摘 要

本文借助了MATLAB软件来设计一种算法实现了对于获取图片中交通标志的定位和识别功能，因此文本的研究都是基于图像识别的算法研究，图像识别的研究内容非常丰富，有医学研究像癌细胞图像识别；工业中的零件识别；还能把卫星图片中的森林，城市，河流，军事基地识别出来；也可以把小车的路径识别；或者自动分拣快递自动分发；火车站刷脸进站等。都是图像识别的研究方向,所以本文对于以后智能交通的发展有重要指导意义。

论文主要研究了一种能够自动识别路标的计算机算法。

研究结果表明对于交通标志图像的识别，整个处理过程中包括了预处理，边缘检测、区域定位和分割、模板识别等四个模块，主要是用MATLAB软件中的语言加基本算法来实现每一个部分，最后识别出交通标志的种类，并在实验中对于研究出现的问题作出了相应的思考。

本文特色：所得算法对圆形的交通标志图片有非常准确的识别效果。

关键词: 灰度图像；颜色空间；边缘提取；模板识别

Abstract

In this paper, MATLAB software is used to design an algorithm to realize the location and recognition of traffic signs in the picture. Therefore, the research of the text is based on the algorithm research of image recognition. The research content of image recognition is very rich, medical research like cancer cell image recognition; part recognition in industry，The forest, the city, the river, the military base in the satellite picture can be identified; it can also identify the path of the car, or automatically distribute it automatically; now the train station is brushing the face and so on. Both are the research directions of image recognition, so this paper has important guiding significance for the future development of intelligent transportation.

This paper mainly studies a computer algorithm that can automatically identify road signs.

The research results show that four modules, such as preprocessing, edge detection, region location and segmentation, and template recognition, are included in the whole process of recognition of traffic signs. The main part is to use the basic algorithms in MATLAB software to realize each part, and finally identify the types of traffic signs and in the experiment. Corresponding thinking is made on the problems arising from the study.

This article features: the algorithm obtains a very accurate recognition effect for circular traffic signs.

Keywords: Grayscale image; Color space; Edge extraction; Template recognition

目 录

第1章 绪论 1

1.1交通标志识别背景 1

1.2 国内外研究现状 1

1.3 路标识别算法研究内容和意义 2

1.4 本文章节结构 4

第2章 图像处理与识别原理 6

2.1 图像处理与识别 6

2.2 图像处理的理解 7

2.3基于颜色特征实现路标的分割 7

2.3.2 RGB空间模型 8

2.3.3 HSV颜色模型 8

2.4基于形状特征实现路标提取与分类 9

2.4.1图像二值化 9

2.4.2中值滤波 10

2.4.3数学形态学变换 10

2.4.4区域分割 11

2.5 基于形状特征的路标初分类 11

2.5.1 路标形状分析 11

2.5.2 圆形度 12

第3章 基于PCA特征算法的路标分类 13

3.1 PCA降维算法 13

3.1.1 PCA降维介绍 13

3.1.2 协方差与协方差矩阵 13

3.1.3 PCA降维步骤 14

3.2 KNN分类器 14

3.3 欧式距离 14

第4章 路标识别设计的实现 16

4.1 MATLAB工具介绍 16

4.2 交通标志算法流程 17

4.3 各模块功能分析与实现 17

4.3.1 预处理模块 17

4.3.2 图像训练库建立 18

4.3.3 图像定位和分割 19

4.3.4 特征匹配模块 22

第5章 结论 24

参考文献 25

致 谢 26

第1章 绪论

1.1交通标志识别背景

随着科技的进步和社会不断的扩展，智能化城市已经成为人们越来越关注的时尚热点。其中关于车辆自动驾驶系统也成为了交通智能化中关键的一环，自动驾驶系统中汽车的行驶判断全部交由机器来判断，因此其中最重要的部分就是机器要能自动识别相应的道路标志，来做出对应的行驶改变。作为新兴研究中的智能交通系统，有一个完善又令人放心的自动驾驶操作系统的重要性当然是不言而喻。一个全面的交通标志识别系统包括很多重要部分最主要的是,信息的获取,信息的处理，信息的使用三个部分，交通标志的正确识别不仅是自动行驶的关键也是车辆行驶辅助系统中的重要角色，在路况中。系统能够提前识别交通标志的信息，可以减少驾驶者的操作失误概率避免发生危险，还可以缓解现在道路拥堵和路况重复的情况。因此本文所写对路标识别系统算法的开发与研究是以后解决各种交通问题都有跨时代的现实意义。

