1、学校代号：10532学 号：$1010W120密 级：普通湖南大学工程硕士学位论文无 人驾驶汽与理解车的交通标志图文识别Graphic Recognition and Understanding of Unmanne Vehicle TrafficSignsbyXIAO MingxiBE(Shaoyang University)2009A thesis submitted in partial satisfaction of theRequirements for the degree ofMaster of EngineeringComputer Technologyin theGradua
2、te SchoolofHunan UniversitySupervisorAssociate Professor ZHANG Hanling and Researcher LI LijunApril，2013湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 壮袭 日期硼弓年夕即7日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、
3、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口，在 年解密后适用本授权书。2、不保密囹。(请在以上相应方框内打“”)作者签名：导师签名：商V坜张沂灵，勃露 日期：钾)日期：瞅 节月月，f年年无人驾驶汽车的交通标志图文识别与理解摘 要目前，随着我国经济的高速发展，车辆作为人们出行必备的交通工具已很普及，但交通安全事故的数量也呈上升趋势，因此智能交通系统也越来越受到人们的关注。目前交通标志识别
4、作为智能交通系统重要的组成部分已成为研究热点，但现实户外场景存在许多多变因素的影响，因此它比非自然场景下的目标识别更具挑战。本论文主要在交通标志检测、矫正、内核提取以及交通标志分类识别等方面做了一些相关的研究工作，本文研究的主要内容和取得的成果如下：(1)结合RGB动态差值法和形状信息实现交通标志定位。首先在基于颜色粗定位方面，对比了RGB颜色空间与HSV颜色空间的颜色分割方法，基于算法实时性的考虑，采用了RGB动态差值算法来对交通标志图像进行颜色分割。通过RGB空间各分量的差值初步提取交通标志区域，对目标区域的像素进行均值处理，并基于区域均值建立新的差值，最后完成交通标志颜色分割，获得较好的
5、效果同时保证了实时性。其次在基于形状精确定位方面，对三类交通标志的形状进行了形状分析和算法设计，对三角形采用了多变形逼近算法实现定位。实验结果显示在复杂的场景下定位效果较好。(2)采用稀疏低秩逼近算法来实现交通标志矫正。交通标志内部纹理具有对称性以及轮廓规则性，基于这种特性，本文采用稀疏低秩逼近算法，结合仿射变换，针对交通标志内部纹理区域，分别对x，Y方向轴设置仿射变换矩阵，计算每步的稀疏秩，通过软阈值判断是否为最优低秩矩阵，最优低秩图像纹理对应为最终矫正的交通标志图文。通过实验显示，该方法具有较强的鲁棒性，可以有效的提高交通标志下一步识别率。(3)提出了基于显著性特征的交通标志内部纹理提取方
6、法。交通标志内部纹理提取的质量直接影响到最终的识别结果，因此本文基于直方图对比度来提取交通标志内核。在RGB色彩空间计算R分量中每个颜色的距离度量，获取各颜色像素的显著性值，对颜色空间做平滑处理，最后采用最大类间方差法获取显著图的阈值并二值化，取得较好的实验效果，提高了最终的识别率。关键词：图像分割；稀疏低秩；仿射变换；显著性工程硕士学位论文AbstractAs the rapid development of economy，the vehicle has been widely used，which is a essential traffic tool now,and also foll
7、owed by more traffic accidentsTraffic sign recognition，SO the ITS(intelligent Traffic System)has gained moreand more attentionAs an important part of the ITS，the RTS(Recognition ofTraffic Signs)has become a research hotspotHowever，itS a challenge because ofsome changeable factors in the actual envir
8、onment，such as varying illuminationSo this thesis prepares to do some algorithm research on detection，correction，texture feature extraction and traffic sign recognitionThe main content and resultsare as follows：(1)This thesis combined with RGB dynamic difference and shape information，to realize traf
