專利名稱：一種道路交通標(biāo)志的識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通領(lǐng)域，具體涉及基于人工神經(jīng)網(wǎng)絡(luò)一脈沖耦合神經(jīng)網(wǎng)絡(luò)時(shí)間簽名的道路交通標(biāo)志快速識別方法。
背景技術(shù)：
1990年，Eckhorn等人在對貓的視覺皮層同步脈沖發(fā)放現(xiàn)象的研究中，提出了哺乳動物神經(jīng)元模型——Edihorn模型。該模型由一個(gè)稱為神經(jīng)模擬器(neuromime)的脈沖生成部件、一個(gè)調(diào)制耦合部件和一個(gè)突觸連接部件組成。為了彌補(bǔ)Edihorn模型的不足，使其更加適用于圖像處理，人們對EcWlorn模型進(jìn)行了各種改進(jìn)，最后由Johnson等人加以總結(jié)，提出了脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network，簡稱PCNN)的概念。脈沖耦合神經(jīng)網(wǎng)絡(luò)不同于Edihorn模型的兩大特點(diǎn)是調(diào)制耦合和脈沖生成機(jī)制。鏈接輸入以非線性的方式調(diào)制饋送輸入，生成內(nèi)部活動項(xiàng)，而鏈接強(qiáng)度參數(shù)可以起到調(diào)節(jié)鏈接輸入對神經(jīng)元內(nèi)部活動影響大小的作用。脈沖耦合神經(jīng)網(wǎng)絡(luò)采用了這樣一種調(diào)制耦合而不是相加耦合的耦合方式，這就防止了沒有主輸入的神經(jīng)元單純在鏈接輸入的作用下點(diǎn)火，而這對于圖像處理是很重要的。脈沖生成采用了神經(jīng)模擬器方式，工作原理如同一個(gè)階躍函數(shù)，同時(shí)實(shí)現(xiàn)動態(tài)閾值增減，從而和一般I-N-FGntegrate and fire)模式有很大不同。脈沖耦合神經(jīng)網(wǎng)絡(luò)每一次的輸出都可以用一個(gè)二維矩陣來表示。當(dāng)脈沖耦合神經(jīng)網(wǎng)絡(luò)用于圖像處理時(shí)，圖像中的每一個(gè)像素就對應(yīng)網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元，而它的輸出實(shí)際上就是一幅二值圖像，表示了每次迭代點(diǎn)火的神經(jīng)元。計(jì)算每次迭代點(diǎn)火的神經(jīng)元的總數(shù)，將其按時(shí)間排列起來，就構(gòu)成了脈沖耦合神經(jīng)網(wǎng)絡(luò)的時(shí)間簽名。由于該時(shí)間簽名常被用來處理圖像識別等問題，因此也稱作圖像簽名。它可以作為圖像特征提取中的一個(gè)圖像特征。對于非復(fù)雜背景的簡單圖像來說，時(shí)間簽名具有周期性和關(guān)于圖像的唯一性以及扭曲、 旋轉(zhuǎn)、平移和伸縮不變性。研究發(fā)現(xiàn)，對于這樣的圖像，只需要觀察其時(shí)間簽名很短的一部分就能獲知整個(gè)圖像的內(nèi)容。智能交通系統(tǒng)(ITS)是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、電子傳感技術(shù)、 電子控制技術(shù)及計(jì)算機(jī)處理技術(shù)等有效地集成運(yùn)用于整個(gè)交通管理而建立的一種在大范圍內(nèi)、全方位發(fā)揮作用的、實(shí)時(shí)、準(zhǔn)確、高效的綜合交通運(yùn)輸管理系統(tǒng)。道路交通標(biāo)志識別作為智能交通的重要環(huán)節(jié)，負(fù)責(zé)采集有關(guān)道路交通標(biāo)志的信息，使車輛按交通規(guī)則行駛。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種高效精準(zhǔn)的道路交通標(biāo)志的識別方法，使其能夠更好的輔助車輛行駛和管理，運(yùn)用脈沖耦合神經(jīng)網(wǎng)絡(luò)解決傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)在處理圖像識別和分類問題中的樣本需求大，訓(xùn)練時(shí)間長等問題。為了解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案一種道路交通標(biāo)志的識別方法，包括如下步驟
(1)針對每一道路交通標(biāo)志圖像，利用孔洞填充技術(shù)分別生成外背景圖像和內(nèi)背景圖像；
(2)外背景圖像預(yù)點(diǎn)火外背景圖像輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_outer中，經(jīng)兩次迭代，生成外波；
(3)內(nèi)背景圖像預(yù)點(diǎn)火內(nèi)背景圖像輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_irmer中，經(jīng)兩次迭代，生成內(nèi)波；
(4)更新外波為原外波中不在內(nèi)波的那一部分；
(5)將新外波作為增量記錄在表示道路交通標(biāo)志外框的結(jié)果集合R中；
