.214 智能系统学报 第6卷 别，但是输入量较大，网络学习时间较长.拐角检测算 区域，这里取195<H<245,S>0.25,V>0.2可以 法s6是Escalera在1997年提出来的，该方法通过构 提取出蓝色标识区域。 造不同形状的掩膜进行卷积运算来提取拐角，算法效 上述方法中前面3种都是基于RGB颜色空间 果很好，但是对矩形需要进行4次卷积运算，时间较 的分割方法，优点是分割算法简单、速度很快，缺点 长.圆形度方法门通过公式计算圆形度的值来判断圆 是颜色极易受光照变化影响，对光照变化很敏感，因 形形状，该方法原理简单，计算量小，能直观地反映图 此适应性较差.第4种是基于HSV空间的方法，由 形趋向圆的程度， 于将亮度分量从颜色中分离出来，使得颜色对亮度 本文采用了圆形度的计算公式和拐角检测算法 的依赖性减少，该方法对光照变化具有一定的鲁棒 的思想，提出了快速有效的基于彩色图像的指示类 性，缺点是从RGB空间转换到HSV空间是非线性 交通标识检测方法，并提出了圆形标识边缘分割不 变换，这个过程比较耗费系统时间，影响系统实时 完整时的改进算法.算法首先对采集到的彩色图像 性.但是如果预先建立一个从RGB到HSV的快速 进行颜色分割，这里采用了RGB到HSV空间的快 颜色查找方法，即可直接得到H、S、V3个分量值，既 速转换分割方法，根据色调和饱和度分量来提取蓝 可以像在HSV空间进行颜色处理一样方便，又避免 色区域并二值化.接着采用圆形度计算公式检测圆 了颜色空间非线性变换带来的复杂度.下面公式是 形，利用拐角检测与几何信息结合的方法来检测矩 一种建立快速HSV颜色查找的简单方法 形，最后提出了改进算法，即距离直方图的方法来检 fmat =max(R,G,B), 测边缘分割不完整的圆形标识， fuin min(R,C,B), ifR=fx,H=（G-B)/fna-fa）, 1指示交通标识的检测 if G=fmm,H=2+(B-R)/(famt -fai) 1.1颜色分割 if B fs,H=4+(R-G)/(fam -fain), 常用的颜色分割方法有RGB空间的颜色分割、 H=H×60. 归一化的RGB分割、简单向量滤波器(simple vector fH<0,H=H+360, filter,SVP)颜色分割和HSV空间的颜色分割方法 V=fmat, 相机得到的图像一般都是以RGB模型表示，即任何 S=（fna-fnin）/fnax 一种颜色都由R、G、B3个分量合成，R、G、B的范围 建立了RGB到HSV空间的快速查找方法后， 都是[0,255]，例如白色表示为R=255,G=255, 本文采用HSV颜色分割方法进行指示类交通标识 B=255.将R、G、B分量进行归一化处理，即r=R/ 分割，上面已经给出了HSV分割的厨值， (R+G+B),g=G/(R+G+B),b=B/(R+G+B), 1.2预处理 文献[89]分别给出了分割标识牌中蓝色区域的阈 颜色分割之后的图像比较粗糙，一些预处理步 值.下面将重点讲述SVF和HSV方法， 骤，比如小面积区域去除、噪声点去除、形态学处理等 SVF是日本学者Asakura等[o]在2000年提出 必不可少.对颜色分割后的图像进行上述预处理，采 来的，利用式(1)将图像中的单色(achromatic color) 用面积排除的方法将不满足条件的小面积和特大面 积区域排除掉.然后利用中值滤波对图像进行去噪处 去除，例如轮廓阴影等都是单色，在去除单色后的图 理，如果在某个模板中，对像素进行由小到大的重排 像中再进行特定颜色的提取 f=1R-G11G,B11B-RL,D=20. 列，那么最亮或者最暗的点一定被排在两侧，用模板 D 中排在中间位置上的像素值代替待处理的中心点的 (1) 像素值，就可以达到消除噪声的目的.有的标识在颜 其中：f<1为单色f≥1为彩色.本文在，≥1的图 色分割后边缘可能会出现少许断裂，因此需要对中值 像上再进行RGB颜色分割，取B-R>85,B>100 滤波后的图像进行形态学膨胀操作，可以将边缘出现 可提取蓝色区域. 的小缺口进行弥合，从而使标识边缘形状完整.但是 HSV是适合人类视觉特性的颜色模型，H表示 边缘出现较大缺口是无法通过膨张操作来弥合的，因 色调，即红、绿、蓝等颜色；S表示饱和度，即颜色的 为膨胀次数太多会使得距离较近的2个物体连接到 深浅，如浅红、深红；V表示亮度.H值在0~360之 一起.图1(a)是原图，(b)是对原图进行中值滤波后 间，每种色调对应一个H值，S和V的值都在0~1 的结果，(c)是对(b)图膨胀后的结果. 之间.通过设定H、S、V的范围可以得到需要的颜色