法存在的不足，提出了结合改进的概率神经网络的交通标志分类算法，在算法设计中，采用了差异演化算法进行了全参数的寻优。仿真试验表明：提出的算法具有较高的分类精度和较快的训练时间。学位论文最后一章在总结全文工作的基础上，从硬件平台研究、车载综合决策系统、其他标志标线的识别研究、识别算法的深入研究等四个方面作了比较详尽的分析，并提出了后续研究工作的思路，对进一步的研究具有一定的指导意义，最后，就学位论文中开展的研究工作在实际场合中的应用进行了展望。
作者：	张航
专业：	交通信息工程及控制
导师：	罗大庸
授予学位：	博士
授予学位单位：	中南大学
学位年度：	2006
正文语种：	中文