(6)若新外波不為空，則新外波輸入PCNN_outer中，生成外波，轉(zhuǎn)入步驟(4)；不然，轉(zhuǎn)入步驟(7)；
(7)把道路交通標(biāo)志的外框提取了出來，再結(jié)合原圖，提取出道路交通標(biāo)志的內(nèi)圖；該內(nèi)圖輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_signature中，記錄歷次迭代點(diǎn)火神經(jīng)元的個(gè)數(shù)， 生成圖像簽名；
(8)搜索圖像簽名數(shù)據(jù)庫，比較圖像簽名相似度，識別道路交通標(biāo)志。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果以新型人工神經(jīng)網(wǎng)絡(luò)——脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)作為主要處理工具，通過交通標(biāo)志邊框去除和生成脈沖耦合神經(jīng)網(wǎng)絡(luò)特有的圖像簽名來實(shí)現(xiàn)對道路交通標(biāo)志的識別。A.相對于以往的人工神經(jīng)網(wǎng)絡(luò)處理圖像識別和分類問題，不需要很大的樣本和長時(shí)間的訓(xùn)練，從而節(jié)省了時(shí)間開銷；
B.脈沖耦合神經(jīng)網(wǎng)絡(luò)非常易于硬件實(shí)現(xiàn)，其在硬件支持下所獲得了并行處理速度是其他方法所不能比擬的。C.脈沖耦合神經(jīng)網(wǎng)絡(luò)生成圖像時(shí)間簽名，將二維圖像信息轉(zhuǎn)化為一維時(shí)間序列信息，極大程度地減少了識別過程中信息的處理量，提高了處理速度和效率；
D.由于道路交通標(biāo)志圖像具有線條簡單、背景簡單的特點(diǎn)，其生成的時(shí)間簽名具有關(guān)于圖像的唯一性。因此，圖像時(shí)間簽名的相似度就表示了圖像間的相似程度。時(shí)間簽名越接近，說明圖像越趨于一致，反之，則圖像差別越大。
E.脈沖耦合神經(jīng)網(wǎng)絡(luò)生成的圖像時(shí)間簽名具有關(guān)于圖像的扭曲、旋轉(zhuǎn)、平移和伸縮不變性，因此對原始圖像的偏差具有一定的容忍性。


圖1為識別道路交通標(biāo)志流程圖2為生成道路交通標(biāo)志的PCNN圖像簽名執(zhí)行流程圖； 圖3為外背景圖像預(yù)點(diǎn)火流程圖； 圖4為內(nèi)背景圖像預(yù)點(diǎn)火流程圖； 圖5為道路交通標(biāo)志內(nèi)圖生成PCNN圖像簽名流程圖。
具體實(shí)施例方式下面將結(jié)合附圖及具體實(shí)施方式
對本發(fā)明作進(jìn)一步的描述。參見圖1，一種道路交通標(biāo)志的識別方法，起始對原圖(交通標(biāo)志圖)，
進(jìn)行處理生成圖像簽名，再通過搜索圖像簽名數(shù)據(jù)庫，利用公式
權(quán)利要求
1. 一種道路交通標(biāo)志的識別方法，其特征在于，包括如下步驟(1)針對每一道路交通標(biāo)志圖像，利用孔洞填充技術(shù)分別生成外背景圖像和內(nèi)背景圖像；(2)外背景圖像預(yù)點(diǎn)火外背景圖像輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_outer中，經(jīng)兩次迭代，生成外波；(3)內(nèi)背景圖像預(yù)點(diǎn)火內(nèi)背景圖像輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_irmer中，經(jīng)兩次迭代，生成內(nèi)波；(4)更新外波為原外波中不在內(nèi)波的那一部分；(5)將新外波作為增量記錄在表示道路交通標(biāo)志外框的結(jié)果集合R中；(6)若新外波不為空，則新外波輸入PCNN_outer中，生成外波，轉(zhuǎn)入步驟(4)；不然，轉(zhuǎn)入步驟(7)；(7)把道路交通標(biāo)志的外框提取了出來，再結(jié)合原圖，提取出道路交通標(biāo)志的內(nèi)圖；該內(nèi)圖輸入相應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)PCNN_signature中，記錄歷次迭代點(diǎn)火神經(jīng)元的個(gè)數(shù)， 生成圖像簽名；(8)搜索圖像簽名數(shù)據(jù)庫，比較圖像簽名相似度，識別道路交通標(biāo)志。
全文摘要
本發(fā)明公開了一種道路交通標(biāo)志的識別方法，首先對原交通標(biāo)志圖，運(yùn)用PCNN技術(shù)進(jìn)行處理生成圖像簽名處理，在通過搜索圖像簽名數(shù)據(jù)庫，比較圖像簽名相似度，相似度高的則識別為道路交通標(biāo)志。本發(fā)明能夠更好的輔助車輛行駛和管理，運(yùn)用脈沖耦合神經(jīng)網(wǎng)絡(luò)解決傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)在處理圖像識別和分類問題中的樣本需求大，訓(xùn)練時(shí)間長等問題。
文檔編號G06K9/62GK102262728SQ20111021273
公開日2011年11月30日 申請日期2011年7月28日 優(yōu)先權(quán)日2011年7月28日
發(fā)明者侯孟書, 劉貴松, 屈鴻, 梁魏, 王曉斌, 魏爍 申請人:電子科技大學(xué)