基于RGB视觉模型的交通标志分割

提出了一种基于RGB视觉模型的交通标志分割算法。该算法可以避免光照和天气的影响,试验结果和算法本身均表明该算法具有很好的鲁棒性且算法易于实现,非常便于实时处理和硬件实现。

脉冲同步发放特性实现彩色交通标志分割

自然场景下道路交通标志自动分割是导航系统的关键环节,为充分利用交通标志特殊的彩色信息,通过模拟人类视觉感知中锥状细胞和杆状细胞感受色彩的过程,利用脉冲耦合神经网络的脉冲捕获特性和同步发放特性,分别计算不同颜色成分在R、G、B 3个色彩分量中神经元点火产生自动波的时间,用最大熵法求解最佳迭代次数,经过逻辑"与"运算得出分割区域。通过GB 5768—1999和自然场景彩色交通标志图像进行实验,对比传统的将彩色图像转化成灰度图像的实验结果,选定合适的参数,都能够完整地将交通标志区域从复杂背景中分割出来。采用视觉感知脉冲同步发放特性能够充分利用图像色彩信息,为脉冲耦合神经网络的彩色图像处理方法提供依据。

基于人类视觉系统的交通标志优化分割方法

交通标志的有效分割是交通标志识别系统中的关键问题.针对禁令标志颜色特征,结合人类视觉系统的颜色感知特点,首先以颜色分量R(红)、G(绿)、B(蓝)作为输入特征量构造颜色特征粗分类器,再通过计算粗分类结果的特征量与红色特征类标准样本中心的矢量余弦,得到颜色相似度特征灰度图,用改进的Otsu方法实现标志的最终分割,最后给出了通过训练粗分类器优化分割结果的方法.实验结果表明,本文的分割方法可在不同气候条件下,有效地提高交通标志分割效率,具有较好的鲁棒性.