论文部分内容阅读
SIFT算法是一种基于尺度空间的、对图像大小变化、旋转变化甚至仿射变换依然保持不变性的匹配算法。近年来,已有学者开始尝试将SIFT算法应用于道路交通标志的检测与识别。可是,将SIFT直接应用到交通标志的检测与识别,会引入大量无关的特征点,降低算法的效率,同时造成算法的不稳定。而且,经典SIFT算法的特征描述子由灰度图像生成,忽略了颜色信息,造成图像的匹配性能下降。虽然,已有的基于彩色图像的SIFT算法,如HSV-SIFT、OpponentSIFT、RGB-SIFT和W-SIFT等能首先分别计算图像三个通道的128维特征向量,然后合成一个128*3维的特征向量,最终完成彩色图像的目标匹配。但是,在光照变化时,这些算法匹配效率普遍不高,而且它们的特征向量维数高于经典SIFT算法,造成算法运行时间大大增加,因此应用于实际场景下的交通标志检测与识别也将遇到较多困难。为了减少无效的特征点数的干扰,论文基于检测-识别的框架,在使用SIFT算法进行识别前,首先使用颜色特征检测出交通标志的ROI区域；为了使算法具有更好的稳定性,本文去除了非一一映射的匹配点对,并且计算特征点与图像中心的夹角,去除夹角差过大的匹配点对。实验表明,加入了ROI区域计算和误点筛选的SIFT算法具有更好的识别能力。传统基于颜色特征的交通标志检测算法在低照度的情况下会失效,论文提出一种融合亮度与饱和度特征的交通标志检测方法,结合动态的亮度阈值与饱和度阈值,并利用颜色特征对交通标志进行检测定位。提出一种利用亮度和饱和度修正色调的改进的颜色直方图,忽略饱和度和亮度较小的像素点,提高了算法的稳定性。另外,在此基础上再提出了一种基于概率模型的改进颜色直方图,并将它与SIFT算法结合起来,使SIFT算法能够实现彩色图像的匹配。实验表明,本文的交通标志检测方法可以在低照度的情况下准确检测出交通标志；相对于传统SIFT算法,结合了改进的颜色直方图的SIFT算法具有更高的鲁棒性和更好的识别性能。