【2017年整理】基于免疫算法的交通标志分割.doc

基于免疫算法的交通标志分割 摘 要针对现有道路交通标志图像分割算法中实时性和鲁棒性较差的问题，提出一种基于免疫算法和RGB颜色空间的交通标志图像分割新方法。该方法先用RGB颜色空间将交通标志从实景图中定位出来，利用免疫算法快速搜索的机理，对已定位的图像进行阈值T寻优，并用该阈值T分割图像。实验结果表明，该算法与基于遗传算法的图象分割算法相比较,具有较好的鲁棒性和实时性，且适用于不同光照条件下的交通标志图像分割。 关键词交通标志；免疫算法；颜色空间；图像分割；最优阈值 中图分类号TP391.41 文献标识代码 A Traffic Signs Segmentation Based on Immune Algorithm Abstract Some existing traffic signs graphic segmentation algorithms are weak in perform real-time and robust.According to those problems, this paper presents a new algorithm of the traffic signs segmentation based on immune algorithm RGB color space. The method uses RGB color space to locate the image of traffic signs form the traffic signs imaging figure, and use immune algorithm to search for the optimization threshold T to split the located image. The experimental results show that, compared with the algorithm of genetic-based traffic signs segmentation,the algorithm presents in this paper perform more perfectly in robust and real-time,and applies to traffic signs segmentation in varies light conditions. Keywords Traffic signs; Immune algorithm; color space; Tmage segmentation; Optimal threshold 0 引言 道路交通标志识别(Traffic Sign Recognition，TSR)(Intelligent Transportation System，ITS)]先在YIO空间进行分割，滤除一部分不需要的信息，然后在此基础上利用多特征融合来进行交通标志的精确定位。文献[5]提出将归一化的RGB空间转换到HSI空间,得到各分量阈值实现分割。文献[6]提出将RGB空间转换到CIE空间，用颜色模型EIECAM 97从CIE空间中提取色调、色度和亮度。由于HSI、CIE空间的各分量是独立的，能较好地解决光照问题，但空间的转换是非线性的，且计算量较大,影响了实时性。文献[7] 利用遗传算法优化最大类间方差法，使得阈值选取的效率大大提高，但遗传算法存在一定的局限性，容易得到局部最优阈值。 交通标志图像的采集、分割与识别是在车辆的行驶过程中进行的，需要实时提供给驾驶员相应的信息，这就使得交通标志图像分割要有较快的速度。本文将免疫算法和RGB颜色空间相结合，提出一种基于免疫算法根据三基色原理，用基色光单位来表示光的量，则在RGB色彩空间，任意色光F都可以用R、G、B三色不同分量的相加混合而成： （1） RGB颜色模型可以用空间直角坐标系中的一个单位正方体来表示，如图1所示。任何一种颜色在RGB颜色空间中都可以用三维空间的一个点来表示。各颜色的取值范围是：R：0~255；G：0~255；B：0~255，归一化后各颜色的取值范围均为0~1之间。在RGB颜色空间中，当R、G、B三基色的亮度值都为零时，即原点处，则显示黑色。当三基色的亮度达到最高值时，则显示白色。连接黑色与白色的对角线是亮度等量的三基色混合而成的灰色线。位于坐标轴上的三顶点分别为红色、绿色和蓝色。另外三个顶点分别表示黄色、青色和品红色。 图1 RGB颜色空间立体图 1.2 交通标志图像检测 颜色是交通标志的显著特征，本文以指示交通标志为研究对象，其特征为蓝色底、白色边和白色图案。在RGB颜色空间中，蓝色坐标为B