9、fic sign locationFirstly，in the first location based on color，comparesthe color segmentation approach in RGB space，HSV space，considering therequirement of realtime，we use a RGB difference method，which realizes the colorsegmentation by extracting the RGB dynamic differencewe extract the traffic sigha
10、rea according to the difference of each component in RGB space，and to mean thepixel in the target areaSo，a new difference is obtained based on the average valueFinally，this paper finishes the traffic sign segmentationSecondly in terms ofprecision location based on shape，analytics the shape of the th
11、ree kinds of trafficsigns and design algorithm，use deformation approximation algorithm to locationthe triangle signsexperimental results show achieves the good localization effectin complex environment(2)This thesis introduces a traffic sign correction method based on sparse andlow rankTraffic signs
12、 internal texture have deterministic and regular structures，based on this feature，In view of the internal texture of traffic sign，sparse low-rankapproximation and affine transformation are combinedwe set the affinetransformation matrix of X，Y direction and calculate the optimal rank of low rank，whic
13、h is j udged by the soft threshold computationwhen the rank is optimal，thecorresponding image texture represents the final correction of traffic signExperiments showed that this method has strong robustness，and improve the nextrecognition rate(3)This thesis proposes to extract the traffic sign kerne
14、l based on saliency，III无人驾驶汽车的交通标志图文识别与理解which the histogram contrast is used，because the quality of texture directly affectsthe final recognition rateFirstly，computing each pixelS distance metric of Rcomponent in RGB color space，we obtain the saliency value of every pixelThen，smooth processing is f
15、ollowed，at last，Otsu is used to get a adaptive threshold andgenerate the binary imageExperiments demonstrate the proposed method improvesthe final recognition rateKeywords：Image Segmentation；Sparse And Low Rank；Affine Transformation；SaliencyIV工程硕士学位论文目 录学位论文原创性声明一I摘 要IIAbstractIII插图索引VII附表索引VIII第1章
