自然场景下道路交通标志检测与识别的研究

发布时间：2017-07-28 12:12

  本文关键词：自然场景下道路交通标志检测与识别的研究

  更多相关文章： 交通标志检测与识别 模糊图像复原 Gabor滤波器 颜色增强 HOG特征 SVM PNN神经网络

【摘要】：随着当今社会城镇化进程的快速推进以及私家车的比例直线上升,道路交通问题已经成为一个社会问题。在信息时代,利用智能交通系统(Intelligent Transportation System,ITS)来解决交通问题已经成为未来的发展趋势。交通标志自动识别系统(Traffic Sign Recognition System,TSR)是ITS的重要分支领域,通过实时确定交通标志的类别与内容,可以有效避免恶劣天气、疲劳驾驶等引起的交通事故;因此,它的研究具有重要的理论意义和广阔的应用前景。本文主要研究自然场景中道路交通标志的检测算法与识别算法,具体如下:(1)针对标志图像中存在运动模糊的问题,研究了模糊图像复原方法。本文主要将匀速直线运动及近似匀速直线运动造成的动态模糊图像作为研究对象。首先得到匀速直线运动的点扩散函数,然后根据退化模型恢复出原图像。接着分析和实验对比了维纳滤波等几种模糊图像复原方法,最后讨论了如何减少噪声影响的方法。(2)针对由于光照强度的变化、拍摄时间不同等因素造成的图像亮度过低和对比度不明显等问题,本文提出了直方图均衡化和Gabor滤波结合的标志增强算法和基于“参考白”技术的光照补偿算法。(3)针对道路交通标志识别系统中的检测实时性和检测精确度问题,提出了一种改进的基于颜色增强法与支持向量机(SVM)融合的交通标志检测算法。首先使用改进的颜色增强算法初步检测并切割出候选标志区域;然后使用HOG特征训练SVM分类器,对候选标志进行精确检测并判断其形状。(4)针对交通标志的识别问题,对现有的分类方法在识别速度和精度上做了比较,采用具有训练耗时少等优点的概率神经网络(probabilistic neural network,PNN)。识别过程依然采用HOG特征作为训练特征;为避免出现维度灾难,提高识别速度,采用主成分分析(Principal Component Analysis,PCA)法对训练样本进行降维。本文的主要工作是在现有的交通标志检测算法的基础上进行了一些探索和尝试。实验结果表明,本文提出的算法能够快速准确的检测到交通标志并对其形状做出判断,同时对亮度较低的图像能够有效处理,对旋转、部分遮挡等复杂情况也有较好的稳定性和准确性,相较颜色增强算法在精确度和耗时方面都有所优化,基本满足了实际应用的要求。
【关键词】：交通标志检测与识别 模糊图像复原 Gabor滤波器 颜色增强 HOG特征 SVM PNN神经网络
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 前言9-18
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-15
• 1.2.1 研究机构及研究成果10-11
• 1.2.2 理论研究现状11-15
• 1.3 技术难点及发展趋势15-16
• 1.3.1 交通标志识别的技术难点15-16
• 1.3.2 总体发展趋势16
• 1.4 主要研究内容和章节安排16-18
• 2 TSR系统的基本知识、系统框架及预处理18-41
• 2.1 交通标志的基本知识18-20
• 2.2 TSR系统的总体框架20-21
• 2.3 图像模糊复原21-33
• 2.3.1 图像的噪声21
• 2.3.2 图像的退化模型21-22
• 2.3.3 点扩散函数（Point Spread Function）的确定22-30
• 2.3.4 几种典型的图像复原算法30-33
• 2.4 直方图均衡化与Gabor滤波结合的标志增强算法33-38
• 2.4.1 直方图均衡化33-37
• 2.4.2 Gabor滤波37-38
• 2.4.3 基于直方图均衡化与Gabor滤波结合的图像增强算法38
• 2.5 参考白增强38-40
• 2.6 本章小结40-41
• 3 基于改进的颜色增强法和SVM融合的交通标志检测算法41-65
• 3.1 常用的颜色空间及标志检测算法分析41-49
• 3.2 改进的颜色增强算法49-52
• 3.3 HOG特征52-55
• 3.4 基于SVM的交通标志精检测55-62
• 3.4.1 支持向量机原理55-60
• 3.4.2 分类器训练60-62
• 3.5 HOG+SVM分类器形状判断62-64
• 3.6 本章小结64-65
• 4 基于PCA和概率神经网络的交通标志识别65-74
• 4.1 主成分分析65-66
• 4.2 概率神经网络66-69
• 4.2.1 神经网络66-67
• 4.2.2 概率神经网络结构模型67-69
• 4.2.3 PNN算法描述69
• 4.3 概率神经网络的设计69-73
• 4.4 本章小结73-74
• 结论74-76
• 参考文献76-81
• 攻读硕士学位期间发表论文及科研成果81-82
• 致谢82-83

