自然場景下道路交通標志檢測與識別的研究.pdf

1、隨著當今社會城鎮化進程的快速推進以及私家車的比例直線上升，道路交通問題已經成為一個社會問題。在信息時代，利用智能交通系統（Intelligent Transportation System，ITS）來解決交通問題已經成為未來的發展趨勢。交通標志自動識別系統（Traffic Sign Recognition System,TSR）是ITS的重要分支領域，通過實時確定交通標志的類別與內容，可以有效避免惡劣天氣、疲勞駕駛等引起的交通事故；因此

2、，它的研究具有重要的理論意義和廣闊的應用前景。
　　本文主要研究自然場景中道路交通標志的檢測算法與識別算法，具體如下：
　?。?）針對標志圖像中存在運動模糊的問題，研究了模糊圖像復原方法。本文主要將勻速直線運動及近似勻速直線運動造成的動態模糊圖像作為研究對象。首先得到勻速直線運動的點擴散函數，然后根據退化模型恢復出原圖像。接著分析和實驗對比了維納濾波等幾種模糊圖像復原方法，最后討論了如何減少噪聲影響的方法。
　?。?）

3、針對由于光照強度的變化、拍攝時間不同等因素造成的圖像亮度過低和對比度不明顯等問題，本文提出了直方圖均衡化和Gabor濾波結合的標志增強算法和基于“參考白”技術的光照補償算法。
　?。?）針對道路交通標志識別系統中的檢測實時性和檢測精確度問題，提出了一種改進的基于顏色增強法與支持向量機（SVM）融合的交通標志檢測算法。首先使用改進的顏色增強算法初步檢測并切割出候選標志區域；然后使用HOG特征訓練SVM分類器，對候選標志進行精確檢測并

4、判斷其形狀。
　?。?）針對交通標志的識別問題，對現有的分類方法在識別速度和精度上做了比較，采用具有訓練耗時少等優點的概率神經網絡（probabilistic neural network，PNN）。識別過程依然采用HOG特征作為訓練特征；為避免出現維度災難，提高識別速度，采用主成分分析(Principal Component Analysis，PCA)法對訓練樣本進行降維。
　　本文的主要工作是在現有的交通標志檢測算法的基