【正文】 排序后的中值去代替原始像素的灰度值，這樣，就會得到更接近于真實值的像素，從而實現(xiàn)對噪聲點的消除。中值濾波器常用的窗口類型有方形、十字形、條形等。比如有一條形窗口，各個像素點的灰度值為[3,5,201,156,6,34,67,131,167]，則這個窗口的中值為 67，原始像素點的灰度值用 67 取代。3）高斯濾波作為一種特殊的線性均值濾波器，高斯濾波被廣泛的用于圖像去噪過程，可以消除高斯噪聲。高斯濾波就是使用高斯函數(shù)作為權(quán)函數(shù)，對整幅圖像進行加權(quán)求平均值，任意一個像素點的灰度值都是其自身和領(lǐng)域內(nèi)的像素點灰度值經(jīng)過加權(quán)后所求的平均值。常用的一維高斯濾波函數(shù)為： 20()21()xpxe????高斯濾波器的核呈現(xiàn)布局如圖 24 所示。圖 24 高斯濾波器的核呈現(xiàn)布局高斯濾波的基本原理為：為目標像素點設(shè)定一個窗口模板，對模板內(nèi)像素的灰度值進行加權(quán)求平均值，用此值去將原始像素的灰度值替代。 運動模糊的消除由于交通標志圖像是通過運動的相機采集得到的，這樣就不可避免的會產(chǎn)生運動模糊。為了消除交通標志圖像的運動模糊，本文采用了兩種方法，即維納濾波和逆濾8波兩種方法進行實驗，實驗結(jié)果表明維納濾波較逆濾波的效果更好，因此選擇維納濾波作為本文的消除運動模糊的方法。1）維納濾波維納濾波是由維納（）在 1942 年提出來的 [11]，屬于一種基于最小二乘法的濾波算法。它的適用范圍比較廣，無論連續(xù)的還是離散的，標量還是向量都可以用它進行濾波。它的缺點是：對于要求得到半無限時間區(qū)間內(nèi)的全部觀察數(shù)據(jù)這一條件很難滿足，對于非平穩(wěn)的隨即數(shù)據(jù)也不能用它進行濾波，因此它的實用性不強。維納濾波的基本原理為：對式（21）進行傅里葉變換，后利用維納濾波進行圖像濾波，可表示為式(23) ： （2*2(,)(,),/(|,)|FuvGHuv???3）其中， 表示采集到的退化圖像， 代表的是退化函數(shù)， 是, (,)Huv*(,)Huv的復共扼表示， 表示真實的圖像，即未退化的圖像， 是常數(shù)，表示噪(,)Hv(,)Fv ?聲功率譜密度比。維納濾波就是對退化圖像進行還原，去除噪聲點的污染，求得真實圖像的最接近值。2）逆濾波逆濾波也是一種圖像復原濾波，其還原圖像的流程如下圖 25 所示。圖 25 逆濾波的流程圖我們假設(shè)圖像中不存在噪聲點，則對（21）進行傅里葉變換，然后推到得出： （211(,)(,)[(,)][]GuvfxyfFuvfH???4）在（26 ）中我們已知 和 ，這樣就可以求出 ，求得 后(,)(,)v(,)Fuv(,)uv可根據(jù)（27 ）求的原始圖像 。fxy與維納濾波不同的是，逆濾波容易受到噪聲的干擾，若噪聲為零，則逆濾波能夠完全的還原圖像，如果噪聲存在，且 很小或者為零，則還原后的圖像中噪聲會(,)Huv被放大。這就意味著在噪聲很小但是 也很小的情況下，逆濾波還原后的圖像會更加失真。 實驗結(jié)果圖 26 是對一幅交通標志圖像分別進行均值濾波、中值濾波和高斯濾波的結(jié)果。2 交通標志識別的實驗數(shù)據(jù)集和圖像預(yù)處理9對比三種濾波結(jié)果和濾波算法的原理可知：均值濾波雖然執(zhí)行速度很快，但是容易造成圖像模糊，它并沒有消除隨進噪聲點，反而使噪聲點擴散到其他領(lǐng)域中。