1.2 国内外研究现状

目前关于交通标志识别系统的研究我国并没有太多的进展，因为这个研究的难度较大以至于到目前都没有一套完整的系统被应用到汽车中，但关于交通标志识别对于智能交通城市发展的意义已经被大家所承认，有许多所大学例如清华大学和西安交大的大学已经开展这种类似的研究并且并有一定的成果。其中清华大学的THMR智能车经过实验已经可以在一定环境中实现车道线跟踪，准确结构环境跟踪，道路障碍避开、停止，或者遥控驾驶等功能^[1]。根据2003年的报道，其车线自动驾驶情况中的最大车速已经达到150KM/h,还有蒋刚毅和郑义等教授研究的关于数学形态下相关知识处理图像进行匹配分类的算法，该种算法有效的识别了交通标志，在位移不改变和识别的稳定上都有大的突破，并且能同时对多个标志进行识别，但这种研究也有它的缺点就是没有验证它的普遍性，只是针对了几种较为常见的标志类型，因此具有较大的局限性，所以还没有完善的系统推广到市场中来。

相反的路标识别系统目前已经成为国外热门研究之一，在这方面技术研究力度大的国家有美国和日本两大发达国家。早于1984年，日本就已经发表了一篇关于交通标志识别系统的相关报道，但当时因为限于计算机能力不足，只是尝试了用几种不同户外目标识别检测来作为研究目的，并没有什么实际意义，但对后来的研究产生了很大的积极影响，不久之后世界各发达国家就相继出现了几个关于这方面的研究团队产生，在针对各种道路标志中，他们采用了各种方法检测标志，包括边缘检测，颜色分割，模块识别等。

布拉杰克大学的交通技术部也对多种道路交通标志的进行了测试，并且基于不同形状作出了相应分类，该算法主要利用了路标形状中的几何特征进行分析和识别，对其的颜色特征没有任何要求，能够成功识别颜色受损的交通标志图片，并且该大学交通技术部还成功用C语言实现了该算法，成为首个成功移植到嵌入式的识别完整系统。

机器视觉这个崭新的概念第一次被提出是在二十世纪六十年代美国科学家罗伯兹的一个多面体研究试验中，在当时这种技术的运用方法已经被大致分为了，对于图片信息进行预处理，边缘检测，轮廓线的组成，相互建摸，特征匹配等流程，这些技术也被尊定为以后机器视觉的发展基础。

机器视觉的发展热潮是在八十年代的时候，那时机器视觉各种新概念，新方法，新技术层出不穷。例如，基于感知的特征物理群识别，主动视觉识别框架，视觉集成理论识别框架等全新概念。还有许多社团和机器视觉协会都经常发表论文集展示这个领域的最新研究。

机器视觉的主要应用在于那种重复性流水线工作，比如像常见的衣服制作。在衣服制作的流程中常常需要人工来检测其中布料的选择和匹配。这道工序给企业带来了非常大的人工成本和时间成本的代价，在此同时依然不能非常精确的完成合格检验，这种重复检验效率低，而且容错率也低。

在这种背景下流水线要完成自动化操作，使布料的匹配能购，正确，高效，准确。使用具有极其视觉自动识别的工业设备来替换工人，可以大大提高整个流水线的生产效率并且能降低人工成本。

