基于matlab的交通标志检测技术研究

吉首大学信息科学与工程学院 林巧玉 林 哲 谢 强 杨 圣 钟宜轩

基于matlab的交通标志检测技术研究

吉首大学信息科学与工程学院 林巧玉 林 哲 谢 强 杨 圣 钟宜轩

交通标志检测技术的研究，对于现代智能交通的发展具有重大意义。文中提出一种基于颜色检测的算法，首先，将原彩色图像转化为灰度图像，同时，利用RGB颜色模型中的阈值分割将原图像转化为二值图像，然后通过Canny算子实现边缘检测，再对边缘检测结果进行封闭区域填充处理并再次进行边缘检测，从而得到目标区域的坐标范围，进而实现图像中交通标志部分的准确定位，最后通过图像之间的算术运算去除背景，完成交通标志的检测。实验结果表明，该算法可以快速准确地检测出图像中的交通标志，准确率达到93．75%，具有速度快，准确度好，易于理解和实现等优点。

交通标志检测；RGB颜色模型；阈值分割；Canny算子

1 引言

对于交通标志来说，颜色是其检测的最显著的特征之一。对交通标志通常会采用颜色进行初步检测，因为交通标志的背景颜色主要包括红色、蓝色和黄色。其中红色边缘表示的是禁止标志，黑色边缘加黄色内部表示的是警告标志，蓝色底面上添加白色图案的表示的是指示标志。

在融合交通标志图像的颜色特征以及形状特征的基础上，本文实现了交通标志图像的快速检测。算法流程如图1所示，对于交通标志的形状的检测首先通过Canny算子进行边缘分割，对边缘检测结果进行封闭区域填充，二次边缘检测后可得到目标区域的坐标范围，从而定位出目标区域，最后去除背景完成交通标志的检测。

图1 算法流程图

2 颜色检测

RGB颜色空间是图像处理领域中最常用的颜色检测彩色空间。通过红、绿和蓝三个颜色通道的变化和相互叠加得到各种颜色。当三基色都为最小值时，总体表现颜色为黑色，当三基色都为最大值时，总体表现颜色为白色。RGB颜色空间是最基础的颜色空间之一，它也是由相机采集到的图像中最原始的色彩空间，如果交通标志检测的实时性要求比较高，RGB空间是最好的选择，因为它不需要任何的变化就可以直接对图像进行处理。

基于颜色的阈值分割方法中，阈值的选取是最关键的一步，用于交通标志颜色分割的阈值要根据交通标志的设计颜色来选取。在RGB空间中，交通标志分割方法采用红、蓝、绿三通道的差值进行区域分割。虽然各个通道易受光照影响，但是三通道的差值却具有较强的独立性。通过这种方法中，参照文献[1]中的基于差值的阈值分割模型，并将其中的[0,1]范围内的像素值取值范围扩充至[0,255]，多次实验后得到修正的分割阈值，根据三通道的分量差提取相应的红、黄、蓝区域，得到阈值分割公式如公式（1）所示。

对原图像进行颜色检测以及转换为灰度图像后所得的图像如图2所示，在接下来的边缘检测之前，对颜色检测结果中连通区域小于25*25的面积块进行去除，以达到去噪目的。

图2 图像的初步处理

3 边缘检测

边缘检测算子常用的有Canny算子、Roberts算子、Prewitt算子、Sobel算子等。Roberts算子定位比较精确，但由于不包括平滑过程，对噪声比较敏感；Prewitt算子是平均滤波，Sobel算子是加权平均滤波，两者对灰度渐变低噪声的图像检测效果较好，但对于混合多复杂噪声图像处理效果并不理想。综合考虑，本文采取Canny算子进行边缘检测，Canny算子具有滤波、增强效果的特性，无论从视觉效果还是客观评价来看，提取的边缘线性连接程度也很好，对线类边缘的提取比较完整，而且更加细腻。

3.1 Canny算子边缘检测原理

对于图像的边缘检测需要满足两个条件：一是能够有效地抑制噪声；二是尽量精准的确定边缘的位置。Canny算子边缘检测过程如下：

第一步：去除噪声。通常的边缘检测算法对噪声都非常敏感，所以去除噪声很有必要。将原图像与高斯平滑模板作卷积来平滑图像，得到的图像与原图像相比会有些轻微的模糊。高斯函数平滑函数如公式（2）所示：

