基于神經網絡的交通標志識別的研究.pdf

1、交通標志識別作為智能交通系統(tǒng)的一個重要研究領域已得到很大的發(fā)展，對人們日常行車安全將提供極大的幫助，因此交通標志識別系統(tǒng)的研究具有重要的意義。由于高速公路上的行車速度快，導致汽車的操縱性和穩(wěn)定性下降。另外，高速行車影響駕駛員對距離的判斷以及造成習慣性疲勞。因此，本文選取高速公路這一生活場景，著眼于系統(tǒng)準確性和實時性。
　　交通標志識別系統(tǒng)主要包括圖像獲取、圖像檢測和圖像識別三個部分。針對高速公路環(huán)境特點，為克服噪聲對圖像的影響，本

2、文首先研究了圖像均衡化、圖像銳化和Gamma矯正三種增強方法，通過實驗對比了幾種濾波效果，確定采用中值濾波方法降低高速公路環(huán)境下所采集圖像的噪音影響。
　　深入分析了HSV顏色空間不同彩色區(qū)域特性，提出一種改進的顏色閾值分割算法，實驗表明改進的算法具有良好的分割效果。再使用多特征條件，即可將目標區(qū)域從圖像中分割出來。
　　對分割出來的區(qū)域進行一系列的形態(tài)學操作，包括二值圖像膨脹、平滑、腐蝕、邊緣細化等，可以使得目標區(qū)域更有利

3、后續(xù)形狀分析，然后采用基于標記的方法識別已分割出來的形狀。
　　通過分析交通標志的顏色特征和形狀特征，在形態(tài)學的基礎上提取出限速標志、合流警告標志、向右急轉彎標志等十類圖像的Zernike矩特征作為識別依據;基于模式識別的基本理論，建立了相應訓練及測試樣本庫，為了增強網絡的泛化能力，訓練樣本中添加了人為變化角度的干擾樣本;
　　設計了三層結構的BP神經網絡識別模型，本文在實驗的基礎上，分析了傳統(tǒng)BP神經網絡訓練誤差精度不高、