16、绪论111课题背景和意义112国内外研究现状213交通标志识别存在的问题314本文研究的主要内容415本文的结构5第2章 交通标志识别的基础理论621交通标志的相关知识6211交通标志的基本知识一6222交通标志分类及特点分析一622图像预处理技术7221图像增强技术7222图像分割技术8223数学形态学处理技术1223模式识别技术1324小结l 3第3章 交通标志分割与定位算法研究1431彩色空间模型1432基于颜色的交通标志的定位方法16321基于HSV空间的交通标志粗定位16322 RGB动态差值的交通标志粗定位1733基于形状的交通标志定位方法19331圆形交通标志19332矩形交通标
17、志21333三角形交通标志2234实验仿真及其结果分析2435小结27V无人驾驶汽车的交通标志图文识别与理解第4章 基于稀疏低秩的交通标志矫正算法2841仿射变换2842稀疏低秩29421稀疏表示29422不变低秩纹理3043基于KSVD的冗余字典构造3044基于稀疏低秩的交通标志矫正算法3245实验仿真及其结果分析3446小结37第5章 交通标志特征提取与分类识别3851交通标志的内部纹理提取38511视觉显著性38512改进的交通标志内部纹理提取方法4052交通标志的特征提取一42521基于颜色及轮廓的交通标志特征提取方法42522基于内核的交通标志特征提取方法4353基于SVM的交通标志
18、分类43531统计学习理论43532支持向量机44533支持向量机分类器设计4854实验仿真及其结果分析49541内部纹理提取实验仿真及结果分析49542交通标志分类实验仿真及结果分析5055小结52结 论53参考文献55致 谢60附录A攻读硕士学位期间所发表的学术论文61附录B攻读硕士学位期间参与的科研项目62VI工程硕士学位论文插图索引21交通标志示例722模式识别系统及其主要功能单元1331 RGB颜色空间模型1532 HSV颜色空间模型1633 HSV阈值分割效果图1734 RGB动态差值法效果图比较1935圆形交通标志定位2l36矩形交通标志定位2237三角形交通标志2238三角形交
19、通标志定位2439三种方法对比效果图25310复杂环境下交通标志定位结果图2741正交基进行稀疏表示图3042图像纹理的秩3043交通标志矫正效果图3544变形的交通标志3645实验结果展示3651交通标志图及其内部纹理4152交通标志实景图与模板图内部纹理提取4153线性可分时的最优分类面4454线性不可分时的最优分类面4655支持向量机的训练流程图4856支持向量机分层识别框架4957内部纹理提取效果对比图50VII图图图图图图图图图图图图图图图图图图图图图图图图无人驾驶汽车的交通标志图文识别与理解附表索引表31实验结果对比一25表41矫正成功率的实验比较结果37表51内部纹理提取算法运行
20、时间对比49表52交通标志初分类51表53不同交通标志识别方法比较51VIII工程硕士学位论文11课题背景和意义第1章绪论近年来，随着我国经济的高速发展，车辆作为人们出行必备的交通工具已很普及，从公众逐步的走向了普通家庭。目前我国人均生活水平的提高，人们对生活物质要求高之余对于安全问题也给予了极大的关注，大众对于车辆的安全性的要求越来越高。目前普通的车辆已不能满足大众需求，因此，车辆的智能化作为一个研究热点，引起了国内外公司和学者的关注。车辆的智能化是指车辆具有人的智能，在面对外界干扰时能摈除干扰做出智能化的抉择，从而提高车辆的安全性。虽然人们的最终目的是开发出无人驾驶车辆，有许多学者和工程师
21、正在做深入的研究，但理想和现实仍有一定的距离，目前能适应各种复杂环境的无人驾驶车辆还未研制成功。无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内计算机系统为主的智能驾驶仪来实现无人驾驶，在未来无人驾驶汽车的潜在研究价值是无可限量的，其中智能交通系统作为无人驾驶汽车的主要核心组成部分，重要性是不言而喻的。智能交通系统是一个综合的、复杂的信息系统，目前尚处于发展阶段。无人驾驶汽车利用车载传感器来感知车辆周围的环境，并根据感知获得的道路、车辆位置和障碍物信息，控制车辆转向和行驶，从而使车辆在道路上安全、可靠的行驶。但面对复杂现实场景下的地理环境，目前的科学技术水平远远达不到纯智能
22、化的要求，但还是可以开发出一些有用的辅助系统用于提高交通工具安全性。如：交通标志的检测，道路检测，行人检测以及路况分析等。其中，交通标志的检测识别是智能交通系统的重要研制方向之一。由于现有的交通标志的复杂性以及多样性使得交通标志检测识别系统成为智能交通研究的一大难题，其形状和颜色的多样性和不确定性在数字图像处理领域也是尚未解决的难题之一，比如：道路检测，人车分离，以及交通标志的检测等。这其中道路交通标志的检测识别己经成为智能交通系统中重要的研究方向【l，2J。交通标志图文识另lJ(Traffic SignRecognition，简称TSR)系统是智能交通研究领域中尚未解决的难题之一，也是数字图