在智能车辆系统中机器视觉也是非常重要的组成部分，机器视觉的最终发展是想实现像人类的眼睛一样识别并感知物体图像的功能^[2]。为了实现这种驾驶系统辅助功能，机器视觉必须能够应用如报警系统，微控系统等都必须使用基于3D时空模板的方法，虽然目前来说机器视觉和人类眼睛的识别水平还非常的远，但随着以后计算机计算能力和各种微型控制能力的提升，机器视觉必然能够匹配人眼的功能出现真正的智能车辆系统应用。

1.3 路标识别算法研究内容和意义

交通标志的识别就是指让计算机自动识别生活中常见的那些交通标志图片，即对于交通标志的处理和识别，一般这些图片格式都是RGB。所以研究的主要任务是把这些RGB图像进行识别。这样的过程要经过许多的图像处理技术和算法，例如图像去噪、信号增强、边缘检测等步骤，才能让提取图像中的关于角点、线、圆、曲等基本的场景类特征。一般来说要实现这一过程，还要进行各种图像变换，图片的纹理检测等。 在这些图形变换后，要把自己的目标的区域与之前训练的训练库中的模板相互匹配，选出关系最接近的图片，那么就可以认定目标图像就是所有的模板之一。

交通标志识别是包括了图像处理的相关步骤如预处理，图像的分割，图像的匹配识别等过程如下图1.1交通标志识别流程图所示：

图1.1交通标志识别流程图

每一种交通标志都有特定的颜色、几何形状、图案等特征，因此基于颜色或者形状的特征识别方法是最常用也是最便捷的方法，主要为以下三种：基于颜色信息的检测方法，基于形状特征的检测方法、基于形状和颜色两种特征的检测方法。

1. 基于颜色信息的方法

颜色是图片重要的特征之一，而且在交通标志这种图片中标志的颜色不会随着图片分辨率变化或者旋转、扩展等改变，所以具有一定的实用性和稳定性，使用颜色的这特质可以去除图片大部分干扰噪音，并且分割出想要的目标区域。目前最管用的颜色分离方法是把RGB转换到HSV颜色空间，通过阈值分割来实现目标区域的初步分离。许多研究所都在颜色分离上做了大量研究，杨立敬，刘鑫等提出了一种基于颜色转换的分量补偿方法^[3]，该方法需要选择RGB颜色分量来分割交通标志，再用阈值化的颜色分量对应新的彩色图像，用来提取颜色标志图区域，还有一种就是在RGB模型下的三种分量色差法的动态阈值分隔方法^[4]，该方法就是根据某种特征算子根据RGB三种颜色转换为色差灰度图像，然后用选取阈值法分割区域。

1. 基于形状特征的方法

我国标准的交通标志形状都是简单易明的，这主要是方面人们能在高速行驶中人眼可以快速对图片进行识别，所以利用形状特征来进行检测是非常有效的方法，目前所获取的图片多是由车载摄像机来拍摄，随着不同拍摄角发生各种衍射的变化，图片会发生变形、衍射等改变。这些都为检测带来了很大的困难，所以目前采用的形状检测方法都是在图片较为还原的前提下完成的。一般来说有三种不同方法基于边缘检测方法，基于拐点检测方法，基于模板匹配检测方法。张颖，青光洁利用仿射的形状对目标区域进行检测，然后通过形态学来取出较小的目标区域，填补其中区域和空洞，用连成一片的目标区域来检测交通标志，该方法有非常好的实现效果。

1. 两种方法融合

虽然应用上诉俩种特征得任意一种，都能得到非常好的检测效果，但会存在一定的缺陷，比如光源，颜色失真，图像变形等各种影响都回一定程度影响测量结果，为了更好的实现交通标志的检测，把两种方法优缺点合二为一不失为好方法。

中国研究人员提出了一种新的颜色几何模型^[5]，它由几种颜色和形状构成，这种颜色模型在识别能够实现交通标志的粗分离，但同样在图片失真中有缺陷不能识别等问题，颜色和形状两种特征利用了交通标志所有的固性，取得了很好的检测效果，本文也是见鉴了两种方法的优点部分，除此之外，有许多仿生统计学的算法也开始应用在识别目标检测中。