交通標(biāo)志識(shí)別的定性映射模型

王莎莎，馮嘉禮

（上海海事大學(xué) 信息工程學(xué)院，上海 201306）

交通標(biāo)志識(shí)別作為智能交通系統(tǒng)的重要組成部分[1]，20世紀(jì)80年代首先在發(fā)達(dá)國家興起，目前國內(nèi)外有關(guān)交通標(biāo)志識(shí)別的研究很多都涉及到基于神經(jīng)網(wǎng)絡(luò)、模板匹配、顏色匹配等方法。本文針對(duì)交通標(biāo)志的識(shí)別環(huán)節(jié)，首次利用定性映射之差定義的小波[2]，提取圖像輪廓特征向量，建立交通指示標(biāo)志的定性映射模型，利用定性映射與轉(zhuǎn)化程度函數(shù)對(duì)其進(jìn)行模糊識(shí)別。

1 系統(tǒng)處理流程

交通標(biāo)志的識(shí)別流程如圖1所示。本文所要構(gòu)建的交通標(biāo)志識(shí)別的定性映射模型，首先是對(duì)圖像進(jìn)行預(yù)處理，得到形狀特征向量，通過不斷學(xué)習(xí)，建立6種指示標(biāo)志的定性映射模型。識(shí)別過程中，通過定性映射模型和轉(zhuǎn)化程度函數(shù)，找出待識(shí)別標(biāo)志所屬類型或最接近類型。

圖1 交通指示標(biāo)志識(shí)別流程

2 屬性論方法識(shí)別交通標(biāo)志

事物只有通過屬性才能反映其自身，以及和其他事物之間的關(guān)系，所以屬性是人們區(qū)別不同事物的標(biāo)志或基準(zhǔn)。交通指示標(biāo)志有其自身的形狀特征屬性[5]，通過定性映射模型和轉(zhuǎn)化程度函數(shù)就能找到與之對(duì)應(yīng)的類型。

2.1 交通標(biāo)志識(shí)別的定性映射模型[3-4]

在通常的專家系統(tǒng)中，最簡單的性質(zhì)命題判斷操作是邏輯語句為 If x∈[α，β]，then p（u），else?p（u）。 若將定性基準(zhǔn)[α，β]作為一個(gè)調(diào)控自變量x變化范圍的參變量，則性質(zhì)命題判斷可表達(dá)為下述映射形式：

定義1 設(shè) a（u）是對(duì)象 u的某個(gè)屬性，x∈X?R是屬性 a（u）的一個(gè)量值，p（u）∈P0是屬性 a（u）的某個(gè)性質(zhì)，[α，β]∈Γ 是性質(zhì) p（u）的定性基準(zhǔn)，則稱映射 τ：X×?！鷞0，1}×P0，記：

為 p（u）的定性映射。 ∈？又可以稱為屬性 a（u）的量—質(zhì)特征轉(zhuǎn)化算子。式（1）又可表示為：

為了刻畫量特征值 x的變化超過質(zhì) p（u）的定性基準(zhǔn)[α，β]時(shí)，u 的性質(zhì)從 p（u）變?yōu)榱硪环N性質(zhì) q（u）的現(xiàn)象，本文將該變化歸結(jié)為兩個(gè)相應(yīng)定性映射之差，并由此誘導(dǎo)出一個(gè)Haar小波。

定義 2 設(shè) a（u）是事物 u 的一個(gè)屬性，p（x）是以[α，β]為基準(zhǔn)的性質(zhì)，[α，β]=[αi，βi]∪[αj，βj]，且 p（x0）=pi（x）pj（x），其中 pi（x）和 pj（x）分別是以[αi，βi]和[αj，βj]為基準(zhǔn)的 性 質(zhì) 。 可 定 義 x 從 區(qū) 間[αj，βj]進(jìn) 入[αi，βi]后 ，其 性 質(zhì) 從pj（x）變?yōu)?pi（x），導(dǎo)致其真值的變化記為：

由式（3）得：

不難看出，式（4）即為 Haar小波，如圖 2所示，如果令 ψ（y）=2-m/2ψ（2mx），則可得 一個(gè) 幅值縮小而頻率加倍的離散小波。若再令 ψ（z）=ψ（y-k）=2-m/2ψ（2mx-n），則可得一個(gè)帶位移n的離散小波。如圖3所示。

在對(duì)交通指示標(biāo)志提取輪廓時(shí)，首先對(duì)圖像進(jìn)行二值化、網(wǎng)格化[4]預(yù)處理（每幅 90×90的圖像都被劃分為99個(gè)小網(wǎng)格）。白色區(qū)域?qū)?yīng)的定性基準(zhǔn)就是1（對(duì)應(yīng)上述中的基準(zhǔn)[αi，βi]），而黑色區(qū)域?qū)?yīng)的定性基準(zhǔn)是 0（對(duì)應(yīng)上述中的基準(zhǔn)[αj，βj]）。由白色變換到黑色的定性基準(zhǔn)邊界區(qū)域就是黑白兼有的區(qū)域，即做兩個(gè)性質(zhì)的定性基準(zhǔn)之差，這樣可利用定性映射之差定義的小波[8]，實(shí)現(xiàn)對(duì)圖像的輪廓提取。從圖4可以看出該方法的有效性。