23、像处理中难度较大的问题之一。交通标志是用文字或符号传递道路实况信息的道路设施，交通标志设置要求醒目、清晰、明亮易于辨识。交通标志有多种类型，可用各种方式区分为：主要标志和辅助标志；可动式标志和固定式标志；照明标志、发光标志和反光标志：以及反映行车环境变化的可变信息标志。按颜色来划分交通标志则可分为以下几无人驾驶汽车的交通标志图文识别与理解种：红色、黄色或荧光黄色、蓝色、绿色、棕色、黑色、白色、橙色或荧光橙色、荧光黄绿色。按照形状来划分交通标志则可分为以下几种：正等边三角形、圆形、倒等边三角形八角形、叉形和方形。由于交通标志对于驾驶安全的重要性，研究交通标志的检测识别的方法具有重要意义。无人驾驶
24、汽车的交通标志系统可分为交通标志定位和识别两部分，而交通标志定位算法对最终识别具有关键作用，因此，本文首先选择对该算法进行研究。众所周知，现实场景下采集到的交通标志会产生一定的变形，为进一步提高交通标志识别率，有必要对交通标志矫正算法进行研究。交通标志内部纹理是唯一确定交通标志的信息，如何完整的提取内部纹理，排除背景和轮廓干扰也是本文研究的一个方面。12国内外研究现状随着计算机视觉和计算机技术的不断发展，智能交通系统作为未来车辆的重要组成部分，越来越受到人们关注。各国的汽车数量增长很快，交通标志识别技术应用也逐渐扩大，与交通标志识别相关的技术也得到了较快的发展。交通标志牌识别研究是出现在上个世
25、纪80年代初，最早是由日本和欧洲的一些国家开始，日本在l 987年首先提出了自动交通标志识别算法【3J，并在硬件上实现一些经典算法，如阈值分割，模板匹配等算法，在当时系统定位时间为001 6s，识别时间为06s。到上世纪九十年代，许多国家开始投入到交通标志标志识别研究中来，如美国、法国、德国等，并相继提出了各自的识别方法，如法国Blancard开发了形状处理来实现交通标志的识别【41。1993年美国Kehtarnavaz对颜色和形状进行分析处理来识别“停车”标志【5】，在光线多变的环境下识别率可达到85以上。1986年德国就开始了相关的研究计划，并领先于其他国家，奔驰公司和KoblenzLan
26、dau大学在1994年合作研制出了较为先进的实时的交通标志识别系统【61，通过颜色分割和形状分析的方法对交通标志进行定位，基于统计图来实现交通标志的识别，处理一幅图的速度最快可达33s，但是没有相关的报告。1997年KoblenzLandau大学公布的实时交通标志识别系统的速度达到3幅秒，准确率可以达到90，并已经集成到实际应用中。1994年，Piccioli等研制出一种交通标志分类识别系统【_，通过提取交通标志几何信息作为特征，将定位处理后的交通标志，根据相似性测度与模板交通标志中的特征进行比较，首次实现了交通标志分类识别，其定位准确率达92以上，但其处理每幅图需要平均消耗6秒。同年，Kel
27、lmeyer等人基于神经网络对交通标志图像进行颜色分割和形状分析【8】，正确率仅为76，且每幅图的处理时间超过2工程硕士学位论文2分钟。进入2l世纪，无人驾驶汽车开始出现，交通标志识别也变成了研究的热门领域。2000年，日本大阪大学研制出了自动交通标志识别的视觉系统。该系统通过一远一近两个摄像机来对图像进行采集，近距离摄像头用于寻找目标可能出现的大概区域，再用远摄像头搜索可能区域，最后对确定目标采用模板匹配法进行识别。2001年，美国的Liu和Ran研制出停止标志识别系统【91，该系统基于HSI颜色空间对图像进行颜色分割检测，采用神经网络来实现分类识别。准确率达到95。美国的Arturo de
28、 la Escalera研发出交通标志系统可以应用于交通标志变形情况【10】，系统采用模拟退火和遗传算法，在光线环境多变、变形和遮挡等情况下实现交通标志定位。每幅图的处理时间为O8s，准确率为90。2005年，Gareth Loy实验室和Nick Barnes研究所合作研制出一套交通标志系统，该系统针对交通标志图像形状的对称性和图像的形状，通过确定其质心位置来识别交通标志，识别率为95。美国Fabien Moutarde】等人研制出限速交通标志识别系统。系统对视频帧灰度图中的圆形和矩形进行定位，分割出交通标志的内部数字，经过神经网络来识别数字，该系统在150分钟的实况道路中进行验证，定位率为9
29、0，每幅图的平均处理时间为O7s。我国智能交通系统研究起步晚，国内关于交通标志识别的研究不多，且交通标志识别的研究难度较大，目前还没有基于应用性的TSR系统。一些国内研究机构和高校开始对交通标志识别系统进行了大量的研究。其中成绩比较突出的有台湾ChiungYao Fang121等人开发出一种交通标志定位跟踪的方法，该方法采用两个神经网络去提取交通标志的颜色和形状特征。在帧图像的跟踪中，在前一帧图像中定位的交通标志，通过卡尔曼滤波器，可以实现后续帧对该交通标志的跟踪定位。该方法在环境复杂的情况下，交通标志也能很好的被定位跟踪。13交通标志识别存在的问题交通标志都是采用国家标准，因此在道路上其安装
