随着经济的快速发展,我国迅速步入汽车社会,交通安全和通畅成为社会普遍关注的问题。在这种情况下,人们开始投入智能交通系统(ITS)的研究中,智能交通系统(ITS)包括智能基础设施和智能车辆,其核心技术涉及模式识别、图像处理、数字信号处理、人工智能、电子技术、信息技术、通信技术和系统工程技术等,是一门综合性学科。 道路交通标志识别(RSR)系统是智能车辆的重要组成部分,它在车辆行驶过程中对出现的交通标志信息进行采集和识别,可及时地向驾驶员做出指示或警告,或者直接控制车辆的操作,以保持交通通畅和预防事故的发生。交通标志的自动分割和识别是智能车辆的重要软件支撑,具有重要的理论意义和实用价值。交通标志识别的研究对计算机视觉中的目标静止相机运动(MCOS)类视觉问题的解决起到积极的推动作用。 在我国,由于智能车辆的研究起步较晚,因而目前作为成果应用的道路交通标志识别(RSR)系统还没有。但汽车牌照自动识别系统,集装箱型号识别系统,以及类似的一些自动识别系统已经投入使用并产生了较好的效益。可喜的是国内一些研究机构、大专院校也已经开始关注,并且着手研究道路交通标志识别系统(RSR),并且已经有一些初步成果。交通标志的自动分割和识别系统处理的对象是具有复杂背景的交通标志图像,而且存在交通标志的光照、褪色、变形、污损等问题。所以RSR系统的研究中,有若干关键问题需要深入研究。 本文的研究主要内容包括:基于颜色的图像分割方法(一级分类法):速度快、效率高的形状分类方法(二级分类法)、基于Laplace核统计分类器的细分方法(三级分类法)。在基于颜色的图像分割的研究中,通过对交通标志色彩特征的研究,提出了不受光照影响的基于HSV模型的交通标志分割方法,H(色度)表示不同的色调;S(饱和度)表示颜色的深浅;V(亮度)表示颜色的明暗程度。该方法对采集到图像受光照影响大、有褪色等情况有较好的适应性。不同类的交通标志有不同的形状,所以其形状信息是交通标志除颜色之外的又一核心信息,在形状分析部分我们提出了一种速度快,效率高的形状分类方法。Laplace核统计分类器是基于Bayes分类模型的非参数分类器,它与其它分类模型的分类器相比有着很大的优势:此模型具有自学习和容易扩展的特点,它对交通标志的旋转、变形、污损、遮挡等现实中可能的情况有较好的适应能力。将之用于交通标志模式的识别是合适的。最后,我们把系统作了实现,其中包括文中所研究的图象分割,形状分类,Laplace核统计分类器的学习和分类等算法。