专利名称：一种基于脉冲耦合神经网络的交通标志识别方法
技术领域：
本发明涉及一种基于脉冲耦合神经网络的交通标志识别方法，属于智能交通领域，是一种能够辅助驾驶的手段。
背景技术：
(I)脉冲耦合神经网络特征提取技术:人工神经网络是近几十年新兴的一门学科。它涉及到神经生理学、电子学、计算机科学、数学等多门学科，已经被广泛的应用于人工智能、信息处理、模式识别、自动控制等诸多领域。脉冲稱合神经网络(Pulse-Coupled Neural Network,简称PCNN)是基于对猫的视觉皮层神经元脉冲串同步振荡现象的研究发展而来的神经网络模型，被称为第三代人工神经网络，与传统的人工神经网络模型相比较，因其具有动态神经元、时空总和特性、波的自动传播、同步脉冲发放等特性而备受关注。在PCNN中，具有相似输入的神经元同时发放脉冲，能够弥补输入数据的空间不连贯和幅度上的微小变化，从而较完整的保留图像的区域信息，目前它已被成功的用于图像平滑、图像分割、目标识别、特征提取等方面。这就使得PCNN具有较高的研究价值和更为广阔的应用前景。近年来，PCNN的工作原理和其在图像处理、雷达声纳、电子行业、医药卫生、语音信号处理等领域的应用在国内外受到广泛重视。PCNN模型是由若干个PCNN神经元相互连接所构成的反馈型网络，图像的每一个像素点可以看作是一个神经元，每一个神经元由三个部分组成:输入部分、内部调制器和脉冲产生器。 神经元的每一次触发称之为点火，PCNN模型通过多次迭代点火，生成图像的点火时间特征。每一次迭代点火过程中，点火的像素点会激发周围相邻的像素点进行点火，从而产生脉冲波向外传播。通过捕捉图像每一次迭代时点火像素点的信息，可以生成图像的点火时间序列，利用每幅图像独有的点火时间序列特征进行图像识别是PCNN广泛的应用方法。(2) RGB到HSI色彩空间转换技术:原始的彩色交通标志图像是基于RGB颜色空间的，在图像处理过程中，为了减少对R、G、B分量处理产生的颜色色差、失真等问题，本方法提出在预处理过程中，把RGB图像转换到HSI色彩空间进行处理，使得在保持色彩无失真的情况下完成图像处理过程。HSI模型是美国色彩学家孟塞尔(H.A.Munseu)于1915年提出的，它反映了人的视觉系统感知彩色的方式，以色调H、饱和度S和强度I三种基本特征量来感知颜色。HSI模型的建立基于两个重要的事实:①I分量与图像的彩色信息无关和S分量与人感受颜色的方式是紧密相联的。这些特点使得HSI模型非常适合彩色特性检测与分析。(3)智能交通技术:智能交通系统(ITS)通过应用计算机和信息技术，将人、车、路等交通因素加以统一考虑，形成整体的交通管理与服务。智能化交通系统被视为是解决交通事故数量增加、道路交通拥挤及环境等社会问题的有效途径，有望对21世纪的公路交通事业产生积极影响。
发明内容
本发明的目的就是克服现有技术的不足，提供一种硬件实现简单，识别率高的基于PCNN的交通标志识别方法。传统的PCNN图像识别方法主要针对灰度图像进行单通道特征提取，忽略掉了图像的颜色信息，而交通标志中的颜色信息十分重要，本发明提出的基于HSI色彩空间的多通道脉冲耦合神经网络交通标志识别方法，能很好的解决图像处理过程中颜色信息丢失的问题，大大的提高了交通标志的识别率。本发明采用的技术方案是:一种基于脉冲耦合神经网络的交通标志识别方法，其特征在于，包括以下步骤:步骤1:获取交通标志原始彩色图像；步骤2:将所述的交通标志原始彩色图像从RGB色彩空间转换到HSI色彩空间；步骤3:分别提取所述的交通标志原始彩色图像的色调H、饱和度S、亮度I三通道数据；步骤4:运用脉冲耦合神经网络技术对所述的色调H、饱和度S、亮度I三通道数据进行迭代点火处理，生成三通道脉冲点火比序列；步骤5:将所述的色调H、饱和度S、亮度I三通道上的三通道脉冲点火比序列组合在一起，形成所述的交通标志原始彩色图像的整体脉冲点火比特征序列；步骤6:将所述的整体脉冲点火比序列与模板库中的特征序列进行相关度匹配，识别出正确的道路交通标志。作为优选，所述的RGB色彩空间转换到HSI色彩空间，转换公式如下:
权利要求
1.一种基于脉冲耦合神经网络的交通标志识别方法，其特征在于，包括以下步骤: 步骤1:获取交通标志原始彩色图像； 步骤2:将所述的交通标志原始彩色图像从RGB色彩空间转换到HSI色彩空间； 步骤3:分别提取所述的交通标志原始彩色图像的色调H、饱和度S、亮度I三通道数据； 步骤4:运用脉冲耦合神经网络技术对所述的色调H、饱和度S、亮度I三通道数据进行迭代点火处理，生成三通道脉冲点火比序列； 步骤5:将所述的色调H、饱和度S、亮度I三通道上的三通道脉冲点火比序列组合在一起， 形成所述的交通标志原始彩色图像的整体脉冲点火比特征序列； 步骤6:将所述的整体脉冲点火比序列与模板库中的特征序列进行相关度匹配，识别出正确的道路交通标志。
2.根据权利要求1所述的基于脉冲耦 合神经网络的交通标志识别方法，其特征在于:所述的RGB色彩空间转换到HSI色彩空间，转换公式如下:
3.根据权利要求1所述的基于脉冲耦合神经网络的交通标志识别方法，其特征在于:所述的脉冲耦合神经网络模型是由若干个脉冲耦合神经网络神经元相互连接所构成的反馈型网络，每一个神经元由输入部分、内部调制器和脉冲产生器组成。
4.根据权利要求3所述的基于脉冲耦合神经网络的交通标志识别方法，其特征在于:所述的神经元每一次迭代点火过程中，点火的像素点会激发周围相邻的像素点进行点火，从而产生脉冲波向外传播，通过捕捉所述的交通标志原始彩色图像每一次迭代时点火像素点的信息，即可生成所述的三通道脉冲点火比序列。
全文摘要
本发明公开一种基于脉冲耦合神经网络的交通标志识别方法，该方法可应用于智能交通领域，是一种辅助驾驶的手段。本方法充分利用交通标志的颜色信息，在对交通标志图像进行处理之前，先把图像从转换到HSI色彩空间，在保留交通标志颜色信息的基础上，运用脉冲耦合神经网络技术提取交通标志图像多通道信息，生成多通道特征序列，然后把多通道特征序列组合在一起形成交通标志的整体特征序列，用该序列在交通标志序列模板库中进行匹配，整体相关性高的模板即被认为是正确的识别结果。本发明对比传统的脉冲耦合神经网络技术基于灰度图像的处理方法，保留了在交通标志中十分重要的颜色信息，大大的提高了识别率。
文档编号G06K9/00GK103235937SQ201310151479
公开日2013年8月7日 申请日期2013年4月27日 优先权日2013年4月27日
发明者黎曦, 郑宏, 刘操 申请人:武汉大学