計算機視覺交通路標識別中層次輪廓技術(shù)的應用

計算機視覺交通路標識別中層次輪廓技術(shù)的應用摘要：隨著我國科學技術(shù)的進一步優(yōu)化，計算機視覺應用范圍變得越來越廣，尤其是交通道路路標識別中。但面對現(xiàn)階段計算機視覺對交通路標識別存在的復雜性與不穩(wěn)定性等問題，隨之提出了通過圖像輪廓識別技術(shù)運用的解決方法。同時，文章也將針對層次輪廓計算機視角的交通道路標識別進行研究，進而保證路標識別上的穩(wěn)定性。關(guān)鍵詞：層次輪廓;計算機視角;交通道路;路標識別;在數(shù)字化技術(shù)全面發(fā)展的今天，計算機視角應運而生，且在實際生活中得到了廣泛應用，特別是在交通路標的識別中。當前，從計算機視角而言，它也屬于機器視覺中的一種，在對相關(guān)交通路標識別時，主要是依靠路標的顏色空間來進行區(qū)分的，因此在這一過程中，需要有效地結(jié)合不同的算法來提取，然后開展相關(guān)的工作。另外基于計算機的視角，不管是對交通路標圖像的采集還是傳輸?shù)?，其過程均會對圖像質(zhì)量產(chǎn)生影響，進而影響到識別效率。再加上用于成像的充電耦合器件（ChargedCoupledDevice,CCD）圖像傳感器，若存在分辨率低、光路選擇不恰當?shù)葐栴}，均將導致采樣交通路標迷糊等不良情況。因此，加大對層次輪廓計算機視角的交通道路標識別、提高識別穩(wěn)定性極為迫切。針對該方面內(nèi)容，文章首先對層次輪廓技術(shù)基礎(chǔ)進行闡述，其次分析計算機視覺交通路標識別，最后通過仿真實驗，驗證層次輪廓計算機視角的識別效率高，以供參考。1、層次輪廓技術(shù)基礎(chǔ)在層次輪廓技術(shù)基礎(chǔ)分析上，文章從圖像提取與識別這兩個方面進行分析。第一，關(guān)于圖像提取的內(nèi)容分析，當前可以了解到大部分的路標幾乎都是相似的，因此需要使其機器在視覺識別上更加關(guān)注交通路標的結(jié)構(gòu)信息，并且對交通路標圖像中的某一個像素點，可以使用其他的方式來進行了解。例如，首先，可以先找尋出交通路標中的輪廓以及多個圖像塊，將每一個圖像塊的距離進行設(shè)置為4；其次，將圖像分割為12×12的路標圖像小塊，就可以在減少計算機對信息進行重復讀取的同時，較好地避免出現(xiàn)分塊損失的情況；最后，利用計算機的每個子圖像塊判斷高頻區(qū)域的細節(jié)信息。第二，圖像識別。根據(jù)相關(guān)的研究調(diào)查可知，圖像邊緣特征在提取以及圖像分塊的時候，很容易出現(xiàn)厚邊或者是端點等情況。這些情況的出現(xiàn)不僅會導致輪廓圖像精確度欠佳，而且很容易造成信息丟失。因此，文章通過對輪廓圖像的分層識別研究，提出4個層次對圖像的識別與匹配。另外，從光滑程度上來進行分析可以發(fā)現(xiàn)，當在對其開展圖像輪廓的匹配過程中，除了一些幾何特征容易被識別出來，其他的輪廓曲率很難被識別出來。但是在實際的使用過程中，因為數(shù)字圖像中的輪廓諸多都是以像素點的放水來進行表達的，這便在一定程度上使其光滑性很難被表達出來，導致了曲率的計算存在著一定的難度[1,2]。在系統(tǒng)復雜度的衡量中信息熵作為其中不可缺少的一部分，主要是通過計算機劃分隨機對圖像子塊出現(xiàn)的期望值進行獲取。根據(jù)最終得出的結(jié)果可知，該過程中的信息量會伴隨著信息熵的不斷提升而增加。