高斯濾波屬于一種特殊的均值濾波，其濾波結(jié)果與均值濾波結(jié)果相近，而且窗口模板越大，濾波后的圖像越模糊。中值濾波因為有一個排序的過程，所以其計算復雜度較高，但是它不容易造成圖像模糊，而且去噪性能非常好，能夠在消除隨機噪聲的同時不使圖像邊緣變模糊。為了保障濾波后的圖像處理和交通標志識別的準確率，我們采用中值濾波的方法去除隨機噪聲。10圖 26 各種濾波的圖像去噪結(jié)果圖 27 是分別使用維納濾波和逆濾波消除運動模糊的結(jié)果。從圖 27 中可以看出，經(jīng)過維納濾波和逆濾波進行圖像還原后，交通標志圖像運動模糊都有所消除，但是與逆濾波相比，維納濾波的運動模糊消除效果要強，因此交通標志運動模糊的消除，本文采用維納濾波進行。圖 27 使用維納濾波和逆濾波復原圖像2 交通標志識別的實驗數(shù)據(jù)集和圖像預(yù)處理11 本章小結(jié)本章我們首先介紹了實驗所用的交通標志數(shù)據(jù)集及這個數(shù)據(jù)集中交通標志的類型和特點。然后采用一定的方法對交通標志圖像中的隨機噪聲進行消除。采用的方法主要有均值濾波、中值濾波和高斯濾波等。實驗結(jié)果證明中值濾波對交通標志圖像的噪聲消除效果比其他兩種濾波要好的多。同時為了處理交通標志圖像中的運動模糊我們分別采用了維納濾波和逆濾波進行運動。實驗揭示了對于交通標志圖像的運動模糊消除效果，維納濾波要強于逆濾波。所以，我們選擇用中值濾波消除交通標志圖像中的噪聲，而對于圖像采集過程中產(chǎn)生的運動模糊，則采用維納濾波消除。123 交通標志的檢測 基于顏色的交通標志檢測顏色空間，有時候又稱為彩色空間，是指不同波長的電磁波與不同物質(zhì)相互作用所構(gòu)成的色譜空間?；谀承藴?，我們在顏色空間里，用通常可接受的方式RGB、HIS 、 CMY、Lab 等對彩色加以說明。這里我們主要介紹 RGB 和 HIS 顏色空間模型。 RGB 顏色空間模型首先，對 RGB 顏色空間 [12] 作一簡要介紹。日常生活中，彩電或其它彩色顯示器等很多生活用品，都是利用 RGB 模式輸出。RGB 顏色空間具有作為基礎(chǔ)色的三種基本顏色，通常采用 R（Red）、G（Green）、B（Blue）三種顏色的英文首字母進行命名。經(jīng)過科學家測算，對這三種基礎(chǔ)色進行不同比例的混合，可以得到一千六百多萬種不同的顏色。在所有的顏色空間模型中，最接近大自然色彩種類的就是 RGB 顏色空間模型，所以有時候又稱它為自然色彩模式。圖31就是 RGB 顏色空間模型的示意圖。圖 31 RGB 顏色空間模型圖RGB 顏色空間的優(yōu)點主要表現(xiàn)為 [13]：對于顏色分割系統(tǒng)的實時性要求可以滿足，直觀、易于被理解、計算相對簡單?；?RGB 顏色空間模型的標志圖像檢測算法原理主要為由 [12,13]等人提出的 RGB 閾值分割方法，見式（31）和式（32）。即：首先是設(shè)定分割像素點的 RGB 閾值，根據(jù)交通標志的顏色特點進行設(shè)定，然后將圖像的像素點掃描并與設(shè)定的 RGB 閾值范圍進行對比。如果圖像中的該像素3 交通標志的檢測13點屬于預(yù)先設(shè)定的 RGB 閾值范圍內(nèi)，將保留該像素點，反之則設(shè)為零，該像素點為背景。 （3??1,arbgabRfgxykGBf??????1） 其它 （3??2,xyk2）式（31 ）和式（32 ）中， 為圖像中的交通標志， 為圖像的背景。 、 、 分1k2krfgbf別為圖像中各像素點的 R、G、B 通道值。