本文以6種交通標(biāo)志為例，首先對(duì)6種指示標(biāo)志的學(xué)習(xí)樣本圖像網(wǎng)格化，統(tǒng)計(jì)每幅圖像對(duì)應(yīng)每個(gè)小網(wǎng)格中像素值為 0 的個(gè)數(shù) xij（j=1，2，3…81），通過對(duì)學(xué)習(xí)樣本的不斷學(xué)習(xí)，就可以建立指示標(biāo)志對(duì)應(yīng)的形狀特征向量xi=（xi1，xi2…xi81），向量中各元素 xij的基準(zhǔn)為[αj，βj]。 利用屬性論中定性映射的相關(guān)知識(shí)，建立6種指示標(biāo)志的形狀特征的定性映射模型[6]。

2.2 轉(zhuǎn)化程度函數(shù)[7]

因量不同而導(dǎo)致的質(zhì)轉(zhuǎn)化程度差異，普遍存在于屬性量—質(zhì)轉(zhuǎn)化之中，故需要引入一個(gè)能刻畫這種差異的概念—轉(zhuǎn)化程度函數(shù)。

每幅待識(shí)別的圖像都可以轉(zhuǎn)化為81維的向量xi，識(shí)別時(shí)，將xi與6種標(biāo)志所對(duì)應(yīng)的定性映射模型Vuk依次進(jìn)行比較，規(guī)定若 xij∈[αik，βik]，τp（xij）=1；xij?[αik，βik]，τp（xij）=0；設(shè)mik=τp（xij），可用 ηk（xi）=（n=81，k=1，2，3，4，5，6）作為轉(zhuǎn)化程度函數(shù)，用來衡量被識(shí)別模式與標(biāo)準(zhǔn)模式之間的相似度，通過相似度調(diào)節(jié)，就可以將待識(shí)別類別逐步模糊化，達(dá)到模糊識(shí)別[8]的目的。

3 仿真實(shí)驗(yàn)

本文分別利用上述方法與BP神經(jīng)網(wǎng)絡(luò)對(duì)120個(gè)樣本進(jìn)行學(xué)習(xí)（包含左轉(zhuǎn)彎、右轉(zhuǎn)彎、直行、鳴笛、靠右側(cè)道路行駛，直行和向左轉(zhuǎn)彎6種標(biāo)志各20個(gè)），然后對(duì)150個(gè)待測樣本 （以上6種標(biāo)志各20幅及其他標(biāo)志）進(jìn)行識(shí)別。以被污染的鳴笛標(biāo)志為例，其兩種方法的結(jié)果分別如圖5所示。

表1為利用本文所提出的方法與BP神經(jīng)網(wǎng)絡(luò)對(duì)以上的訓(xùn)練圖片和測試圖片進(jìn)行實(shí)驗(yàn)所得的結(jié)果。通過對(duì)比證明，本文所提出的方法對(duì)交通標(biāo)志的識(shí)別還是較好的。

表1 實(shí)驗(yàn)對(duì)比結(jié)果

本文利用屬性論中定性映射與定性基準(zhǔn)變換的相關(guān)知識(shí)建立交通指示標(biāo)志的定性映射模型，并結(jié)合轉(zhuǎn)化程度函數(shù)對(duì)交通指示標(biāo)志進(jìn)行模糊識(shí)別。并用BP神經(jīng)網(wǎng)絡(luò)的方法做了對(duì)比，實(shí)驗(yàn)證明了這種模型的合理性、有效性。今后可在下述方面進(jìn)行一些研究：（1）由于本文的實(shí)驗(yàn)對(duì)象主要是針對(duì)標(biāo)準(zhǔn)圖或者出現(xiàn)某種局部損傷的圖像，今后可以在實(shí)景圖中進(jìn)行交通標(biāo)志的識(shí)別；（2）對(duì)已實(shí)現(xiàn)的算法做進(jìn)一步的優(yōu)化工作，爭取達(dá)到更好的結(jié)果；（3）本文所提出的交通標(biāo)志識(shí)別還有待于在實(shí)踐中不斷完善和改進(jìn)。

[1]方敏，李福才.流行學(xué)習(xí)在交通標(biāo)志識(shí)別中的應(yīng)用研究[D].西安：西安電子科技大學(xué)，2010.

[2]馮嘉禮.思維與智能科學(xué)中的性質(zhì)論方法[M].北京：原子能出版社，1990.

[3]馮嘉禮.感知和判斷中的基準(zhǔn)變換及其性質(zhì)坐標(biāo)分析法[J].廣西科學(xué)，1994，1（4）：6-13.

[4]李文佩.基于定型映射和轉(zhuǎn)化程度函數(shù)的漢字識(shí)別[D].上海：上海海事大學(xué)，2004.

[5]Feng Jiali.Attribute network computing based on qualitative mapping and its application in pattern recognition[J].Journal of Intelligent and Fuzzy System， 2008（19）：243-258.

[6]Feng Jiali.Qualitative mapping model of pattern recognition，rough sets and knowledge technology[R].LNAI 5009， Spriger：636-643

[7]馮嘉禮.定性映射、基準(zhǔn)變換、轉(zhuǎn)化程度函數(shù)、人工神經(jīng)元和集合模糊化[J].模糊數(shù)學(xué)與系統(tǒng)，2004（18）：53-56.

[8]周巖炎，馮嘉禮，基于定性映射的數(shù)字音頻水印算法[J].廣西示范大學(xué)學(xué)報(bào)，2011，29.