30、位置就具有一定的规律性，且交通标志的颜色、形状和内部纹理都是依据国际标准来制定的，因此交通标志的检测就有某些相似的方法，基于这个角度来看交通标志检测似乎不太复杂。但是，在现实场景中，存在了太多的因素影响到交通标志最终的检测效果，因此，它比一般的非自然场景的目标识别更具难度。总体来说，问题存在以下几点【l 3】：(1)复杂的道路场景，如复杂的背景，较多的相似物体；交通标志变形、遮挡、无人驾驶汽车的交通标志图文识别与理解褪色；光线的明暗等情况。(2)户外交通标志长时间暴晒雨淋，其表面会存在颜色失真，交通标志在摄取过程中，由于车辆的运动，会造成图像模糊，拍摄的角度不同，也会造成交通标志图像出现不同程
31、度的几何失真。(3)交通标志系统处理的都是彩色图像，其包含的数据量非常大，且处理彩色图像的理论和技术还不是很成熟，需充分考虑图像检测和识别时算法的实时性和实用价值。(4)交通标志图像的类别很多，很多比较相似，不同国家有不同的标志，且有些交通标志并不符合国家标准，因此要求技术和算法有较高的鲁棒性和智能型。(5)目前，还没有标准的交通标志数据库对已有的各类交通标志检测方法进行评价和比较。综上所述，从现实场景摄取到的图像存在着很多的。不确定性，性能优越的交通标志识别系统，要能对各种实时场景做出正确响应，这要求交通标志识别系统要有较强的鲁棒性和稳定性。智能方法对解决TSR问题很有价值，但目前智能方法还
32、不够成熟，因此需要与非智能方法结合，才能获得较好的效果。14本文研究的主要内容本文主要是对道路交通标志图像进行研究，探讨了交通标志相关的检测和识别技术，包括图像预处理、基于颜色和形状的交通标志定位、图像矫正、交通标志特征提取和识别等。本文具体工作如下：(1)结合RGB动态差值法和形状信息实现交通标志定位。首先在基于颜色粗定位方面，对比了RGB颜色空间与HSV颜色空间的颜色分割方法，基于算法实时性的考虑，采用了RGB动态差值算法来对交通标志图像进行颜色分割。通过RGB空间各分量的差值初步提取交通标志区域，对目标区域的像素进行均值处理，并基于区域均值建立新的差值，最后完成交通标志颜色分割，获得较好
33、的效果同时保证了实时性。其次在基于形状精确定位方面，对三类交通标志的形状进行了形状分析和算法设计，对三角形采用了多变形逼近算法实现定位。实验结果显示在复杂的场景下定位效果较好。(2)采用稀疏低秩逼近算法来实现交通标志矫正。交通标志内部纹理具有对称性以及轮廓规则性，基于这种特性，本文基于稀疏低秩逼近算法，结合仿射变换，针对交通标志内部纹理区域，分别在x，Y方向轴设置仿射变换矩阵，计算每步的稀疏秩，并通过软阈值判断是否为最优低秩矩阵，最优低秩图像纹理对应为最终矫正的交通标志图文，并与基于仿射变换的交通标志矫正方法进行对比，实验显示本文方法具有较强的鲁棒性。工程硕士学位论文(3)提出了基于显著性特征
34、提取交通标志内部图像的方法。交通标志内部纹理提取的质量直接影响到最终的识别结果，因此本文基于直方图对比度来提取交通标志内核，在RGB色彩空间计算R分量中每个颜色的距离度量，获取各颜色像素的显著性值，对颜色空间做平滑处理，最后采用最大类间方差法获取显著图的阈值并二值化。实验对光线不强和模糊的交通标志进行处理并与传统阈值方法进行比较，实验效果较好，算法鲁棒性强，提高了最终的识别率。(4)在VC+60、opencvl0和Matlab711的实验工具下，完成了上述算法实验。15本文的结构本文共分五个章节，各章内容安排如下：第一章，绪论，介绍了交通标志识别系统的研究背景和意义，国内外研究现状，交通标志识
35、别技术存在的问题以及本文研究的主要内容和结构。第二章，交通标志识别的基础理论，主要介绍了交通标志的相关基本知识以及交通标志识别相关的图像预处理技术和模式识别技术，图像预处理包括图像增强、图像分割、数学形态学处理等。第三章，交通标志分割和定位方法研究。本章包括三部分，首先介绍了本文应用的彩色空间；第二部分，基于HSV空间采用固定阈值分割图片，分析了RGB差值方法并进行了改进，并对各方法的颜色分割效果和算法实时性进行了比较，实验显示，本文采用的算法有较好的分割效果和实时性；第三部分，对三类交通标志的形状进行了形状分析和算法设计，定位出圆形、矩形和三角形，并取得较好的效果。第四章，采用稀疏低秩逼近算
36、法来实现交通标志矫正。该方法对现实场景中变形的交通标志实现矫正取得较好的效果，并与基于仿射变换的方法进行比较，实验显示，该方法具有较强的鲁棒性，可以有效的提高交通标志下一步识别效果。第五章，交通标志特征提取与分类识别，提出了基于显著性特征提取交通标志内部纹理的方法，并与传统的阈值提取进行比较，实验表明，本文方法提取效果较好，鲁棒性强。在分类识别部分，采用基于颜色和形状对交通标志进行初分类，提取交通标志内部纹理的网格特征作为输入特征，实现交通标志的最终分类识别。最后是论文的总结部分，对全文的工作进行总结，并提出下一步研究工作的展望。无人驾驶汽车的交通标志图文识别与理解第2章交通标志识别的基础理论
