交通标志识别作为智能交通方面的一个分支，其重要性和应用不言而喻，在无人驾驶车辆和智能交通监察过程中占有举足轻重的位置。同时，计算机视觉被称为图像分析和理解。其中，计算机视觉的发展促进了面向智能化的发展，并且开拓了计算机和各种智能机器的研究进程和生活应用。交通标志识别作为智能交通系统的重要组成部分，发挥着重要的作用。如何有效地自动识别交通标志，最大限度地提高交通基础设施的效率，提高服务质量，使社会有效地利用交通设施和能源，从而获得巨大的社会效益和经济效益。

图像处理和识别技术是机器视觉的重要组成部分。图像处理与识别技术的发展经历了四个阶段:初始阶段、发展阶段、普及阶段和实用阶段。20世纪90年代是图像技术的实用新时期，其特点是图像处理信息量大，对处理速度要求极高。近年来，随着计算机和信息技术的飞速发展，数字图像处理技术也得到了快速发展，已经成为计算机科学、医学、生物、工程、信息科学等领域各个学科的研究对象。

交通标志识别系统的课题设计，以一幅交通标志图像识别为例，具体介绍了交通标志图像识别的原理。所有处理过程为图像预处理、图像边缘检测、图像定位、图像分割、图像识别五大模块，用Matalb软件编程来实现每一个部分,最后识别出交通标志图像。在研究的同时对其中出现的问题进行了具体分析。

3.6.2 系统安全性分析...................................................................................................... 9

第4章　交通标志识别算法设计....................................................................... 10

4.1 设计指导思想和原则................................................................................................ 10

4.2 直方图均衡化增强算法............................................................................................ 11

4.3 阈值运算........................................................................................................................ 11

4.4 模板匹配算法.............................................................................................................. 14

第5章　交通标志识别系统实现....................................................................... 16

5.1 GUI界面运行............................................................................................................... 16

5.2 输入RGB图像及增强.............................................................................................. 18

5.3 交通标志图像分割及阈值检测.............................................................................. 19

5.4 交通标志图像模板识别............................................................................................ 21

5.5 小结................................................................................................................................. 22

数字图像分析处理是一个相对完备的领域。信息恢复的任务交给人们去解决。图像处理包括图像增强、图像压缩、模糊校正和未聚焦图像。计算机视觉系统将图像用来输入，并以另一种手段产生输出，例如图像中物体不同色彩的增强。因此，机器视觉的重点是通过计算机以最小的人工干预自动恢复场景信息。图像处理的算法在计算机视觉系统的初期阶段起着至关重要的作用。它们习惯用于改善特殊信息和清除噪声。

数字图像处理是用某种算法处理数字图像以获得人类视觉或某些接收系统所需的图像的过程。数字图像处理的基础是数学，主要任务是设计和实现各种算法。现如今，数字图像处理技术在许多其他的应用方面受到重视，并取得了巨大的成就。由于不同应用方面的要求，数字图像处理技术能够分为多种分支技术。个别的图像处理技术已经应用于不同的领域，并且已经发展了不同的学科分支，例如遥感技术处理、医学图像处理，而其他学科例如计算机图形学、模式识别、人工智能和机器人视觉也与图像处理密切相关。

图像是使用不同观测系统以各种不同的形式观察客观世界的实体，能够直接或间接地作用于人眼以产生视觉感知。人类从外界获得的信息大约在视角系统中，也就是说，人类的大部分信息是从图像中获得的。

图像处理是开拓人类视觉的关键手段，它可以使人们看到在任何波长测量的图像。例如，在伽玛相机和X光机的帮助下，人们可以看到红外线和超声波图像。借助于计算机断层扫描，可以看到物体内部的断层图像。并且使用相应的工具可以看到立体图像。20世纪60年代，美国在太空拍摄的大量月球照片由计算机处理，这样原本不清晰的图像信息可以清晰地再现出来。这是这项技术发展的一个重要里程碑。此后，图像处理技术在空间研究中得到了广泛应用。图像处理技术的一些重要分支也已经出现。

