HU不变矩特征在道路交通标志识别系统中的应用

江治国（安徽国防科技职业学院机电工程系,安徽六安237011）

HU不变矩特征在道路交通标志识别系统中的应用

江治国
（安徽国防科技职业学院机电工程系,安徽六安237011）

在交通标志识别系统设计过程中,对于交通标志的特征提取是关键技术之一.针对交通标志图像的不变矩特征,利用Hu不变矩检测交通标志,并采用最小距离分类器对其特征向量进行分类,最后通过Matlab和C++仿真验证,结果表明能够较好地检测出交通标志的特征.

交通标志识别；图像矩特征；最小距离分类器

车辆的安全性是当前汽车制造商和消费者普遍关心的问题之一,很多国家的科研人员致力于智能交通系统（intelligenttransportation system,ITS）的研究.该系统通过车载摄像头采集行车中遇到的人、车、物、景、指示标志等图像信息,处理后进行智能判别,主要通过软件实现,设备成本很低.道路交通标志的识别是ITS中关键技术之一,要正确识别出交通标志,在对图像进行预处理后,需能正确地检测出交通标志的特征.交通标志的特征提取的算法很多,基于颜色的特征、基于形状的特征、基于纹理的特征、基于图像特征点等均能够提取出交通标志的特征,然后利用支持向量机、神经网络聚类等算法对交通标志进行识别,但在最后的识别系统设计中一般都需要对样本进行训练,过程比较繁琐复杂[1-3].

本文主要探讨ITS道路交通标志识别过程中Hu不变矩特征在道路交通标志检测中的应用.通过采用基于边界的Hu不变矩来提取交通标志的特征,然后采用最小距离分类器对交通标志进行分类识别,既降低了运算量,同时又保证了系统的识别率.

1 HU不变矩特征理论

Hu利用代数不变性理论,提出几何矩的概念[4].定义为：二维M×M的图像{f(x,y),x,y=0,...,M-1},则(p+q)阶几何矩定义为

为保持不一样图像的几何矩相同,故将图像标准化处理,使M×M大小的图像转变成正方形,当x ∈[-1,+1],y∈[-1,+1]时（,p+q）阶中心距变成

为让几何矩具备平移不变性,将几何中心距定义成

这时对规则化的中心距进行非线性组合,产生7个大小、平移和旋转不变性的Hu不变矩.

2 HU不变矩特征检测交通标志

利用基于边界的Hu不变矩来提取交通标志的特征,因为基于区域的Hu不变矩在提取交通标志特征时计算像素过多,增加了计算量[5].首先对图像进行二值化处理,再使用canny算子对图像进行边缘检测[6],图1为交通警告标志经过二值化和边缘检测处理后的效果.

图1 二值化和边缘检测处理后的效果Fig.1 The effectofbinarization and edge detection

将图1（a）经过缩小、旋转变换得到图2所示的3个样本模板,对其分别进行二值化和边缘检测处理后,利用基于边界的Hu不变矩得到4个样本的7个Hu不变矩,如表1所示.

图2 原图及变换后图片Fig.2 Originaland transformed picture

表1 样本的边界不变矩Tab.1 Unchanged from the sample boundary

采用欧式距离法来描述两个特征值之间的相似度[7],根据上述计算的边界不变矩特征值,将区别明显的平均值作为匹配模板的特征值令(φ1,φ2,φ3,φ4,φ5,φ6,φ7),φ1～φ7是标记区域的7个边界不变矩.设图像区域为S,D（ii=1,2,…,n）是图像边界封闭子区域,n是预处理后图像独立子区域数.当Di∈S时,计算与Di相对应的.得到模板如表2所示.

表2 模板样本边界不变矩Tab.2 Unchanged from the template boundary

采用欧式距离来测度样本与模板的相似性,对提取出的特征向量与模板进行匹配,欧式距离公式为：为自然数,x、y为待测目标向量和模板向量.