【相似文献】

中国期刊全文数据库 前10条

1 夏传荪;无声的向导——道路交通标志[J];交通世界;2002年05期

2 晓阳;道路交通标志种种(Ⅴ)[J];农业机械化与电气化;2002年06期

3 ;部分道路交通标志图[J];农机安全监理;2002年Z1期

4 廖汉宗;百年前道路交通标志啥样[J];安全与健康;2004年12期

5 周彬;韩松;刘威;;浅析普通公路道路交通标志的设置[J];北方交通;2006年04期

6 管满泉;;道路交通标志设置存在的问题及对策[J];交通企业管理;2008年11期

7 王笃明;胡信奎;葛列众;;对称性信息呈现方式对道路交通标志视认绩效的影响[J];人类工效学;2009年04期

8 ;美国道路交通标志介绍[J];道路交通与安全;2009年03期

9 ;美国道路交通标志介绍[J];道路交通与安全;2009年02期

10 孙延良;毕万本;吴岩;;浅谈道路交通标志选材及检测[J];黑龙江交通科技;2009年11期

中国重要会议论文全文数据库 前1条

1 蔡建华;方守恩;;道路交通标志辅助设计软件需求分析[A];中国公路学会计算机应用学会2002年年会学术论文集[C];2002年

中国重要报纸全文数据库 前10条

1 彭文怡邋记者 傅小冰;云南昆明道路交通标志管理办法九月实施[N];中国质量报;2008年

2 本报记者 雍明虹 整理;科学设置道路交通标志[N];云南日报;2013年

3 李恒进 赵凤双 初永海;格球山农场实现道路交通标志规范化[N];黑龙江经济报;2006年

4 曾林;全面清理规范道路交通标志及技术监控设备[N];郴州日报;2008年

5 记者 刘娟丽邋实习生 李雪晴;省纪委督察组来郴督察清理规范道路交通标志等工作情况[N];郴州日报;2008年

6 记者 谭绍军邋通讯员 汤建仁;我市道路交通标志清理初见成效[N];益阳日报;2008年

7 见习记者 朱周　通讯员 郑瑞军;哈密市路政部门增设农村道路交通标志[N];哈密日报(汉);2010年

8 平原 张慧;政协委员建议:尽快完善道路交通标志[N];太原日报;2010年

9 徐 风;《道路交通标志和标线》修改了[N];中国质量报;2005年

10 南国早报记者 杨青生;首府道路交通标志酝酿变脸[N];广西日报;2004年

中国硕士学位论文全文数据库 前10条

1 张瑞;多媒体道路交通标志系统设计研究[D];沈阳航空航天大学;2013年

2 李虹钢;道路交通标志合理信息量研究[D];西南交通大学;2015年

3 李光瑞;自然场景下道路交通标志检测与识别的研究[D];西华大学;2016年

4 胡信奎;道路交通标志中对称结构效应的工效学研究[D];浙江理工大学;2010年

5 李铮;基于支持向量机的道路交通标志识别的研究[D];燕山大学;2011年

6 刘思平;道路交通标志的检测与识别技术研究[D];南京理工大学;2011年

7 袁修荣;城市道路交通标志设计与设置研究[D];长安大学;2005年

8 张业生;基于眼动仪的城市道路交通标志研究[D];内蒙古农业大学;2011年

9 张爱爱;道路交通标志的检测研究[D];北京交通大学;2015年

10 刘冉;自然场景下道路交通标志分割方法研究[D];河北工业大学;2014年

，

本文编号：583973