基于边缘颜色对和特征筛选器的交通标志检测方法
【技术领域】
[0001] 本发明涉及一种计算机图像处理技术，特别涉及一种基于边缘颜色对和特征筛选 器的交通标志检测方法。
【背景技术】
[0002] 交通标志是用图形符号和文字传递特定信息，用以管理交通、指示行车方向以保 证道路畅通与安全的设施。对交通标志进行识别具有重要的现实意义：一方面有利于安全 驾驶，降低交通事故的发生率；另一方面有利于促进智能车辆的发展。
[0003] 交通标志识别主要包括交通标志检测和交通标志分类两个模块，其中交通标志检 测是交通标志识别系统中关键模块，能否准确检测出交通标志将直接影响着交通标志识别 系统的成败。
[0004] 目前用于交通标志检测的方法主要有：颜色不变量和塔式梯度方向直方图检测 法；基于径向对称性检测法；颜色滤波法；基于视觉对抗色的检测法；HIS空间色调与饱和 度结合的阈值分割法等。这些方法存在两个共同的缺点就是：当存在与交通标志具有相似 的形状和相似的底色的干扰物时会发生误检；当交通标志存在褪色问题时无法将其检测 出。
【发明内容】
[0005] 本发明是针对现在交通标志检测方法存在的问题，提出了一种基于边缘颜色对和 特征筛选器的交通标志检测方法，有效解决相似物干扰和交通标志褪色的问题。
[0006] 本发明的技术方案为：一种基于边缘颜色对和特征筛选器的交通标志检测方法， 具体包括如下步骤：
[0007] 1)对采集到的图像进行预处理，消除噪声干扰，增加图像颜色对比度；
[0008] 2)对预处理后的图像采用基于方向区域距离测度的彩色边缘检测方法进行边缘 检测，提取出边缘信息；
[0009] 3)对边缘点进行边缘颜色对检测，符合交通标志颜色搭配的边缘点保留下来，不 符合的去掉；
[0010] 4)然后对剩下的边缘点进行形态学闭操作，形成联通区域，定义为交通标志疑似 区域R0I，实现了交通标志粗定位；
[0011] 5)最后设计二级特征筛选器，对粗定位的ROI区域进行特征筛选，第一级为面积 特征筛选，统计每一个ROI区域的像素点数，像素点的个数记作ROI的面积，设置面积最大 阈值和最小阈值，如果ROI的面积在这两个阈值范围内，则保留该ROI区域，如果不在这个 阈值范围内，则排除这个ROI区域；第二级为对称特征筛选器，首先，利用canny算子对ROI 区域进行边缘检测，提取出ROI区域的边缘信息；然后求取出边缘点的梯度大小和方向，并 在边缘点的梯度方向乘以一权值K，这样就可以对潜在的对称中心进行加权；设置一阈值 M，如果某个ROI区域中存在一点的权值大于M，则该点就是对称点，该ROI区域就是对称区 域，可判定为交通标志区域，否则的话就将该ROI区域排除；
[0012] 6)对经过筛选后剩下来的交通标志区域进行水平和垂直投影，便可以将原图像中 的交通标志分割出来，为最终检测出的交通标志。
[0013] 所述步骤2)彩色边缘检测方法进行边缘检测，提取出边缘信息，具体步骤如下：
[0014]A:对图像中的每一个像素点进行如下处理：图像中的第（i，j)个像素点用 C(i，j)表示，则C(i，j) = (R(i，j)，G(i，j)，B(i，j))，其中R(i，j)、G(i，j)、B(i，j)是像 素C(i，j)在RGB颜色空间中红、绿和蓝颜色分量，以C(i，j)为中心作一个（2s+l) (2s+l) 的窗口，其中s为大于等于1的常数，在窗口内过C(i，j)作与垂直方向成0 (0彡0 ￡ 的线段L，将窗口分成％和《2两部分，统计~和《2两部所包含的像素个数N，根据
