交通道路標(biāo)志牌檢測(cè)與識(shí)別綜述-文庫吧
2025-07-15 00:14 本頁面
【正文】 過有霧或沙塵的大氣時(shí)，會(huì)產(chǎn)生較明顯的折射和散射作用，使交通標(biāo)志的顏色發(fā)生變化。因此，簡(jiǎn)單的濾波類算法很難較好地復(fù)原霧和沙塵圖像。以下著重分析霧和沙塵圖像復(fù)原算法的研究現(xiàn)狀。由于有霧或沙塵的圖像對(duì)比度下降，因此用圖像增強(qiáng)算法恢復(fù)這類圖像是一種比較直觀的想法。Land根據(jù)人類視覺系統(tǒng)從不同光照條件下提取彩色信息的原理提出色彩不變性模型Retinex，具有壓縮圖像動(dòng)態(tài)范圍，保持色彩不變的特點(diǎn)，可有效增強(qiáng)因光照不均勻形成的低對(duì)比度圖像[]。Chen和芮義斌分別用單分辨率Retinex(SingleScale Retinex,SSR)和多分辨率Retinex(MultiScale Retinex,MSR)對(duì)有霧圖像進(jìn)行增強(qiáng)，取得了一定的去霧效果[][]。直方圖均衡化是一種有效提升圖像對(duì)比度的方法，北京航空航天大學(xué)艾明晶等提出采用塊部分重疊的直方圖均衡化方法復(fù)原霧天圖像[]，能夠有效突出圖像的局部細(xì)節(jié)信息，從而起到去霧效果。該方法速度較快，能夠滿足實(shí)時(shí)處理的要求。曲波變換是一種在小波變換基礎(chǔ)上發(fā)展起來的新的多尺度分析方法[]，由于它特別適合于各向異性特征的信號(hào)處理，因此是對(duì)小波變換在圖像邊緣增強(qiáng)方面局限性的一個(gè)很好彌補(bǔ)。Brian Eriksson利用曲波變換這一特點(diǎn)，通過檢測(cè)曲波的消失點(diǎn)實(shí)現(xiàn)了圖像的去霧[]。圖像增強(qiáng)算法雖然能夠增強(qiáng)有霧或沙塵圖像的對(duì)比度，卻不能保證真實(shí)地還原出圖像色彩，在特定條件下易出現(xiàn)明顯的顏色失真[]。因此，人們對(duì)霧或沙塵圖像的成像原理進(jìn)行了研究，建立了相應(yīng)的物理模型。根據(jù)圖像的特定特征估算出模型的參數(shù)，并對(duì)降質(zhì)圖像進(jìn)行逆變換，以期得到更加真實(shí)的復(fù)原圖像。董濤、王揮等認(rèn)為霧天圖像的降質(zhì)是由于大氣湍流和氣溶膠引起的[][]。通過分別估計(jì)湍流傳遞函數(shù)和氣溶膠傳遞函數(shù)，并用二者的乘積作為總的大氣調(diào)制傳遞函數(shù)，之后在頻域內(nèi)根據(jù)大氣調(diào)制傳遞函數(shù)對(duì)降質(zhì)圖像進(jìn)行復(fù)原，并對(duì)降質(zhì)過程引起的衰減進(jìn)行補(bǔ)償，取得了一定的復(fù)原效果。Tarel提出了一種快速的基于單圖像的去霧算法[]。該算法也基于物理模型，但沒有采用全局最優(yōu)化方法，大大提高了處理速度，可以接近滿足實(shí)時(shí)處理要求。但該算法的處理效果比暗通道假設(shè)算法略差。 綜上，對(duì)現(xiàn)有的較具代表性的霧天、沙塵圖像復(fù)原算法總結(jié)于表31。復(fù)原算法優(yōu)點(diǎn)缺點(diǎn)Retinex有效增強(qiáng)圖像對(duì)比度復(fù)原的圖像真實(shí)感較差直方圖均衡化速度快，有效增強(qiáng)對(duì)比度復(fù)原的圖像真實(shí)感較差曲波變換有效增強(qiáng)圖像的細(xì)節(jié)復(fù)原的圖像真實(shí)感較差大氣調(diào)制傳遞函數(shù)較好的去模糊效果需要估計(jì)霧氣濃度和場(chǎng)景深度，不易實(shí)現(xiàn)Tarel 的算法處理速度快處理效果略差表 31 現(xiàn)有霧天、沙塵圖像復(fù)原算法的特點(diǎn)現(xiàn)有的霧天、沙塵圖像復(fù)原算法均存在一定局限性。