基于免疫算法的交通标志分割

《基于免疫算法的交通标志分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于免疫算法的交通标志分割摘要：针对现有道路交通标志图像分割算法中实吋性和筲棒性较差的M题，提出一种甚于免疫算法和RGB颜色空间的交通你志图像分割新方法。该方法先用RGB颜色空叫将交通秘志从劣景图中定位出來，利用免疫算法快速搜索的机理，对已定位的图像进行阑值T寻优，并用该阙值T分割图像。实验结果表明，该算法与基于遗传算法的图象分割算法相比较，具宥较好的鲁棒性和实时性，且适用于不同光照条件下的交通标志图像分割。关键词：交通标志；免疫算法：颜色空间：图像分割：最优阈值中图分类号：TP391.41文献标识代码ATrafficSignsSegmentationBasedonImmuneAlgorith

2、mAbstractSonicexistingtrafficsignsgraphicsegmentationalgorithmsarcweakinperformreal-timeandrobust.Accordingtothoseproblems，thispaperpresentsanewalgorithmofthetrafficsignssegmentationbasedonimmunealgorithmRGBcolorspace.ThemethodusesRGBcolorspacetolocatetheimageoftrafficsignsformthetrafficsignsimaging

3、figure，anduseimmunealgorithmtosearchfortheoptimizationthresholdTtosplitthelocatedimage.Theexperimentalresultsshowthat,comparedwiththealgorithmofgenetic-basedtrafficsignssegmentation,thealgorithmpresentsinthispaperperformmoreperfectlyinrobustandreal-time,andappliestotrafficsignssegmentationinvariesli

4、ghtconditions.KeywordsTrafficsigns;Immunealgorithm;colorspace;Tmagesegmentation;Optimalthreshold0引言道路交通标志识别（TrafficSignRecognition,TSR）是能交通系统（IntelligentTransportationSystem,ITS）研宄领域屮尚未解决的难题之一，也是难度较大的实时图形识别问题之一11］。道路交通标志识别大概可以分为两个步骤：交通标志分割和交通标志识别。如何从图像中快速、准确的获取交通标志的位置，是交通标志识别的关键，也是本文所要研究的内容。目前交通标志的定

5、位与分割主要从其颜色和形状两方面来研究。文献［2］首先对灰度图像中圆形的几何边界进行提取，进而结合圆形路标中几何形状的特点，检测圆形路怀，该方法的鲁棒性较好,但步骤较为复杂。文献『31介绍了一种基于颜色的交通标志检测与提取的快速方法，然而该方法的阈值T是人为确定的，不具有普遍性。文献［4］先在YIO空间进行分割，滤除一部分不耑要的信息，然后在此基础上利用多特征融合來进行交通紐志的精确定位。文献［51提出将归一化的RGB空间转换到HSI空间，得到各分量阈值实现分割。文献［6］提出将RGB空间转换到CIE空间，用颜色模型EIECAM97从CIE空间屮提取色调、色度和亮度。由于HSI、CIE空间的各

6、分量是独立的，能较好地解决光照问题，但空间的转换是非线性的，且计算量较大，影响了实时性。文献P］利用遗传算法优化最大类间方差法，使得阈伉选取的效率大大提但遗传算法存在一定的局限性，容易得到局部最优阈值。交通标志图像的采集、分割与识别是在车辆的行驶过程中进行的，需要实吋提供给驾驶员相应的信息，这就使得交通标志图像分割要有较快的速度。本文将免疫算法和RGB颜色空间相结合，提出一种基于免疫算法的交通标志分割新方法。该方法先用不需要空间转挽的RGB颜色空间定位交通标志，利用免疫算法快速搜索的机理，对己定位的图像进行阈值T寻优，并川该阈值T分割图像。实验结果表明，该算法与基于遗传算法的图象分割算法相比较

7、，具有较好的鲁棒性，且实时性较好。1基于颜色特征的交通标志图像检测1.1RGB颜色空间模型RGB颜色空间模型是目前最常用的颜色模型之一，它用红（R）、绿（G）、蓝（B）三原色的亮度来定量表示颜色。该模型也称为加色混色模型，根据三基色原理，用基色光单位来表示光的量，则在RGB色彩空间中，任意色光F都可以用R、G、B三色不同分量的相加混合而成：F=r(R)+g(G)+b(B)(1)RGB颜色模型可以用