交通标志论文自动定位与识别论文

交通标志论文自动定位与识别论文
摘要：交通生活日益复杂，无人驾驶汽车渐渐被重视，在这样的智能交通系统中，高效准确地识别交通标志无疑是一个非常重要的课题。

本文利用数字图像处理方法对各种形状的交通标志进行处理，实现自动定位与识别交通标志的目的。

关键词：交通标志；阈值；区域生长；特征提取；匹配automatic positioning and identification of traffic signs
weng ninglong
(college of information science and engineering northeastern university,shenyang110004, china) abstract:nowadays,the life of traffic is increasingly complex,unmanned vehicles gradually being emphasized,in such intelligent transportation systems,efficient and accurate recognition of traffic signs is undoubted a very important subject.this article use a method of processing digital images for processing a variety of traffic signs,to realize the purpose of automatic location and recognition of traffic signs.
keywords:traffic signs;threshold;region growing;feature extraction;recognition
本文对交通标志自动识别包括了图像的预处理，图像的分割以及图像的匹配识别等，具体流程为：图像预处理，阈值分割，区域生长，特征提取，模板匹配识别。

一、图像预处理。

本文对所要识别的交通标志原图所做的预处理主要有两个方面：第一步，读取图像，就是要读入图像并转化成数据形式；第二步，图像灰度化，将彩色图像灰度化。

二、图像阈值分割。

本文利用大津法计算阈值进行分割，对经过预处理后的图像，记为前景与背景的分割阈值，前景点数占图像比例为，平均灰度为；背景点数占图像比例为，平均灰度为 .图像的总平均灰度为：从最小灰度值到最大灰度值遍历，当使得最大时，即为分割的最佳阈值。

经过图像的阈值分割处理之后，矩形交通标志与背景图像之间轮廓关系明显好于二值化后的图像，便于下一步继续分割。

三、区域生长。

本文的区域生长算法具体实现思想如下：在经过阈值分割处理后的图像中，在待分割区域中人工选取一个种子点，并把该种子点保存到种子队列中，然后利用四邻域的生长规则，按照一定的时针方向进行种子点生长具体
实现是先计算该种子点及其相邻八个点的灰度值，然后根据灰度相似性判决，记下这八个点中符合条件的新点的灰度值之和，确定这八个相邻的点是否可以作为新的种子点，如果可以则把它保存到种子队列中，再在队列中取下一个种子点，继续上面的步骤，直到队列为空，这样，对于利用阈值初步分割后的图像，经过区域生长算法处理后便得到了分割后的最终图像。

四、图像特征提取。

由于区域生长的图像和原图像数字化后的矩阵是对应的，故上述获得的坐标可以用于原图像中提取彩色路标，即实现了特征提取。

五、图像识别与定位。

交通标志在上述算法中已经顺利的分割了出来，接下来进行的是图像识别，图像识别采用的是模板匹配算法，模板匹配的原理是事先采集好交通标志的模板，与刚刚获得的交通标志分割图像进行比较，从而识别目标。

本文用来识别而选取的交通标志原图像，一部分是从网络上搜索下载的，另一部分是用相机在实际地点拍摄的，都是jpeg格式的，由于智能交通系统中的系统拍摄交通标志的环境随机性很大，背景通常很复杂，有各种各样的干扰，所以我们在采集原图像的时候尽量模仿机器拍摄的随机性，使用于识别的原图像更加普通，而不是某些显而易见的、容
易识别的图像。

总结：本文主要是针对各种几何图形的交通标志自动识别与定位作的研究。

交通标志的识别主要包括交通标志的检测与判别。

具体的技术路线为：预处理图像、阈值分割、区域生长、特征提取以及特征模板的识别与定位。

在交通标志的自动定位主要是利用了最小距离搜索算法来探讨了实时自动定位交通标志与系统的坐标关系。

实验表明，文中的方法能完成一定复杂背景下的交通标志快速准确的自动定位与识别。

参考文献：
[1]梁靓,黄玉清.融合canny算子和形态学方法的路径识别[j].计算机工程,2006,32(21):200-202
[2]朱双东,陆晓峰.道路交通标志识别的研究现状及展望[j].计算机工程与科学,2006,28(12):50-52
[3]董建明,胡觉亮.基于pso算法的图像分割方法[j].计算机工程与设计,2006,27(18):3377-3378
[4]赖有华,叶海建.几种阈值分割法在工程图自动识别中的应用[j].江西理工大学学报,2006,27(4):31-34 [作者简介]
翁宁龙（1987-），男，东北大学信息学院模式识别与智能系统专业10级硕士研究生。