37、21交通标志的相关知识交通标志作为给驾驶员及行人提供信息的工具，它有自身的显著特征，充分认识交通标志的特征并运用到识别中，可以极大的提高识别的精度，因此需要对交通标志的相关知识及特征有较深入的了解。本章主要介绍了交通标志基础知识及相关的图像处理技术。211交通标志的基本知识交通标志主要通过不同的颜色，形状及图文把道路信息传递给驾驶员及行人，保证道路安全、顺畅。我国于1986年第一次颁布了交通标志设置标准(GB576886)，2009年进行了修订后升级为GB5768-2009，现行使用的是2009年修订后的标准n 4|。所有这些道路交通标志从生产设计到实际道路上的安装都是严格按照既有的相关规定来
38、进行的。由该标准可知，交通标志分主标志和辅助标志，主标志为指示标志、禁令标志和警告标志等，本文主要研究也是针对这三类交通标志。222交通标志分类及特点分析我国交通标志具有不同的颜色和形状特征n 51，颜色特征主要有：蓝色、红色及黄色，形状主要有：矩形、圆形、正八边形及正三角形。如指示标志的颜色为蓝色，轮廓则有圆形和矩形；禁令标志颜色为红色，轮廓大都为圆形；警告标志的颜色为黄色，轮廓为顶角向上的等边三角形，而且这些交通标志都具有对称的特定。图21为三类交通标志的标准示例，本文以这三类标志作为主要研究对象。(a)指示标志0(b)禁令标志工程硕士学位论文(c)警告标志图21交通标志示例根据交通标志国
39、家标准，可以获得交通标志相关的先验知识，并将其应用到交通标志识别系统中，效果会更好。总的来说，可以将其概括为如下几点：(1)每类交通标志都有各自的颜色和形状，如红色圆形表示禁令标志，黄色三角形表示警告标志，蓝色矩形表示指示标志等，交通标志检测和识别过程中需要这些特征信息，但由于自然场景的复杂性，还需考虑不同环境的差异。(2)每类交通标志的大小比例和其内部的纹理、纹理所占的比例、描述及大小等都是按照国家标志。(3)在自然场景中，交通标志一般安装在道路的右边距离路面2到45米高的地方，安装位置也是根据道路上具体的情况而定，没有统一的标准。将这些先验知识应用到交通标志识别系统中，则根据先验知识来处理
40、感兴趣的图像区域，从而能够极大的提高系统的处理速度。(4)交通标志在户外场景，会造成包括破损、扭曲、部份被遮挡的情况出现，天气的因素也对图像采集有很大的影响，如太阳光照而使局部变亮。交通标志安装时可能被连在一起，因此我们常常可以看到两个或更多的交通标志一起出现。22图像预处理技术221图像增强技术2211直方图均衡现实场景的交通环境复杂，光线强度也各不相同，因此拍摄到的交通标志区域对比不足，例如光线过暗或光线过亮时造成图像的细节特征模糊。直方图均衡目的是改善图像的视觉效果，有目的地增强图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，达到
41、增强图像对比度的效果。直方图均衡化，简单地说，就是对图像进行非线性拉伸，对图像像素值进行重新分配，从而使一定范围中的像素数目大致相同。g(x，Y)表示均衡化前的图像，f(x，Y)表示均衡化后的图像，公式表示如下n 61：f(x，y)=Dg(x，y) (21)式(21)中，D表示转换操作，图像灰度级取值范围为O，L一1】，三表示灰度图无人驾驶汽车的交通标志图文识别与理解的灰度级，直方图均衡的函数公式表示如下：胁川2喜鲁2喜驰如棚】 (22)其中K的取值范围为O，Ll】，乞表示g(x，Y)在f级灰度时的概率。经过直方图均衡化处理，增强了图像的细节特征，增强了整个图像的对比度，但具体的灰度增强效果不
42、易控制，需要通过先验知识，并判定图像中需要处理的区域及条件，选取适当的规定化函数。2212图像平滑图像平滑是一种实用的数字图像增强处理技术，也称“模糊处理“，其目的是为减少图像的噪声，常用的平滑滤波分为线性和非线性两种：(1)线性滤波有均值滤波，其滤波方法采用邻域平均法，基本原理是图像的像素值由周围临近的像素平均值替代。均值滤波的缺陷是不能很好的保护图像细节，处理后图像变得模糊，不能很好的去除噪声点。(2)非线性滤波有中值滤波，其最早由JW屁如y于1971年提出的，应用在处理时间序列信息方面，基本原理是将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波算法是在图像使用一个二维的移动窗口，将窗口内的像素值按大小进行排序，生成单调上升(下降)的二维数据序列。中值滤波公式如下：g(x，y)=medf(x-七，Y-t)，(七，w) (23)其中f(x，y)，g(x，y)分别为原图像和处理后的图像，W为二维窗口，通常为2*2，3枣3区域，也可以为不同的形状，如矩形，线性，圆形及十字形等。中值滤波不依赖于像素领域内与典型值相差很大的值，也并非简单的取平均值，因此在滤除脉冲和椒盐噪声时，可克服线性滤波器带来的滤波后图像细节模
