论文部分内容阅读
无人驾驶系统和先进辅助驾驶系统是智能交通的重要组成部分。道路交通标志自动检测与识别是无人驾驶系统和先进辅助驾驶系统的关键问题之一。在交通标志中，矩形交通标志上包含丰富的道路交通信息，如文本、符号等内容，这些信息对于提高交通安全和通行效率起到重要作用。因此快速检测并提取矩形交通标志中包含的文本信息具有重要的研究价值和应用前景。 本论文以中国矩形交通标志内的中文文本为研究对象，对矩形交通标志内的中文文本进行检测并提取文本行。本文的工作主要包括以下几个方面: (1)矩形交通标志中文本区域的粗检测。首先采用了RGB和HSV颜色空间相结合的方法对图像进行预处理以减少颜色失真和光照变化等因素对文本检测的影响。之后改进了基于八叉树颜色量化的多分层算法实现文本区域的粗检测。 (2)矩形交通标志中文本区域的精确检测。在文本粗检测的基础上，给出了一种基于学习的多级联过滤算法实现文本区域的精确检测。具体而言，使用几何特征和HOG特征结合Adaboost分类器构成检测过滤系统，去除非文本区域。最后设计了丢失文本区域召回算法，提高文本区域的查全率。并采用非极大值抑制算法提高文本检测的精确度。 (3)矩形交通标志中文本行的检测。针对精确检测的文本区域，改进了基于核逻辑回归的度量学习实现文本行的检测。该方法对矩形交通标志中文本区域大小不一，分布错乱和间距不等具有较好的鲁棒性。 为了测试本论文提出算法的性能，本文建立1509幅中国矩形交通标志数据库，从中随机选择436幅图像作为测试图像、其余的1073幅作为训练图像。测试结果为单个文本的召回率在88.63％，精确度95.81％。文本行的召回率在89.94％，精确度在93.26％，实验结果表明了本论文算法的有效性。