基于MATLAB的道路交通標志識別

孫巍　孫國榮　張瑞龍

摘要：本文介紹用MATLAB強大的計算功能和各種功能齊全的函數(shù)，圖像工具箱來進行道路交通標志的識別。介紹基于LAB顏色模型的顏色特征提取和基于radon變換的形狀特征的提取，并根據(jù)上述兩個特征進行交通標志識別的MATLAB的程序設(shè)計進行介紹。

關(guān)鍵詞：MATLAB；lab；radon；特征融合；道路交通標志

中圖分類號：U491.5+2 文獻標志碼：A 文章編號：1674-9324（2016）12-0055-03

一、引言

當(dāng)今社會交通已經(jīng)非常發(fā)達，而道路交通仍占主導(dǎo)地位。MATLAB利用圖像處理工具箱，并結(jié)合其強大的數(shù)據(jù)處理能力，我們可不必關(guān)心圖像文件的格式、讀寫、顯示等細節(jié)，而把精力集中在算法研究上，大大提高了工作效率。而且，在測試這些算法時既可方便地得到統(tǒng)計數(shù)據(jù)，又可得到直觀圖示。

二、交通標志識別關(guān)鍵技術(shù)研究

1.交通標志的類型。目前，不同國家執(zhí)行的交通標志標準不盡相同，考慮到研究的適用性，對本文而言基于目前國內(nèi)現(xiàn)行的交通標志國家標準——《道路交通標志和標線GB5768-1999》。由該標準可知：交通標志一般安置在固定位置的固定高度之處，它們的形狀、彩色、圖樣都是依照國家標準而設(shè)計。另外，從交通標志的國家標準以及實際交通標準識別實驗中，還可以獲得以下的先驗知識?？紤]到標準中的指路標志包含較多漢字，標志庫數(shù)量較大，本文禁令交通標志作為研究的重點。

2.識別框架。由模式識別的一般理論可知，典型的模式識別系統(tǒng)原理，如圖1所示。數(shù)據(jù)采集和預(yù)處理的目的是為了得到比較滿意的圖像，要解決交通標志圖像的實時采集和圖像的復(fù)原問題；特征提取和選擇要解決待識別對象的固有的、本質(zhì)的及重要的特征的量測以及盡量減少特征矢量的維數(shù)等問題。分類識別要根據(jù)對象的知識以及分類識別的理論和方法，將待識對象進行分類和理解，在交通標志識別中，要解決交通標志的分類和理解問題。

3.預(yù)處理技術(shù)。交通標志圖像的預(yù)處理主要涉及兩個方面：一是對交通標志特征顏色的分割；二是對交通標志圖像質(zhì)量的提高。這兩方面對于交通標志的正確識別具有非常最重要的意義。下面對目前交通標志識別系統(tǒng)所涉及的彩色圖像分割技術(shù)和圖像復(fù)原技術(shù)加以分析。

4.特征提取與選擇技術(shù)。特征提取是模式識別領(lǐng)域的一個比較關(guān)鍵的問題，因為后面的分類器是直接用所選取的特征進行分類的。特征選取的好壞對于一個模式識別系統(tǒng)的識別效果有重要的影響。

三、基于顏色和形狀特征的交通標志識別

1.色度直方圖。①L*a*b*彩色空間與圖像的顏色不變量。為了獲取一個獨立于觀察點的量化的圖像顏色描述符，需要一種顏色特征，在事先考慮到陰影、遮蔽以及高亮度等因素的影響下，它仍能獨立于對象表面的形狀和觀察的角度。人們已經(jīng)發(fā)現(xiàn)，對于Phong和Torrance Sparrow的反射模型，顏色的色度（hue）是一個獨立于觀察點的顏色特征。由于彩色空間L*a*b*具有感知上的均勻性，它與人們對彩色的視覺感知非常接近，并且具有歐氏距離度量（Euclidean metric）。因此，用L*a*b*彩色模型來計算色度。②色度直方圖。給定一幅圖像f，圖像大小為m*n。設(shè)f中坐標（I，j）處像素的顏色為c，即c=f（i，j），C為顏色集，則圖像的顏色直方圖定義為：

由于當(dāng)象素顏色的飽和度很小時，其色度將變得不穩(wěn)定，因此在采用色度直方圖方法時，圖像中那些飽和度小于給定閥值t（如t=15）的象素將被剔除掉，這些象素不參與直方圖的計算。

2.Radon變換。Hough變換廣泛應(yīng)用于模式分析與識別以及自動直線檢測領(lǐng)域，而Radon變換與Hough變換密切相關(guān)，因此可以使用Radon變換來實現(xiàn)一定形式的Hough變換。Radon變換計算圖像在指定方向上的投影。二維函數(shù)f（x，y）的投影是某一方向上的線積分。如f（x，y）在垂直方向上的線積分就是它在x軸上的投影對于一幅圖像，通過在若干個方向上計算其投影就可以得到一個二維數(shù)組（該數(shù)組通常以圖像形式顯示）。