基于边界的Hu不变矩来提取交通标志的特征的程序流程图如图3所示,部分C++程序代码如下//利用OpenCV函数求7个Hu矩

CvMoments moments；

CvHuMoments hu；

cvMoments（bkImgEdge,&moments,0）；

cvGetHuMoments（&moments&hu）；cout＜＜hu.hu1＜＜"/"＜＜hu.hu2＜＜"/"＜＜hu.hu3＜＜"/"＜＜hu.hu4＜＜"/"＜＜hu.hu5＜＜"/"＜＜hu.hu＜＜"/"＜＜hu. hu7＜＜"/"＜＜"/"＜＜endl；

cvMoments（testImgEdge,&moments,0）；

cvGetHuMoments（&moments,&hu）；cout＜＜hu.hu1＜＜"/"＜＜hu.hu2＜＜"/"＜＜hu.hu3＜＜"/"＜＜hu.hu4＜＜"/"＜＜hu.hu5＜＜"/"＜＜hu.hu6＜＜"/"＜＜hu. hu7＜＜"/"＜＜"/"＜＜endl；

//计算相似度

double dbR=0；//相似度

double dSigmaST=0；

double dSigmaS=0；

double dSigmaT=0；

double temp=0；

{for（inti=0；i＜7；i++）

{

temp=fabs（Sa[i]*Ta[i]）；

dSigmaST+=temp；

dSigmaS+=pow（Sa[i],2）；

dSigmaT+=pow（Ta[i],2）；

}}

dbR=dSigmaST/（sqrt（dSigmaS）*sqrt（dSigmaT））；

图3 算法流程Fig.3 Algorithm flow chart

3 实验结果与分析

采用基于边界的Hu不变矩来提取交通标志的7个不变矩特征值,将其当做一个特征向量,利用最小距离法作为识别的判决准则与标准模板进行匹配[8].表3是通过实验得到的匹配计算列表.

表3 欧式距离匹配计算Tab.3 Matching calculation based on leasteuclidean distance

由表3可知,基于边界的Hu不变矩提取交通标志的7个不变矩特征值,采用最小距离法与标准模板进行匹配,能够较好地识别出交通标志.

4 结语

采用Hu不变矩特征对道路交通标志进行检测,能够较好地检测出交通标志的特征,而且Hu不变矩特征能够降低运算量,这样就提高了系统的运行速度.采用Hu不变矩特征进行匹配,不需要进行复杂的训练学习,计算简单,而且匹配的速度较快.当然对于交通标志的检测还有其他更为简洁的算法,还需做进一步的研究和探讨.

[1]朱国康,王运峰.基于多特征融合的道路交通标志检测[J].信号处理,2011,27（10）：1616-1617.

[2]王永平,史美萍,吴涛.快速鲁棒的交通标志检测方法[J].计算机工程与应用,2010,46（32）：163-165.

[3]李宁,陈彬.实用交通标志自动识别方法[J].上海师范大学学报,2006,35（5）：53-59.

[4]Besserer B,Estable S,Ulmer B.Multiple knowledge sources and evidential reasoning for shape recognition[C].IEEE,Computer Vision,Proceedings.,Fourth InternationalConference on,1993：624-631.

[5]田存伟,葛广英,魏丽芹.基于彩色图像不变矩的交通标志特征提取方法[J].聊城大学学报,2009,22（4）：29-31.

[6]Gonzalez R C,Woods R E.数字图像处理：MATLAB版[M].Eddins S L,阮秋琦,译.北京：电子工业出版社,2012：46-77.

[7]张铮.数字图像处理与机器视觉[M].北京：人民邮电出版社,2010：140-175.

[8]朱双东,张懿,陆晓峰.三角形交通标志的智能检测方法[J].中国图象图形学报,2006,11（8）：1129-1130.

（责任编辑：卢奇）

Application of HU invariant moment features on road traffic signs identification systems

Jiang Zhiguo
（AnhuiNationalDefence VocationalCollege,Lu'an,237011,China）

In the design process of traffic sign recognition system,feature extraction is one of the key technologies for traffic signs．Aiming at traffic signs image invariant moment feature,by means of typical characteristic of Hu invariant moment detection of traffic signs,feature vectors are classified by using of minimum distance classifier．Finally, adoption of the C++and Matlab simulation,results showed better detect traffic signs features．

traffic sign recognition；image moments；minimum distance classifier

TP391

A

1008-7516（2013）01-0077-05

10．3969/j．issn．1008-7516．2013．01．019

2012-11-20

中央财政支持“高等职业学校提升专业服务能力项目”（580202）

江治国（1982-）,男,安徽六安人,助教,硕士．主要从事数字图像处理研究．