但是，由于 RGB 模型對光照非常敏感， 遇 到 如 陰 雨 天 氣 、 霧 天 、 傍 晚 等 情 況 ，檢 測 成 功 率 比 較 低 ， 所以在應(yīng)用研 究 中 使 用 的 頻 率 不 是 很 高 。 專 家 學 者 以 克 服 光 照 為前 提 ， 提 出 了 HIS、 HSV、 L*a*b*等 一 些 比 較 好 的 顏 色 模 型 。 HIS 顏色空間模型HIS 顏色空間模型是某種色彩通過 H（Hue）、S（Saturation）、I（Intensity）三個參數(shù)來表示 [14]，如圖32所示。其中 H 為色調(diào)，表示顏色反射的波長，其的范圍是。S 為飽和度，它的參量范圍是[0% 100%]，主要是指色彩的強度或純度，代?360?表的是灰色與色調(diào)的比例。I 是亮度，這個參量以0%（黑色）到100%（白色）的百分比來表示。HIS 顏色空間是人類對顏色視覺感受最接近的系統(tǒng)，讓我們從色覺直觀性這方面去觀察圖像，所以 H、I、S 這三個參量對于我們理解圖像的重要性不言而喻。一般而言，我們?nèi)搜蹖α炼鹊拿舾谐潭纫笥趯︻伾拿舾谐潭?，所?HIS 顏色空間模型在科學研究中使用的頻率較高。另外，H、I、 S 這三個參量之間是互相獨立的，所以在進行圖像處理的時候可以很方便的從圖像中提取出來。HIS 在進行交通標志檢測的時候，也常被科學家使用。 等人 [15]利用HIS 進行檢測的方法是，在 HIS 彩色空間中，對 H、I、S 這三個參量設(shè)定合理的閾值范圍，對交通標志進行檢測，實驗進行了多次，最后表明，取式（33）設(shè)定的閾值可以得到最佳檢測效果。 （3356184HSI???????3）14圖 32 HIS 顏色空間模型由于我們采集得到的圖像是 RGB 格式的，處理時需要把它轉(zhuǎn)換成 HIS 格式。由于這是一種非線性的顏色空間轉(zhuǎn)換， 尤 其 是 對 于 尺 寸 較 大 的 圖 像 需 要 作 三 角 函 數(shù) 及 除法 運 算 ， 因 此 會 對 轉(zhuǎn) 換 結(jié) 構(gòu) 產(chǎn) 生 一 定 的 影 響 ， 計 算 機 的 計 算 負 擔 很 大 ， 因 而 降 低 了 交通 標 志 檢 測 效 率 。交通標志的檢測方法有很多，除了 RGB 模型、HIS 模型等常用的經(jīng)典顏色空間方法，還有區(qū)域增長法、人工神經(jīng)網(wǎng)絡(luò)法等其它一些基于顏色的檢測方法。 基于形狀的交通標志檢測交通標志通常具有三角形、圓形、矩形、八邊形等固定形狀，其中八邊形可歸類為圓形。這種利用形狀檢測交通標志的方法，是行之有效的，目前針對形狀的交通標志檢測方法，主要有以下幾種：1）基于邊緣的方法基于邊緣的方法很多，其中 Hough 變換法是最經(jīng)典的方法。 Kuo W J 等 [16]人就是采用 Hough 變換法對三角形和圓形交通標志進行檢測。 該方法在噪聲、形變和部分區(qū)域殘缺時在穩(wěn)定性和可靠性上表現(xiàn)了很好的結(jié)果。但也存在運算復雜、時間較長的缺點，不能滿足實時性要求。為此，Barnes 提出了光線對稱性算法的 Hough 變換方法，該法運算量較小，運算速度快，但只能檢測圓形交通標志，不能檢測三角形和矩形。2）拐角提取算法矩形或三角形類交通標志都有角度，即存在拐角，這是它們的重要特征，因此利用拐角提取算法檢測交通標志是一個很好的方法。目前主要有兩種具體方法：一種是對目標邊緣進行編碼，可以利用邊緣檢測器實現(xiàn)。但是該法存在著編碼復雜問題，因而檢測器的良好性較差。