我可以使用哪种图像分析技术从下面的图像中提取交通标志?



编辑:

各向异性之后扩散:不需要的背景稍微清除了


膨胀后



>扩散后的阈值:无法为此目的确定最佳阈值



但是我不知道如何去除背景?

编辑:我只希望图像的这些部分



获取另一个输入图像:



应用中值滤波和边缘检测:



顶帽子滤波后:



我应该如何隔离路标?

评论

对我而言,“交通信号”是指点亮的设备justsymbol.com/images/traffic-signal-sign-6.png,而不是标志。你是指标志吗?

是的,只有标志

您尝试过哪种方法?

是的,我确实有模板

已编辑@mauritis

#1 楼

您是否尝试过类似关联的简单操作?

(EDIT)。相关性背后的想法是使用模板(在您的情况下为经过训练的路标样本),并将其与测试图像中的每个位置进行比较。我用来生成以下图像的比较操作称为归一化互相关。粗略地说,您要标准化(均值= 0,标准差= 1)模板中要匹配的像素和图像部分,将它们逐像素相乘,然后计算乘积的平均值。这样,您将获得“匹配分数”,即在测试图像中每个位置处模板和测试图像之间的相似度。匹配度最高(相关性最高)的位置最有可能成为路标位置的候选者。 (实际上,我已经使用Mathematica函数CorrelationDistance生成了下面的图像,该图像是1-(归一化的相关性。因此,匹配图像中最暗的点对应于最佳匹配)。

我没有其他模板,因此我从您发布的第二张图片中简单地剪下了标牌:



模板略微旋转,互相关仍然看起来可用



最佳匹​​配位于正确的位置:



(当然,每个模板都需要多个缩放版本才能检测任何大小的信号)

评论


$ \ begingroup $
@nikie:您能解释一下您使用的过程吗?
$ \ endgroup $
–smokris
2012年2月7日在2:24

$ \ begingroup $
是的,这样可以帮助更多。这个主意似乎很好
$ \ endgroup $
– Vini
2012年2月8日在1:43

$ \ begingroup $
@vini如果您有模板并且试图在图像中查找它的实例,则互相关是最自然的方法,应该是您尝试的第一种方法。这里是一个答案(Mathematica代码),另一个是关于SO的答案(MATLAB代码),我使用了这种方法。
$ \ endgroup $
–乳香
2012年2月9日在4:56

#2 楼

在我的硕士期间,我的主管参与的项目涉及检测和识别视频序列中的各种不同交通信号(例如道路检测,道路中心线检测以及交通标志检测和识别)。我们正在处理的视频帧在很多方面与您的示例图像相似。

虽然我个人没有处理交通标志,但我认为使用Viola-Jones算法可获得最佳效果(纸)。简而言之,这是一种算法,它使用一系列弱分类器(其准确度仅比随机算法高一些)来构造一个即使在困难任务中也很健壮的强分类器。

该项目称为MASTIF(映射和​​评估交通基础设施状况),并且做得非常好。该项目的出版物页面可能非常有用,因为它提供了与该项目有关的所有已发表论文的链接。为了给您一个想法,让我从时间顺序上选出一些出版物:


KarlaBrkić,Axel Pinz,SinišaŠegvić:“交通标志检测是自动化的交通基础设施清单系统”
A. Martinović,G。Glavaš,M。Juribašić,D。Sutić和Z.Kalafatić:“交通标志的实时检测和识别”
IgorBonači,IvanKusalić,IvanKovaček,ZoranKalafatić,SinišaŠegvić:错误警报和交通标志检测和识别中的本地化错误”

再次,我没有亲自处理交通标志,但我想您可以在这里找到很多有用的材料。另外,我建议您仔细阅读论文中引用的参考文献,因为它们也可能会有所帮助。

#3 楼

好吧,使用Google搜索Q4312079q可以为您提供有关该主题的大量优秀论文。

由于特殊的蓝色,绿色,红色等,有些使用颜色分割。

有些首先使用高斯平滑,然后进行精巧边缘检测和轮廓查找以提取指示牌。

请尝试以下两个链接:链接1,链接2

评论


$ \ begingroup $
很遗憾,链接无效
$ \ endgroup $
–CharlesB
2012年5月29日下午14:35

$ \ begingroup $
实际上,两个链接都对我有用。
$ \ endgroup $
– Abid Rahman K
2012年5月30日13:58

$ \ begingroup $
@CharlesB:链接已更新:)
$ \ endgroup $
– Anoop K P
2012年10月26日9:12



#4 楼

我绝对不是专家,但是您可以从边缘检测(例如canny)开始,然后进行hough变换以检测圆形,矩形,正方形或三角形(基于要检测的符号),然后可以进行模板处理匹配或直方图匹配,如果颜色足够明显(在霍夫变换返回的候选对象之上)。

第一步(使用霍夫变换检测候选对象)是较难的步骤。我可以想到许多方法来检测该候选人是否是标志。这是一个有趣的问题。乐于解决它:)

顺便说一句,我敢肯定,您会找到与之高度相关的优秀研究文章