從去霧效果的角度比較，最大化對(duì)比度與暗通道假設(shè)算法處于現(xiàn)有算法中的領(lǐng)先地位，但速度較慢，無法用于駕駛輔助等高實(shí)時(shí)性應(yīng)用場(chǎng)合。而 Tarel的算法雖然速度較快，但以犧牲去霧效果為代價(jià)。其他算法或處理效果不夠真實(shí)，或受限于實(shí)施難度大，均不適合駕駛輔助場(chǎng)合。 交通標(biāo)志檢測(cè)的研究現(xiàn)狀一般來說，交通標(biāo)志識(shí)別系統(tǒng)包括路標(biāo)檢測(cè)和路標(biāo)分類兩個(gè)階段。在路標(biāo)檢測(cè)階段，系統(tǒng)會(huì)在圖像中搜索路標(biāo)。在各類文獻(xiàn)中，圖像分割被廣泛應(yīng)用于路標(biāo)檢測(cè)階段中。這里主要有三種辦法來實(shí)現(xiàn)對(duì)路標(biāo)的分割：1) 對(duì)灰度圖像進(jìn)行邊緣檢測(cè)，然后進(jìn)行分析2) 直方圖閾值法3) 特征提取和聚類在分類階段，系統(tǒng)會(huì)對(duì)檢測(cè)階段發(fā)現(xiàn)的區(qū)域進(jìn)行分析，然后辨別出路標(biāo)。常見的分類方法如下：1) 神經(jīng)網(wǎng)絡(luò)(NN)2) 最近鄰分類器3) 支持向量機(jī)(SVM)4) 遺傳算法(GA)5) 基于相關(guān)的模式匹配在處理灰度圖像時(shí)，是基于形狀的特點(diǎn)進(jìn)行對(duì)路標(biāo)搜索，計(jì)算量是十分龐大的。對(duì)于實(shí)現(xiàn)快速檢測(cè)路標(biāo)，一些方法是基于形狀識(shí)別發(fā)展的，是因?yàn)樽髡邆冋J(rèn)為基于顏色分割的檢測(cè)是不可靠的（比如，距離、天氣、灰塵和路標(biāo)使用的時(shí)間都會(huì)對(duì)路標(biāo)的色彩產(chǎn)生變化和影響）。比如，Barnes等人提出了一種使用后驗(yàn)概率(posterior probability)的路標(biāo)檢測(cè)算法，它是基于路標(biāo)的位置和角度信息的[]。文獻(xiàn)[]使用了自組織神經(jīng)網(wǎng)絡(luò)( selforganization map,SOM)的方法提取輪廓線，然后識(shí)別路標(biāo)的形狀。文獻(xiàn)[]應(yīng)用了圖像的梯度方向的幾何模型識(shí)別三角形路標(biāo)。Loy和Barnes實(shí)現(xiàn)了一種基于快速輻射對(duì)稱(fast radial symmetry)的算法，它使用邊緣方向的模式檢測(cè)三角形、正方形和六邊形的路標(biāo)[]。然后，基于梯度的特征檢測(cè)辦法對(duì)于噪點(diǎn)處理不佳，很多形狀檢測(cè)器在計(jì)算超大圖像時(shí)速度很慢。在直方圖閾值法中，有兩種方法。即，使用標(biāo)準(zhǔn)顏色空間和進(jìn)行更加徹底顏色空間的研究。文獻(xiàn)[]提出了使用RGB分量之間的差別來進(jìn)行路標(biāo)的分割。文獻(xiàn)[
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1