您的位置 首页 > 数码极客

如何安装tsc342E打印机

摘 要: 提出一种基于归一化RGB(NRGB)和椭圆相似度的圆形交通标志检测方法。首先将图像的RGB模型转换为NRGB,利用阈值分割得到红、蓝、黄颜色分量,然后根据面积和长宽比去除干扰区域,最后利用椭圆相似度检测感兴趣区域是否为圆型交通标志。实验结果表明,该方法能在复杂背景中准确定位圆形交通标志,获得了较高的检测率和较低的误检率。

0 引言

因为交通标志一般被设计成特定的颜色和形状,所以大部分检测算法都是基于颜色和形状信息。基于颜色的算法主要是用不同的颜色空间将交通标志分割出来,常用的颜色空间有RGB、NRGB[1]、YUV、HSI、YCbCr。RGB三分量之间相关且易受光照变化影响;YUV、HSI、YCbCr需要将RGB空间转换到相应空间,计算复杂度较大。参考文献[2]经过多种分割算法的比较,提出NRGB能够减少光照影响,且计算复杂度较小,分割效果较好。基于形状的算法主要有Hough变换[3]、Canny边缘检测[4]和图像梯度[5]。上述方法不考虑颜色信息,效果较好,但是计算量较大。

综合考虑圆形交通标志的颜色和形状信息,本文提出一种基于NRGB和椭圆相似度的检测算法。首先对R、G、B三分量进行归一化处理,然后进行阈值分割,得到红、蓝、黄颜色分量,通过比较面积和长宽比排除干扰区域,最后对感兴趣区域进行椭圆相似度检测,将圆形交通标志分割出来。实验结果表明,本方法可以有效分割出圆形交通标志,满足系统的实时性要求。

1 基于NRGB的图像分割

1.1 NRGB

RGB模型的RGB三分量之间存在很强的相关性,且极易受光照的影响,NRGB可将光照变化的影响减少到很小。RGB转换成NRGB的方法如式(1)所示。

其中,R、G、B、r、g、b分别是RGB和NRGB的红、绿和蓝色分量。

1.2 颜色分割

利用式(2)可以得到3种颜色分量的二值化图像。分割效果如图1所示。

1.3 去除干扰区域

由图1可以看出,颜色与交通标志相似的物体也被提取了,因此需要去除这些干扰区域。交通标志的长宽比为1,考虑到扭曲变形等因素,可知标志的长宽比应在接近1的范围内。图像大小有2 048×1 360和1 536×1 024两种类型,为处理方便,将图像大小归一化为300×400。首先对3种颜色分量进行孔洞填充,然后提取满足式(3)的连通区域。其中,长宽比aspectratio=width/height,width、height、area分别是连通区域的宽、高和面积,这样可以去除大部分干扰区域。

2 基于椭圆相似度的标志检测

扭曲变形使得圆形的标志变成了椭圆形,利用椭圆相似度可以判断是否是圆形的交通标志。

如图2所示,(x1,y1)、(x2,y2)是长轴的两个端点,(x0,y0)是中心,(x,y)是任意一点。利用坐标变换公式将坐标系xoy的坐标转换到坐标系x′o′y′:

首先,在初步检测到的交通标志图像中切出感兴趣区域ROI,然后利用Canny算子进行边缘检测,获得边缘坐标。

假设ROI的边缘是椭圆,依次对任意两个边缘坐标求欧式距离,得到最大的欧式距离dmax,认为此时的两个边缘坐标即为长轴端点(x1,y1)、(x2,y2)。计算椭圆的参数:

(x,y)和(x0,y0)转换到坐标系x′o′y′的坐标为(x′,y′)、(x0′,y0′),则:

将b取整存放在A中,A中最大的值就是b值。因为实际获取标志的边缘坐标点在椭圆曲线的周围,这导致b在一个小范围浮动,计算累加器A(b-2:b+2)的和得到椭圆相似度:

如果s大于某一阈值,则假设成立,该ROI就是一个圆形的交通标志。

3 实验结果

为验证上述算法的可行性,本文使用交通图像集Traffic Signs UAH Dataset[6]进行了一组实验。该图像集包括474张交通标志图像,其中包含圆形交通标志327个。

图3是一张包含1个圆形和1个三角形标志的图像,提取它的红色分量,进行孔洞填充,然后去除干扰区域,对其进行椭圆相似度检测,提取符合条件的圆形交通标志。从图中可以看出本算法可以很好地检测出圆形的交通标志。

交通标志检测结果分为成功检测、漏检和误检3类。检测结果的统计数据由表1给出。

通过表1的结果可以看出,算法有较高的检测率。漏检主要出现以下4种情况:(1)交通标志距离较远,面积较小,在去除干扰区域时被去除。实验表明,在车辆向前行驶中,该标志逐渐变大本算法即可以检测到它。(2)标志变形,导致形状不再近似椭圆,因此椭圆相似度较低。(3)标志褪色,无法在颜色分割时得到较完整的ROI,因此无法检测到。(4)标志之间粘连,不满足长宽比条件,被当做干扰区域去除。

误检主要是因为背景颜色和形状均与圆形的交通标志相似,这种情况较少,总体来说满足实际驾驶的要求。综上所述,本算法可以有效地检测圆形交通标志。

该实验进行的软硬件环境:操作系统为Windows7,使用MATLAB R2012b进行开发,处理器为Intel CORE i5,主频2.4 GHz,内存6 GB,平均检测时间为0.08 s,本算法能够满足车辆安全驾驶的实时性要求。

4 结论

本文提出了一种基于NRGB和椭圆相似度的交通标志检测算法,NRGB可以较大程度地减少光照变化的影响,通过颜色分割得到红、蓝、黄三种颜色分量,根据面积和长宽比去除大部分干扰区域后,再根据椭圆相似度判断获得的感兴趣区域是否是圆形。实验证明,该算法简单有效,能够满足圆形交通标志检测的有效性和实时性要求,但该算法对交通标志粘连的图像检测效果较差。综上所述,本算法能够检测圆形的交通标志,并取得较高的检测率和较低的误检率,为交通标志的识别奠定了基础。

参考文献

[1] KAMADA H, NAOI S, GOTOH T. A compact navigation system using image processing and fuzzy control[J]. in Proc. IEEE Southeast on, New Orleans, LA, 1990(1):337-342.

[2] GOMEZ-MORENO H, MALDONADO-BASCON S, GIL-JIMENEZ P, et al. Goal evaluation of segmentation algorithms for traffic sign recognition[J]. IEEE Transactions on Intelligent Transportation Systesm, 2010,11(4):917-930.

[3] 张霄,彭伟.基于Hough变换的圆形物体的检测[J].传感器与微系统,2006,25(4):62-64.

[4] GARCIA-GARRIDO M, SOTELO M, MARTIN GOROSTIZA E. Fast traffic sign detection and recognition under changing lighting conditions[C]. Intelligent Transactions on System Conference, Toronto: ITSC, 2006:811-816.

[5] LIU Y, IKENAGA T, GOTO S. Geometrical, physical and text/symbol analysis based approach of traffic sign detection system[C]. Proceedings of IEEE Intelligent Vehicles Symposium, Tokyo, Japan, Jun. 2006:238-243.

[6] GRAM. Traffic Sign UAH Dataset[EB/OL].(2007-03-16)[2014-9-20]. http:.

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“如何安装tsc342E打印机”边界阅读