設(shè)f（x，y）為一圖像，則radon變換定義為：

四、基于顏色和形狀特征的MATLAB程序的界面（如圖2）

算法如下：

[filename，pathname]=uigetfile（'*.jpg；*.png；*.bmp'，'打開圖像文件'）；

pp=[pathname，filename]；

pic=imread（pp）；%pic是圖片矩陣

sizetmp=size（pic）；

cform=makecform（'srgb2lab'）；

lab_pic=applycform（pic，cform）；%紅色提取

bw1=im2bw（lab_pic（：，：，2），150/255）-im2bw（lab_pic（：，：，2），200/255）；%黃色提取

bw2=im2bw（lab_pic（：，：，3），200/255）-im2bw（lab_pic（：，：，3），220/255）；%藍色提取

bw3=im2bw（lab_pic（：，：，3），67/255）-im2bw（lab_pic（：，：，3），89/255）；bw=bw1+bw2+bw3；

bw01=imfill（bw）；

S=double（uint16（sizetmp（1）*sizetmp（2）*0.006））；

bw00=bwareaopen（bw01，S，4）；

bw00=uint8（bw00.*1）；

首先將pic由rgb顏色空間轉(zhuǎn)變?yōu)閘ab顏色空間lab_pic，然后根據(jù)紅、黃、藍對應(yīng)的a、b值的范圍提取感興趣的區(qū)域，然后用imfill函數(shù)填充區(qū)域。用bwareaopen函數(shù)去掉面積太小的區(qū)域，即少于圖像像素的0.006倍的區(qū)域。

[B，L]=bwboundaries（bw00，'noholes'）；STATS=regionprops（L，'all'）；

fori=1：length（STATS）w（i）=uint8（abs（STATS（i）.BoundingBox（3）-STATS（i）.BoundingBox（4））<……

（（STATS（i）.BoundingBox（3）*STATS（i）.BoundingBox（4））^0.5）*0.2）；

w（i）=w（i）+2*uint8（（1-STATS（i）.Extent）<0.1）；switch w（i） case 1 %圓形

B1=imcrop（pic_bw，[STATS（i）.BoundingBox（1），STATS（i）.BoundingBox（2），STATS（i）.BoundingBox（3），STATS（i）.BoundingBox（4）]）；

lab_B1=imcrop（lab_pic_bw，[STATS（i）.BoundingBox（1），STATS（i）.BoundingBox（2），STATS（i）.BoundingBox（3），STATS（i）.BoundingBox（4）]）；case 2%長方形

B2=imcrop（pic_bw，[STATS（i）.BoundingBox（1），STATS（i）.BoundingBox（2），STATS（i）.BoundingBox（3），STATS（i）.BoundingBox（4）]）；case 3%正方形

B3=imcrop（pic_bw，[STATS（i）.BoundingBox（1），STATS（i）.BoundingBox（2），STATS（i）.BoundingBox（3），STATS（i）.BoundingBox（4）]）；end end

然后用regionprops函數(shù)對提取的二值圖像進行分析。

STATS.BoundingBox（3），STATS.BoundingBox（4）分別為包圍該形狀的最小矩形的長、寬。

STATS.Extent是同時在區(qū)域和其最小邊界矩形中的像素比例，因此圓形就是STATS.BoundingBox（3）=STATS.BoundingBox（4）且0.6

然后用imcrop函數(shù)對滿足條件的區(qū)域進行分割。

對分割后的圖像進行分析，得到它的顏色直方圖Ht和形狀直方圖R2。

五、結(jié)論

交通標志的識別研究是一個極具潛力的研究領(lǐng)域，作為智能交通系統(tǒng)研究中的一個子系統(tǒng)，它的研究能促進整個智能交通系統(tǒng)的水平，為其他子系統(tǒng)提供更多和更準確的有關(guān)交通的信息。特別是隨著城市化的進展以及汽車的普及，機動車數(shù)量、出行人數(shù)的大量增加，交通管理日益重要，交通標志的識別能為交通管理提供更為有效的技術(shù)手段，從而提高交通管理水平，而且它的研究對推動軍用和民用無人駕駛車的研究具有重要的作用，對提高汽車的智能化水平以及促進我國汽車工業(yè)的信息化改造有巨大的作用。

參考文獻：

[1]吳振遠.科學(xué)計算實驗指導(dǎo)書——基于MATLAB數(shù)值分析[M].武漢：中國地質(zhì)大學(xué)出版社，2010.

[2]史峰，王輝，胡斐，郁磊.MATLAB智能算法30個案例分析[M].北京航空航天大學(xué)出版社，2011.

[3]楊淑瑩，張樺.群體智能與仿生計算：Matlab技術(shù)實現(xiàn)[M].北京：電子工業(yè)出版社，2012.

[4]鄧書斌.ENVI遙感圖像處理方法[M].北京：科學(xué)出版社，2010.

[5]趙小川.MATLAB圖像處理：能力提高與應(yīng)用案例[M].北京航空航天大學(xué)出版社，2014.