第二步：计算图像梯度的幅度和方向。图像中的边缘可能会指向不同的方向，所以Canny算子使用2个掩模分别检测水平、垂直方向的边缘，两个方向上的掩模模板如图3所示。

图3 方向掩模模板

其梯度幅值及方向的表达式分别如公式（3）、（4）所示：

当我们知道了梯度方向后，可以以45度角划分边缘方向为8个方向，得到如图4所示的边缘梯度方向示意图。

图4 边缘梯度方向示意图

3.2 目标区域的检测

首先对完成颜色检测的图像进行第一次Canny边缘检测，检测结果如图5(a)所示，然后对边缘检测结果进行孔洞填充，如图5(b)所示，再对填充图像进行二次Canny边缘检测，得到待检测标志的外边缘，结果如图5(c)所示。

图5 Canny算子边缘检测结果图示

图6 交通标志部分初步提取

图7 最终检测结果图示

为得到更好的检测结果图示，我们结果6（c）进行去除背景的处理。首先，对图6(b)取反得到图7(a)，将图6(c)与图7(a)相加得到最终输出的检测图像，如图7(b)所示。

4 实验结果及分析

实验在Inter Pentium5的处理器，CPU2.4GHz和内存为4GB的条件下进行，利用Matlab7.0编程仿真实现对交通标志的检测。实验中对80个交通标志进行检测，正确检测到的标志的数目为75个，正确率达到93.75%。

通过实验发现，在颜色的检测过程中，对于黑色边缘黄色内部表示的警告标志，以及蓝色底面白色图案的指示标志的检测可以达到较好效果，尤其是蓝底白案的指示标志，由于其只有两种颜色，检测既准确又快速，如图8所示；而红色边缘表示的禁止标志，尤其有些交通标志内部是黑色的指示图案，可能在RGB模型将图像转换为二值图像后造成较大干扰，这时再利用Canny算子边缘检测可以准确检测出交通标志图像，如图9所示。

实验结果表明,采用本文的算法对交通标志图像进行检测,该检测算法可以准确快速地识别出交通标志图像，满足准确性、实时性要求，并能达到较好的效果。部分检测结果图如图8——图10所示，图中(a)表示原彩色图像、(b)表示颜色检测后得到的二值图像、(c)表示Canny算子边缘检测后图像、(d)表示图像中提取的目标区域、(e)表示最后的输出检测结果图像。

图8 指示标志检测结果

图9 禁止检测结果

图10 限速标志检测结果

5 总结

随着物联网的发展，智能交通这一概念也相应被提出，交通标志的有效检测是智能交通发展的必然要求。本文通过分析图像的颜色信息，完成了对交通标志的检测，针对不同的图像，用Matlab软件进行了检测，且效果较好。通过实验也可以发现，基于颜色的检测，也存在着一些不足之处。由于我们所实现的检测均是用相机所拍摄的静止的图像，若输入的为动态的图像，则有运动模糊、阴影或高光等的因素都需要被考虑，在今后的研究中还应对这些方面进行更深入研究。

[1]张潘潘．道路交通标志检测与识别算法的研究[D]．山东大学,2012．

[2]张伟,何金国．Hu不变矩的构造与推广[J]．计算机应用,2010,09:2449-2452．

[3]周广波．基于颜色和形状特征的交通标志检测[D]．大连理工大学,2013．

[4]黄志勇,孙光民,李芳．基于RGB视觉模型的交通标志分割[J]．微电子学与计算机,2004,10:147-148+152．

[5]张瑞,张朋．基于颜色和形状的交通标志检测与分类[J]．微计算机信息,2010,35:226-228．

[6]陈宏希．基于边缘保持平滑滤波的Canny算子边缘检测[J]．兰州交通大学学报,2006,01:86-90．

[7]王贵彬．基于Canny算子与形态学融合的边缘检测算法[D]．哈尔滨理工大学,2014．

宋海龙。

吉首大学2014年大学生研究性学习与创新性实验计划项目。