基于颜色的交通标志检测方法分析

资料搜集：

阅读了《基于RGB颜色空间的彩色图像分割方法》，《基于颜色的高速公路交通标志检测》，《基于颜色和边缘信息的交通标志检测》，《基于颜色和形状的道路交通标志检测》，《基于RGB视觉模型的交通标志分割》等几篇内容相关的论文，这几篇文章的方法大同小异，都是通过RGB分量的不同来寻找标志牌，只是在前期图像处理、排除干扰、判断条件方面有所不同。

另外我还阅读了以上几篇论文中的方法有根本性的不同的一篇论文《基于颜色规格化的交通标志识别》，颜色规格化的实质在数学上就是复杂空间到简单空间的非线性映射:24位彩色位图的16.777.216种颜色构成了复杂的原始空间.而仅有5个元索的颜色规格库就是简单空间的模型。这样就可以大幅度简化交通标志图像颜色信息的复杂性，然后用于交通标志识别。

那篇很长的英语论文，我阅读了4.1中关于物体颜色的部分，文中提到的Lab模式的图像，这种图像弥补了RGB和CMYK两种色彩模式的不足，所定义的色彩最多，且与光线及设备无关，并且处理速度与RGB模式同样快，比CMYK模式快很多。看起来Lab模式的图像更有前景，但是这基于这种图像的交通标志识别方面资料很少，可能用来作检测不太容易吧，所以暂时没有考虑基于Lab模式的检测。

具体实验过程

1.从网上找了一个交通标志检测的程序，这个程序能够实现红色标志牌的检测。此程序中用到的判别条件是：R分量的值比G分量和B分量大50，寻找这样的大块区域，并在原图中将符合条件的区域框出

程序运行效果如图所示：

 

2.在读懂该程序的基础上，根据论文中比较简单的判定条件，把程序改成能够分割出红色，蓝色，绿色标志牌。判定方法： G分量的值比R分量和B分量大50则判定绿色，：B分量的值比G分量和R分量大50则判定蓝色， R分量的值比G分量和B分量大50则判定为红色，找到满足条件的区域后在原图中标出。

利用一个包含各种色彩的图像，结果如图所示

对于实际图像的提取，大部分效果不错

3针对存在的漏洞，进一步进行了实验

（1）.绿叶是很大的干扰，有时候分割的绿叶总是比标志牌还多。不过通过一个显示图像RGB分量的程序对绿色标志牌和绿树的RGB分量的统计分析发现：两者之间差别还是比较明显的，无复杂背景的标志牌R分量为0，即使是在复杂背景下，G分量和R分量差值也较大；而普通的树、草，R分量均在50以上。通过这样的区分条件设置阈值之后，绿叶基本被排除。排除前后效果图如下：

 

（2）红色的车辆也会是很大的干扰

（理论上此干扰只用RGB分量的颜色分割是不可能排除的，因为红色车辆的RGB分量甚至和单纯的红色标志牌的RGB分量都没有明显区别）

（3）.黄色的标志牌识别困难，因为黄色标志牌基于RGB分量的准确的判别条件难以寻找，以上论文中也并不包括黄色标志牌的判别方法。现在正通过一个显示图像RGB分量的程序，寻找黄色标志牌可用的判别条件。

总结

仅仅利用色彩空间对于交通标志的检测，只能简单的排除无关区域，但是受到的干扰也太多，只用RGB分量的判定条件不可能将背景中的相似区域排除。

接下来的工作中可以尝试一下基于Lab模式图像的标志检测和基于颜色规格化的交通标志检测；另外还可以尝试一下对图像的前期处理提高检测效率；以及按照某些论文中提到的排除特征明显的干扰的方法。