交通標志形狀分析與識別.pdf

1、目前國內(nèi)外城市的公共交通均以地面交通為主,隨著經(jīng)濟的快速發(fā)展,交通擁堵現(xiàn)象和日益增長的交通事故引起了國內(nèi)外社會的廣泛關(guān)注,為此越來越多的學者開始研究智能交通。智能交通系統(tǒng)的核心是交通標志的識別,它不但可以向駕駛司機及時的提供指示和警告,還可以對交通情況進行實時控制,以便減少交通擁塞和預防交通事故的發(fā)生。交通標志識別的關(guān)鍵研究內(nèi)容為特征選擇、特征提取和分類識別三大部分,本課題對此進行了研究。
　　 本文對交通標志進行形狀分析時,根

2、據(jù)交通標志圖像本身特有的大小、形狀和圖案信息,從輪廓和區(qū)域兩方面進行研究,提出了基于鏈碼和快速傅里葉變換的輪廓描繪方法以及基于PCA和小波不變矩的區(qū)域描繪方法,將快速傅里葉變換應用到輪廓提取中減少了數(shù)據(jù)處理量,優(yōu)化了算法；其次在小波不變矩提取區(qū)域特征時,應用主成分分析理論,將高維特征空間映射到了低維空間,用少量的特征盡可能準確的描述出了交通標志的區(qū)域信息。并通過實驗驗證了這兩種算法在提取交通標志特征時都具有RSS不變性和較好的抗造能力,

3、也具備一定的適用性。
　　 根據(jù)支持向量機理論在分類算法中表現(xiàn)出的優(yōu)勢以及它在交通標志識別中擁有較好的適用性,本文在研究原始算法的基礎上,解決了非線性、多分類以及分類決策的問題,并將遺傳算法應用到了參數(shù)優(yōu)化和決策樹的生成中,提高了分類器的性能,很好的生成了最優(yōu)決策樹。算法首先應用特征數(shù)據(jù)集訓練分類器,然后對待測交通標志進行分類識別,實驗結(jié)果表明識別完全正確,而且算法的效率也非常高。本文設計的交通標志識別系統(tǒng)是具有高效性、準確性和