Ds作为C(i，j)是否是边缘点的度量，设置一阈值T，如果Ds>T时该像素被认为是一个边 缘点，对图像中的所有像素进行如上的计算，最终得到彩色边缘图像，其中阈值T根据公式 T=y+3〇计算，其中y是^的均值，〇是03的标准方差。
[0015] 所述步骤3)边缘颜色对检测方法如下：取边缘一点，在该点切线的垂直方向作一 个IX(2m+l)的线形窗口，其中m为大于等于1的整数，先在线形窗口内边缘点的一侧搜寻 具有交通标志底色或符号颜色的像素，若找不到说明它不是交通标志边缘点，在边缘图像 中去掉它，若找得到，则在另一侧搜寻具有和此颜色配对的另一颜色的像素，另一侧若也找 不到，说明它也不是交通标志边缘点，同样在边缘图像中去掉此边缘点，若找得到，说明它 可能是交通标志的边缘点，在边缘图像中保留它，利用支持向量机SVM来判断颜色。
[0016] 本发明的有益效果在于：本发明基于边缘颜色对和特征筛选器的交通标志检测方 法，提出了采用边缘颜色对对交通标志进行粗定位，如果采集到的图像中含有与交通标志 具有相似的形状和底色的干扰物时，将交通标志检测出，可以有效的检测出褪色的交通标 志；本发明中设计了一个二级特征筛选器，充分利用交通标志的面积特征和对称特征，可以 提尚检测的正确率。
【附图说明】
[0017] 图1为本发明基于边缘颜色对和特征筛选器的交通标志检测方法流程图；
[0018] 图2为本发明中交通标志粗定位流程图；
[0019] 图3为本发明中交通标志精定位流程图；
[0020] 图4为本发明实施例交通标志检测原图；
[0021] 图5为本发明实施例彩色边缘检测后的边缘图；
[0022] 图6为本发明实施例边缘颜色对检测后的边缘图；
[0023] 图7为本发明实施例形态学闭运算后得到的ROI区域图；
[0024] 图8为本发明实施例特征筛选后的交通标志区域图；
[0025] 图9为本发明实施例检测出的交通标志图。
【具体实施方式】
[0026] 如图1所示本发明流程图，首先对采集到的图像进行预处理，目的是为了消除噪 声干扰，增加图像颜色对比度；其次对预处理后的图像采用基于方向区域距离测度的彩色 边缘检测方法进行边缘检测，提取出边缘信息；然后对边缘点进行边缘颜色对检测，符合交 通标志颜色搭配的边缘点保留下来，不符合的去掉；然后对剩下的边缘点进行形态学闭操 作，形成联通区域，这些区域我们称为交通标志疑似区域（R0I)，这样就实现了交通标志粗 定位；最后设计一个特征筛选器，对粗定位的ROI区域进行特征筛选，符合交通标志特征的 ROI区域保留下来，不符合的去掉，这样剩下的ROI的区域就是最终检测出的交通标志。
[0027] 具体步骤如下：
[0028] 首先如图2所示交通标志粗定位流程图，
[0029] Stepl:对采集到的图像进行预处理，包括中值滤波、直方图均衡化等操作，如图4 所示实施例交通标志检测原图；
[0030] Step2:将预处理后的图像进行彩色边缘检测，提取出彩色边缘信息。对图 像中的每一个像素点进行如下处理：图像中的第（i，j)个像素点用C(i，j)表示，则c(i，j) = (R(i，j)，G(i，j)，B(i，j))，其中R(i，j)、G(i，j)、B(i，j)是像素C(i，j)在 RGB颜色空间中红、绿和蓝颜色分量，以C(i，j)为中心作一个（2s+l) (2s+l)的窗口， 其中s为大于等于1的常数，在窗口内过C(i，j)作与垂直方向成P(0 <P 的 线段L，将窗口分成^和W2两部分，统计wJPw2两部所包含的像素个数N，根据公式