[发明专利]一种自然场景中圆形交通标志定位方法

说明书

技术领域

本发明涉及一种交通标志的定位方法，尤其涉及一种自然场景中圆形交通标志的定位方法。

背景技术

汽车是现代社会必不可少的交通工具之一。汽车在大规模普及的同时也带来了一系列的交通问题，尤其是交通堵塞问题。智能交通系统将智能控制技术、通信技术、传感器技术、人工智能和模式识别等先进技术运用于交通运输和智能调度，从而形成一种自动、智能、高效、便捷的交通运输调度与管理系统。

交通标志识别是智能交通系统必须解决的科学问题。交通标志识别包含两项子任务：图像中交通标志的定位以及其类别的识别。如何在复杂的自然场景下，准确的定位到图像中交通标志对应的子区域，是交通标志识别的一个基础并且重要的问题。在进行目标区域定位时，现有的算法通常都借用Hough变换等方法进行定位。但对于复杂的自然场景中的图像而言，由于干扰点较多，定位到正确目标区域的成功率较低。

发明内容

本发明的目的是提供一种自然场景中圆形交通标志定位方法，能够在较为复杂的自然场景中准确地定位一幅图像中圆形交通标志对应的子区域，有效克服了现有定位方法因图像形变而导致定位成功率较低的缺陷，极大地提高了定位效率及定位精度。

本发明采用下述技术方案：

一种自然场景中圆形交通标志定位方法，依次包括以下步骤：

A：利用圆形交通标志的颜色特征，在将原始图像的RGB色彩模型转化为HSV色彩模型后，把符合红色所对应的颜色空间范围的像素点作为候选像素点，所有候选像素点所构成的各个子区域作为图像中可能包含圆形交通标志的候选区域；

B：对转化为HSV色彩模型的原始图像进行二值化处理和中值滤波，得到二值图像；

C：利用Susan算子，在步骤B所得到的二值图像中确定位于候选区域边缘的候选像素点，并保留作为边缘点；

D：对步骤C保留下来的每个边缘点，使用Sobel算子分别计算每个边缘点的梯度方向；

E：将步骤D中保留的三个边缘点为一组边缘点组，寻找满足椭圆的极和极弦性质的所有的边缘点组的集合；

F：对于步骤E中得到的满足椭圆的极和极弦性质的所有的边缘点组的集合，利用椭圆的一般方程公式，求解所有的椭圆方程，并将对应的椭圆加入椭圆候选集合中；

G：对步骤F中得出的椭圆候选集合中的椭圆进行筛选，剔除椭圆候选集合中实际上不存在的椭圆，将最终保留下来的椭圆候选集合中的椭圆作为最终定位的圆形交通标志所在的位置。

所述的步骤A包括以下具体步骤：

A1：使用如下公式将原始图像的色彩模型从RGB转化为HSV，

v＝max

其中，r、g和b分别为图像RGB色彩模型中红色、绿色以及蓝色的强度值；max为r、g和b中的最大者；min为r、g和b中的最小者；

A2：设定红色所对应的颜色空间范围是：H∈[0°，16°]∪[315°，360°]，S∈[40％，100％]，V∈[10％，80％]，将图像中符合设定的红色所对应的颜色空间范围的像素点作为候选像素点并进行保存，所有候选像素点所构成的各个子区域作为图像中可能包含圆形交通标志的候选区域。

所述的步骤B包括以下具体步骤：

B1：在转化为HSV色彩模型的原始图像中，将步骤A2中保存下来的候选像素点的像素值设置为1；将候选像素点以外的其它像素点的像素值设置为0，得到二值图像；

B2：对B1步骤得到的二值图像进行中值滤波，最终得到中值滤波后二值图像中像素值为1的每一个像素点；

中值滤波的具体方法如下：

对于步骤B1中得到的二值图像中像素值为1且具有8个相邻像素点的每一个像素点P_n，将像素点P_n及与其相邻的8个像素点作为一个观察窗，观察窗中9个像素点形成3×3矩阵排列，从左至右、从上至下依次为P_n-4、P_n-3、P_n-2、P_n-1、P_n、P_n+1、P_n+2、P_n+3和P_n+4；然后，判断该观察窗内像素值为1的像素点的个数是否大于5，如果大于5，则P_n像素点的像素值保持不变；否则将P_n的像素值设为0；最终得到中值滤波后二值图像中像素值为1的每一个像素点。