另一種方法利用分類器來判斷梯度強度與方向的變化，以此來確定當前像素點是否為拐角。利用該法可以提取到圖像中的許多拐角，但同時也會提取出一些非目標的拐角，所以也存在較高的檢測錯誤率 [17]。3 交通標志的檢測15 （a）正三角形頂角 （b）矩形左下角圖33 檢測交通標志拐角的掩膜Rangarajan 等提出了一種掩膜設(shè)計的最優(yōu)拐角檢測方法。檢測前先對目標拐角特點進行觀察，然后設(shè)計掩膜，將設(shè)計好的掩膜與圖像作卷積運算，從而檢測出圖像中的拐角。以該法為基礎(chǔ)，Escalera [18] 為檢測正三角形和矩形構(gòu)造出了7個掩膜，圖33（a）和圖33（b）圖是正三角形頂角、矩形左下角 的掩膜掩膜的展示。測試結(jié)9?果表明，這些掩膜可以比較準確地檢測交通標志的拐角，而且具有較好的魯棒性，可以容忍一定的噪聲和變形。 綜合顏色與形狀的算法通過以上介紹可以知道，基于顏色分割的方法和基于形狀的交通標志檢測方法各有優(yōu)勢。前者容易受到光照的影響，在對顏色失真、噪聲點較多的圖像進行檢測時，效果較為一般。后者雖然對光照的魯棒性較好，但對變形或受到遮擋的標志的檢測，成功率比較低。鑒于此，研究者提出了綜合顏色和形狀的檢測方法，并取得了顯著的成果。 等人利用彩色閾值分割對交通標志圖像進行顏色分割 [19]，得到所需區(qū)域，然后對區(qū)域的邊緣進行提取，方法是利用形態(tài)學中的膨脹與腐蝕操作，最后，進行邊緣的跟蹤和幾何分析，提取具有交通標志的目標區(qū)域。對噪聲非常敏感是該方法的缺點。張 [25]等人先對交通標志圖像中的非彩色區(qū)域進行消除，運用的方法是非彩色分解技術(shù)，然后把圖像轉(zhuǎn)換到 HIS 空間中，對之進行顏色分割，最后，對邊緣鏈碼作跟蹤及閾值化處理，采用非線性曲線擬合來檢測交通標志。本文采用的也是綜合顏色和形狀的交通標志檢測方法。首先將圖像中的白色區(qū)域從 RGB 空間中分割出來，然后確定該白色區(qū)域?qū)儆跇酥镜膬?nèi)部還是外部，方法是計算白色區(qū)域占圖像面積的比值。如果屬于交通標志的內(nèi)部，利用 Canny 算子分割出標志的邊緣，同時將白色區(qū)域和邊緣用加權(quán)線性組合法進行融合，最后由區(qū)域的周長與面積的比值的圓形度計算來判斷別是否為交通標志。該方法能同時檢測若干個目標，實驗證明該方法對檢測交通標志很有效，實驗效果如圖34所示。16這樣，大量非交通標志區(qū)域通過對圖片中的每個像素點進行計算并經(jīng)過顏色分割后已被去除。同時，利用 Canny 邊緣檢測算子進行邊緣檢測 [20]，可以進一步減小計算復雜度，并且，邊緣點可由采用鏈碼的存儲方式存儲起來。算法實現(xiàn)如下：初始化：按照先行后列，從左到右，從上到下的方式，選擇二值像中第一個未被標記的非零像素點 ，令(.)xj??1,(.)PpqLxj??for ??1,mi???For njIf ,x??? ??1, ,pqLxmnijmn??標 記 像 素 點 x若 的 鄰域內(nèi)沒有其他未標記過的灰度值為1的像素點存在，(.)j?返回 Lp 的初始點，并選擇與前次跟蹤方向不同的方向進行搜索，若這樣的像素點不存在，返回 Lp，令 p=p+1，返回（1）否則返回（2）若所有灰度為1的像素點均已標記，則算法結(jié)束返回 。??123,.,XLL? 圖 34 交通標志檢測結(jié)果 本章小結(jié)本章介紹了包括基于顏色空間模型的檢測、基于形狀的檢測和綜合顏色和形狀的3 交通標志的