·528· 智能系统学报 第6卷 RegionNum,c∈{red,blue,yellow.并用提取形状特 征数据库中特征相同的方法提取ComRegion.c的形 状标记图，记特征为（). 人人 π/2π3π/22m π/2π3π/22π π/2π3π22r 0/rad 0/rad 0/rad (a)圆形标记图 b)正方形标记图 (c三角形标i记图 (a圆形交通标志 )正等边三角形交通标志 图3形状的标记图 Fig.3 Signature of sharp 19 为了获得形状的标记图特征，首先提取形状的 17 顺时针边界，记为(，y:),i=1,2,…,Num.求取其 ISWVWW 重心： 13 50 091) 250 350 (c)圆形标已图 19 1 然后把边界序列(x,少：)转换到以重心为原点 的坐标系中，得到新边界序列： 13 ∫=名：-Xai西， 50 150 250 350 Lyger =yi-Yei 0/() 将边界序列点到重心原点的半径作为其与正向 d正等边三角形标记图 水平轴夹角的函数，进而获得一个半径随角度变化 图42个交通标志形状的标记图 的序列r:(9),0e[0,2r].对其进行归一化处理： Fig.4 Signature of two traffic signs shapes r(0)=r:(0)/max(r:(0)）,i=1,2,…,Num, 由图1的分层递阶结构可知，红色通道中的感 将归一化后的：(0)作为形状特征.形状之间的相 兴趣区域形状特征7.（θ）只需与r(0)(s∈{圆形， 似性用Euclidean距离度量： 倒等边三角形，八角形})进行比较；黄色通道中的 ED(,2)=I-2=√∑(：-x)只 感兴趣区域形状特征(0)只需与r.（0),s∈{正 等边三角形，矩形}进行比较；而蓝色通道中的感兴 (1) 趣区域形状特征r(0)只需与r(9),s∈{圆形，矩 式(1)即可以度量向量”、2之间的差异程度.向量 形}进行比较.进而通过式(2)求取感兴趣区域形状 间的相似性随Euclidean距离的增大而降低. 特征.（θ）与对应样本库特征r.(0)之间的最小 为了获得形状的特征库，把形状模板库中的二 Euclidean距离： 值图像用双线性插值算法归一化为30×30的图像 EDin min(ED(r;(0),ri(0)))= 然后用上述形状标记图特征提取算法提取其特征. min(Ir(0)-r.(0)‖z）. (2) 考虑到形状的边界点数量不同，各模板的特征数也 完成上述操作后，对形状类别进行判断： 不一致.因此需用插值算法把每个模板的特征序列 「s,EDia≤DisTheshold; 长度变为360，可进而得到不同形状类的特征集合 shape 10,EDn>DisTheshod. ra(0),i=1,2,…,SampleNum,其中SampleNum,是 式中：s是ED值对应的标志形状类别.若ED大于 形状类中模板个数，S∈{圆形、倒等边三角形、八角 距离阈值DisTheshold,则判断此区域为非交通标志区 形、矩形、正等边三角形}，用于不同颜色通道中的 域，可以过滤掉该区域；反之认为其形状属于s类， 感兴趣区域形状的分类. 对不同颜色通道中感兴趣区域重构后的二值图 2 交通标志识别 像，查找其连通区域，记为ConnRegion,.ej=1,2,…, 由图1的分层递阶结构，建立红色圆形、红色倒等