| 主权项 |
1.一种室外恶劣光照条件下的快速鲁棒交通标志检测方法，其特征在于包括以下步骤：步骤1，建立多类交通标志的颜色直方图；步骤1.1，在不同光照条件下采集大量真实场景中含有交通标志的图像，手动抠取交通标志区域作为待训练的交通标志样本；步骤1.2，按颜色和光照条件对交通标志训练样本进行分类；步骤1.3，建立多类颜色直方图；步骤1.4，设定颜色直方图的统计范围；步骤2，生成基于多类直方图的概率图；步骤2.1，将待检测图像从RGB颜色空间转换到HSI颜色空间；步骤2.2，将HSI空间的待检测图像中的每一个像素点P(i,j)与步骤1中建立的颜色直方图按如下公式进行直方图反投影：P(i,j)＝max(f<sub>ijk</sub>(b))式中，f<sub>ijk</sub>(b)表示坐标为(i,j)的像素点在第k个直方图中对应bins归一化之后的值，k＝1,2,...,K，K=9为直方图数目，即步骤1得到的样本子集数目；遍历整幅图像的所有像素点，得到待检测图像对应的概率图；步骤3，提取基于MSER的交通标志候选区域；步骤3.1，提取白色背景的交通标志候选区域；（1）图像灰度化：采用加权平均灰度化算法将待检测的原始数字图像中每个像素点的红、绿、蓝三分量赋以不同的权值进行加权平均，最终得到灰度图像，计算公式如下：f(x,y)＝0.212671R(x,y)+0.715160G(x,y)+0.072169B(x,y)其中，f(x,y)为灰度化后(x,y)点的灰度值，R(x,y)，G(x,y)，B(x,y)分别为待检测的原始数字图像中(x,y)点的红、绿、蓝三分量的值；（2）在生成的灰度图上提取图像中的MSER特征区域；利用BinSort算法将所有的像素点按照灰度值进行排序，其像素灰度值取值范围为0～255；将所有像素点排好序后，按照降序或者升序将这些像素点在图像中标记出来，在标记的过程中，采用联合-查找算法，保存一系列不断增大或者出现的连通区域和它们的面积，这些连通区域就是极值区域ε；在给定的阈值范围下，从ε中挑选出连通区域面积变化随阈值变化取得局部最小值的连通区域，得到MSER区域；阈值选取的范围为70～190，在此范围内对灰度图像进行24次阈值分割以提取候选的标志区域；步骤3.2，提取彩色交通标志候选区域；步骤4，去除非交通标志区域；步骤4.1，去除彩色交通标志候选区域中的非交通标志区域；（1）在步骤3.2中得到的彩色交通标志的候选区域上建立MSER特征区域矩形边界框；（2）根据MSER区域形状特征去除非交通标志区域；（3）当出现同一个交通标志被检测为多个符合条件的MSER区域时，如果两个MSER的矩形边界框所包含的面积70%以上重叠，则认为这两个MSER区域出现重叠，取多个MSER中最大的矩形边界框作为最终的交通标志区域；（4）当一个MSER区域的矩形边界框中包含三个及以上不重叠的MSER区域时，则去除最外面的矩形边界框，保留各个小的MSER区域，并取各自的矩形边界框作为最终的交通标志区域；步骤4.2，去除白色背景交通标志候选区域中的非交通标志区域；（1）在步骤3.1中得到的白色背景交通标志候选区域上建立MSER特征区域矩形边界框；（2）按照步骤4.1（2）、（3）、（4）去除非交通标志，得到含交通标志的矩形边界框；（3）对矩形框中每一个像素点进行彩色和非彩色分解，公式如下：<img file="FDA0000468868360000021.GIF" wi="974" he="139" />式中，Achr(i,j)表示任意像素点P(i,j)的非彩色标签，S(i,j)、I(i,j)分别表示该像素点P(i,j)的饱和度和亮度分量的值；当像素点的S和I分量在满足要求的范围内，即相应的标签值等于True时，将该像素点的非彩色标签Achr(i,j)置1，遍历矩形框中所有像素点以得到所有像素点的标签值；当矩形框中标签为1的像素点的个数超过矩形框所有像素点个数的45%时，认为该MSER区域为白色背景的交通标志，否则去除该MSER区域；步骤4.3，交通标志候选区域的融合及最终交通标志区域的检测；将步骤4.1、4.2中最终提取的矩形边界框在原始图像上画出；当部分交通标志在灰度图和概率图上均被检测出时，如果两个矩形边界框的面积出现70%以上的重叠，则取步骤4.1中确定的边界框为最终包含交通标志的矩形边界框。 |
