基于直方图投影的交通标志特征提取算法

《基于直方图投影的交通标志特征提取算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于直方图投影的交通标志特征提取算法本文提出了一种基于直方图投影的交通标志特征提取方法。通过粗分类对捕获的标志进行筛选，再计算直方图，并分别从水平、垂直方向进行投影，组合特征向量，最后利用神经X络进行识别。该方法极大的减少了特征的维数，消除了大量冗余数据，并增强了神经X络的分类能力。经测试，对于3类常见交通标志，神经X络识别率有大幅提升。关键词：直方图投影；粗分类；神经X络1.引言　　交通标志将道路交通的有关信息提供给驾驶者，引导驾驶者进行正确地驾驶。随着我国汽车保有量的高速增长，交通标志捕获与识别（TrafficSignRecognition，TSR）领域引起了越来越多研

2、究人员的关注[1]。　　本文提出了一种新的交通标志特征提取算法，对交通标志进行粗分类筛选，然后对交通标志分块进行直方图投影，最后组合特征向量，得到数据量更小但分类能力更强的一组特征，用该组特征进行预处理及识别，能使TSR系统的识别率有大幅提升。2.交通标志粗分类　　将从捕获模块获得的交通标志图像进行粗分类，首先对交通标志图像进行像素映射，即将原图中RGB通道满足阈值的像素点映射到一张空白图中[2]。阈值如式(1)(2)(3)：　　　　　　　　达到相应阈值的像素点将在空白图中映射为白色像素点，未达到的则映射为黑色，并由式（4）计算映射图中白色像素点数量，然后由式（5）计算白色

3、像素点占全图的比例。　　　　　　　　　　　　　RATE(white)　　经计算分析，针对三种映射图，粗分类标准为：　　　　　　　粗分类通过易于分类的颜色特征将图像先进行一次分类，有效的减少了神经X络的压力。3.神经X络识别　　在分类识别算法中，神经X络与其他方法相比，具有较强的容错性，有很强的自学习、自组织能力，识别速度快[3]。本文选用BP神经X络，并将输入的捕获图片归一化至128x128像素。　　将归一化后的图像二值化，并以中点为界将图像分成上下两部分，分别做投影并统计直方图。由式(6)(7)计算得到上半图的直方图数据Array_Up(数据量128)，与下半图直方图统计

4、数据Array_Down(数据量128)。　　　　　　　进行完上面步骤后，再把原图以中点为界，分为左右两部分，分别对左右两部分进行直方图投影。由式(8)(9)得到左半图的直方图统计数据Array_Left(数据量128)，与右半图直方图统计数据Array_Right(数据量128)。　　　　　　　　　　　　　　　　Array_Up、Array_Down、Array_Left、Array_Right4组共512个数据就是本文提取的特征数据。交通标志上下两部分和左右两部分的内容区别较大，分块投影统计的方法能够准确的描述标志图像特征，同时大大减少了运算量。5.实验结果　　选择包括

5、禁止、警告、指示标志共300个。使用本组特征，三类标志在神经X络中的识别率分别较[4]中的传统算法提高了23%，27%，13%，表明算法提升了TSR系统的识别正确率。