第6期 谷明琴，等：形状标记图和Gabor小波的交通标志识别 .527 检测.文献[5]利用自组织映射算法，以及文献[6] 期望的图像区域.因此，本文对RGB空间的每个像 用感兴趣区域的边缘到边界距离作为形状识别的特 素v=[v,ve,g]进行如下变换： 征，分别检测交通标志.文献[7]用快速傅里叶变换 rColor d max(0,min(vg -vc)/S,(tR -vg)/S), 的绝对值作为形状识别特征，对旋转、缩放、遮挡、投 Colorune max(0,min(vg -vR)/S,(vg-vc)/S), 影形变和噪声等有较好的鲁棒性，但计算复杂度高； Coloryolow max(0,min(vc -vB)/S,(vc -vB)/S). 文献[8]用扩展的FOSTS(foveal system for traffic 式中：S=vR+Ie+vB为RGB通道颜色值之和.通过 sgs)模型、人类视觉行为模型来提取形状特征.文 该变换，每种交通标志的特征颜色只用一个阈值便 献[9]使用模糊推理方法生成检测窗口来检测交通 可将其与周围环境分开，即： 标志，时间复杂度较高.Qi加等1o]利用边缘到边界 的分割块特征获取候选区域的形状信息，通过颜色 Binary.(x,）=l,Color..(x,）>h: l0,Color.(x,y）≤threshold. 几何模型和基于径向基函数核的支持向量机分别进 式中：ce{red,blue,yellow},(x,y)为像素点坐标， 行粗分类和细分类.Xie等利用方向梯度特征直 阈值threshold。随交通标志的不同颜色而定.分割 方图和支持向量机算法搜索交通标志显著性区域内 后，可得对应交通标志的3种特征颜色（如图2所示 的交通标志目标 的3幅二值图像)，从图2中可以看出，颜色分割后 在交通标志识别方面，A.Ruta等2]利用关键 的二值图像会有较多的噪声点，将影响后续的交通 局部特征和颜色距离变换来进行交通标志识别.J. 标志形状分类和识别.因此采用二值图像的腐蚀及 F.Khan等13]用Gabor滤波提取与亮度和颜色相关 膨胀形态学操作，消除干扰的噪声点，并恢复交通标 的稳定局部特征点与模板库进行匹配.Bahlmann 志区域的大小， 等[4针对几种简单的圆形标志采用Har小波特征 和AdaBoost分类器进行识别.M.Meuter等I3]用粒 子滤波器来跟踪多目标，融合每一帧的分类结果，最 终由推理系统选择给驾驶员提供哪个标志的信息· K.H.Lim等[9]用基于李雅普诺夫稳定性理论的径 向基函数神经网络进行分类， (a)原图像 b)阈值为0.1的红色分割图 本文提出在原始图像上进行颜色分割，获取交 通标志感兴趣区域，以形状标记图作为交通标志的 形状分类特征，对交通标志进行初分类.识别算法则 选择了Gbor小波、二维独立分量分析(2DICA)、 线性支持向量机(SVM)的综合处理技术，实验结果 表明该算法能够稳定、有效地检测和识别智能车辆 (c)國值为0.15的蓝色分剖图d阀值为0.15的黄色分割图 行驶环境中存在的多类交通标志。 图2颜色分割图 1 交通标志检测 Fig.2 Color-based segmentation image 我国的交通标志一般如图1所示 对3种不同特征颜色分割后的二值图像，标记 面积大于Twen的小区域Region.e,i∈{1,2，…，N}, 交通林志 送入感兴趣区域形状分类处理中，判断形状是否符 合交通标志。 色 蓝色 1.2兴趣区域形状分类 为了能对获得的感兴趣区域进行形状分类，首 ò7 先要建立交通标志的形状：圆形、倒等边三角形、八 角形、矩形、正等边三角形的模板数据库. 图1交通标志的分层递阶结构 本文选用标记图作为交通标志形状分类特征. Fig.1 Hierarchical structure of traffic signs 标记图是形状边界的一维表达，以重心到边界的距 1.1交通标志颜色分割 离作为角度的函数来描述形状的特征，不同形状的 图像RGB颜色空间的颜色值随亮度和饱和度 标记图如图3所示 变化较大，很难直接对其应用阈值选择算法分割出