2、計算機視覺交通路標識別在采用層次輪廓識別計算，實現(xiàn)計算機對交通圖標的精準識別過程中，面對這種情況，首先，需要做的便是對二值圖像進行一定的檢查，才能夠在得到輪廓圖像的同時得到輪廓像素點；其次，采取其他的方式來對輪廓特點進行表達。就當前清晰的交通路標而言，這一個路標中有著諸多高頻的圖像，這些圖像在經(jīng)過一系列的低通濾波處理之后，便會失去高頻的信息成分，從而導致了濾波前后的圖像差異十分大，最終的結(jié)構(gòu)相似度存在誤差。相反，如果交通標志小塊而僅損失少量高頻信息，則在低通濾波器之后，高頻分量在任何時候都相對較小，前者與后者之間的路標差較小且濾波器較小，最終結(jié)構(gòu)相似度較大。另外，根據(jù)交通標志輪廓形狀度量的變化，可以使用特征對其進行描述，從而實現(xiàn)不同交通圖標形狀的友好區(qū)分。也就是說，常見的路標圖像可以用圓圈或正方形表示。如果在此過程中輪廓線長度相同，則其指向距離的標準偏差應為0.00,0.34和1.00。作為交通標志的3個主要內(nèi)容，禁止、警告和指示的每個專業(yè)都必須具有統(tǒng)一的輪廓線類型交通標志。例如：禁止類型的交通標志應以黑色三角框的變色背景表示，警告類型的交通標志應以黃色背景和黑色方形框表示，知識類型的交通標志應以藍色背景和白色圓圈框表示。最后，根據(jù)層次輪廓計算機視角下交通路標識別的實際情況可知，該類計算機視覺對交通路標識別有著很好的穩(wěn)定性與容錯能力。3、仿真實驗Inteli7-4850HQ處理器作為文章仿真實驗研究中的主要硬件環(huán)境，其物理內(nèi)存為4GB,Windows7的操作系統(tǒng)為64位，該算法在Matlab軟件中編程。在此實驗中，收集了300個交通標志圖像進行實驗，每個圖像都是1280×800像素的JPG格式。另外，由于交通道路中周圍環(huán)境引起的部分遮擋和光強度的差異，利用交通圖收集信息識別判斷是錯誤的。實驗前，需要對采集到的交通標志圖像進行仔細篩選，以最大限度地減少由于采樣誤差引起的計算機視角識別誤差現(xiàn)象。此外，為了驗證所提出的層次輪廓計算機視覺在交通標志識別和分析中的合理性，文章通過兩個實驗進行比較驗證。在實驗1中，使用畸變圖像的主觀主動評分和沒有參考結(jié)構(gòu)的清晰度來提取和分析圖像的畸變差異。在實驗2中，從層次輪廓計算機的角度識別圖像，然后判斷算法的有效性。(1）在實驗中，300個交通標志圖像是禁止，警告和指示，而MIG是100個。本文使用gblur文件夾中的圖像進行實驗。在實驗過程中，可以選擇相同程度、不同模糊失真程度的交通標志圖像進行比較分析。根據(jù)最終的實驗結(jié)果，隨著主觀差異評分的增加，交通標志圖像將越來越差。從計算機的角度來看，低通濾波器的梯度變換圖像的結(jié)構(gòu)相似性值也會增加，并且非參考清潔度會降低，這反映了質(zhì)量差。同時，隨著交通標志圖像清晰度越來越低，沒有參考結(jié)構(gòu)的圖像的清晰度將越來越小?？梢钥闯觯瑘D像邊緣輪廓提取方法對于交通標志識別是可行的。(2）在實驗2中，基于實驗1中使用的交通標志圖像進行清晰度提取，本研究中提出的分層輪廓計算機視覺識別技術(shù)用于識別塊處理后的圖像。根據(jù)實驗2得出的結(jié)果可知，形狀度量值越大，交通路標圖像將變得越發(fā)模糊，路標識別效率也將降低。另外，通過對濾波器大小的設(shè)置，能夠獲取到不同清晰程度的交通路標圖像作為識別圖像[3,4,5]。以上就是針對文章內(nèi)容所做出的仿真實驗，通過該實驗最終結(jié)果可知，文章所提出的層次輪廓計算機視角識別能夠?qū)崿F(xiàn)對交通路標的高效識別。