学位论文 > 优秀研究生学位论文题录展示
基于机器视觉的交通标志识别关键技术研究
作 者: 肖若荣
导 师: 邹北骥
学 校: 中南大学
专 业: 计算机科学与技术
关键词: 智能交通系统 交通标志识别 Lab颜色空间 双向投影法 SIFT算法 RootSIFT算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 19次
引 用: 0次
阅 读: 论文下载
内容摘要
基于机器视觉的自然场景交通标志识别是智能交通系统的重要组成部分,对于辅助驾驶和无人驾驶都具有重要意义,得到广泛关注。目前,国内外学者针对交通标志的识别提出了许多方法,但由于自然场景中交通标志识别常受到外界条件影响,仍存在诸多不足。本文围绕基于机器视觉的图像检测与识别方法等关键技术展开,实现了自然场景交通标志图像的预处理、分割、提取及识别。实验表明,本文提出的方法识别率高,能够较好地适应多种外界条件下的交通标志识别。由于自然场景受光照、天气等因素影响,直接对图像进行分割,结果往往不够理想,因此需要对图像进行预处理。目前,常用的预处理方法解决了光照变化的干扰,却很少考虑天气尤其是雾天对图像分割的影响。本文通过图像增强方法减少了光照对图像分割的影响,并采用基于暗通道优先的去雾方法对交通标志图像进行预处理。实验表明,通过预处理的交通标志图像,其颜色特征更突出。准确地将交通标志从背景图像中分割,是实现交通标志识别的前提,本文采用具有明显颜色区域特征的Lab颜色空间对交通标志图像进行分割,并在分割的同时实现交通标志的粗分类。针对自然场景中交通标志被遮挡、干扰等情况,本文采用双向投影法对交通标志进行提取,实验证明该方法能够有效克服夜晚、侧面、遮挡等复杂情况对交通标志提取的影响;另外,针对双向投影法对于同色群组交通标志漏取及合并提取的问题,提出了改进方法,实验表明改进的双向投影法简单易行,实现了同色群组交通标志的单独提取,提取准确率提高,为交通标志的高效识别奠定基础。本文采用基于局部特征的SIFT算法对交通标志图像进行识别,实验表明SIFT算法对交通标志遮挡、旋转、污损等情况具有较好的鲁棒性;分析了基于欧氏距离的SIFT算法的不足,首次将基于Hellinger距离的RootSIFT算法应用于交通标志识别。实验显示,RootSIFT算法提高了交通标志图像特征点匹配的准确率,从而提高了图像中交通标志的识别率。
|
全文目录
摘要 4-5 Abstract 5-9 1 概述 9-17 1.1 研究背景及意义 9-11 1.2 当前国内外相关研究工作现状 11-14 1.2.1 机器视觉方法综述 11 1.2.2 交通标志识别研究现状 11-14 1.3 自然场景图像中交通标志识别的难点 14-15 1.4 本文所做的主要工作及章节安排 15-17 1.4.1 机器视觉方法研究 15 1.4.2 交通标志识别关键技术研究 15-16 1.4.3 本文内容及章节安排 16-17 2 交通标志及其识别系统框架 17-23 2.1 当前我国的交通标志 17-20 2.2 交通标志识别及其系统框架 20-21 2.3 交通标志图像采集及实验环境 21-23 3 交通标志的分割 23-33 3.1 图像预处理 24-26 3.2 颜色空间的图像分割 26-31 3.2.1 颜色空间介绍 27-29 3.2.2 基于Lab颜色空间的交通标志图像分割 29-31 3.3 本章小结 31-33 4 交通标志的提取 33-43 4.1 基于连通区域的图像去噪 33-34 4.2 基于双向投影法的交通标志提取 34-39 4.2.1 向投影法原理 35-36 4.2.2 实验 36-37 4.2.3 实验结果分析 37-39 4.3 改进的双向投影法 39-42 4.3.1 基于数学形态学的图像处理 39-41 4.3.2 目标区域的判别 41 4.3.3 实验结果分析 41-42 4.4 本章小结 42-43 5 交通标志的识别 43-61 5.1 SIFT算法 43-46 5.2 基于SIFT算法的交通标志识别 46-53 5.2.1 交通标图像的SIFT特征提取 47-48 5.2.2 交通标志图像二值化处理 48-49 5.2.3 SIFT特征的阈值选取 49-51 5.2.4 实验结果与分析 51-53 5.3 基于ROOTSIFT算法的交通标志识别 53-55 5.3.1 RootSIFT算法介绍 53-54 5.3.2 基于RootSIFT算法的交通标志识别 54-55 5.4 实验结果与分析 55-60 5.4.1 与SIFT算法的比较 55-58 5.4.2 与支持向量机(SVM)的比较 58-60 5.5 本章小结 60-61 6 总结与展望 61-63 参考文献 63-69 攻读学位期间主要的研究成果 69-71 致谢 71
|
相似论文
- 基于EMD的车牌识别方法及应用,TP391.41
- 基于车载3D加速传感器的路况监测研究,TP274
- 基于双目视觉的河道测量技术研究,TP391.41
- 智能交通系统中运动目标检测技术的研究,TP391.41
- 智能交通中的路径选择及其移动终端信息展示系统,TP399-C6
- 基于探测车辆的道路识别和交通灯状态估计的方法研究,TP391.41
- 城市交通智能控制策略与仿真系统研究,U495
- 智能车设计及其追踪系统研究,TP399-C6
- 基于实时交通数据的交通流分析研究,U491.112
- 神经网络在短期交通流预测中的应用研究,U491.112
- 道路交通流量数据处理与预测模型研究,U491
- 基于SIFT算法单双目视觉结合的移动机械臂定位研究,TP241
- 道路网短时交通流分析与预测,U491.112
- 全局与局部特征相结合的遥感影像检索方法研究,TP751
- 环境卫星光学影像自动配准算法研究与并行实现,TP391.41
- 基于尺度不变特征变换(SIFT)的图像配准技术研究,TP391.41
- 三线阵CCD月面影像DEM生成研究,TP391.41
- 基于视觉选择性注意机制的车辆检测,TP391.41
- 数字图像处理中颜色重建与校正技术研究,TP391.41
- 基于神经网络的交通标志识别的算法研究,TP391.41
- 基于计算机视觉的交通标志识别算法的研究与实现,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|