图像识别中讨论的问题是探究使用计算机学习大量物理信息的手动和自动处理，进而来解决人类生理器官无法识别的问题，从而部分取代人类的脑力劳动。当人们开发自动识别机器时，他们经常参考人们的思维活动并采用相同的处理方法。图像的灰度和颜色是由不同光强和波长不一的光波产生的，这与场景表面的特征、方向、光照条件和干涉等因素有关。在环境比较繁杂的工作环境下，图像和场景完全不同。所以，为了区别图像分别是哪一类，通常需要一系列处理，例如预处理、分割、特征提取、图像分析与识别。目前，这些技术可以完全由计算机模拟和处理来区分它们。

尤其是近些年来，图像处理应向高质量前进，发展的方向主要集中体现在:一是高分辨率、高速度，图像处理技术发展的目标是完成实时图像处理，这对运动目标的产生、认识和追踪具有重要意义；其次，它是三维的，包含了最完整和最丰富的信息。数字全息术将有助于实现这一目标。其目的是实现图像的智能生成、处理、识别和理解。

（1）   图像识别方法

对于图像的识别有很多方法，一般可以分成两种:数学方法和语言结构方法，后者又称为句法结构识别法。

数学方法以数学决策理论为基础，建立统计识别模型。基本模型是对研究图像进行大量的统计分析，找出规律，提取图像的本质特征进行识别。在这种方法中，许多工作主要用于提取图像特征或确定统计数目，这种方法被称为参数法。此外，也有非参数决策方法，如邻近规则(proximity rule)，这是一种跳过概率估计直接做出判断的方法。关于特征提取，图像的大量原始信息必须减少到少量特征，如差分分布和特征向量法。只能为字符、符号等提取几何特征。并且可以提取声学信号的共同特征。关于特征的提取，通常需要对原图像信息做出多种质量变换和空间投影，以将多维图像点简化为若干个坐标分量。

句法结构识别方法是基于对图像结构的分析。图像可以模仿语言结构，用一些句子来表达。句子的结构由单词、短语等组成。并根据某种语法来表达。换句话说，句子由短语组成，短语由单词组成，当中最基本的元素是单词。那么，有些句子与图像有什么关系呢？这可以从图像的形成开始。任何图像总是由一些点、直线、斜线、弧和环组成。结构分析的主题是分析图像的这些基本元素，并观察它们如何根据规则形成图像。这些基本元素相当于句子中的单词。那些直线和曲线可以被视为短语。根据什么规则，它们都形成了整个图像，它们相当于语法结构。对于图像识别，这可以说是检测由图像表示的某一类型的句型能否匹配预设语法。若语法正确，则认为可以识别出结果。而图像识别处理一般包含以下几点：

（1） 图像特征的提取

图像如果出现变化比较大的地方，都是对应于不同物体面与面之间的边缘，这是一个重要特征，所以把图像中亮度急剧变化的点提取出来并对其性质进行描述（如边缘的方向、幅度、直方图等），对这些特征点的统计分布状况进行研究，可认识到物体的构造。如果把相邻的特征点连接起来则可以构成输入图像的曲线。

（2） 景物特征的提取

在观看物体时看到的不仅是亮度急剧变化的点，同时还有各个面的方向、距离、颜色反射率，这些特征与照明的情况和视点的位置无关，是物体所固有的特征。为了与图像上特征相区别，一般称为景物特征。

（3） 景物的分割物体的发现

利用景物的特征，把其性质大致相同的领域分割开来，这与图像处理中把亮度相同的领域分割出来的领域法相同。

（4）物体的识别

从景物所发现的各物体再参照物体的模型来识别物体，与此同时确定各物体的位置和方向。

（5）景物的识别

研究各物体之间的连接关系，由这个连接关系和模型来认识更复杂的物体，从而可以对景物的全体进行描述。

本程序的Matlab GUI将在第五章介绍展示。下面是基于Matlab的交通标志识别系统结构流图

选取相同的交通标志进行识别，分别进行图像增强、图像分割、边缘检测、二值化处理。最后点击交通标志识别按钮，在训练模块中得到识别结果。之后退出系统，Matlab GUI界面运行结束，交通标志识别系统的整体流程如图