《表2 容易混淆的交通标志相同类以及不同类之间颜色特征的欧式距离》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多特征融合的交通标志识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了描述交通标志的颜色信息，本文使用颜色名称（color names）[20]作为交通标志图像的颜色特征，它们对光度变化具有较强的鲁棒性，同时还能区别无彩色信息。图像中的每个像素被划分为11类颜色[21]：黑色、蓝色、棕色、灰色、绿色、橙色、粉红色、紫色、红色、白色和黄色。本文算法通过依次统计交通标志图像中每个像素被划分为上述11种颜色的概率，从而得到颜色特征XColorname。为了验证颜色特征的有效性，图3中展示了容易混淆的交通标志图像的颜色特征，其中图3 (a）为两幅限速80与一幅解除限速80的交通标志颜色特征对比，从图像可以看出两幅限速80图像的颜色特征相似，并且与解除限速80图像的颜色特征差异较大，限速80交通标志图像的颜色特征中红色概率远高于解除限制80交通标志图像的颜色特征中的红色概率；从图3 (b）和（c）同样可以看出相同的交通标志图像的颜色特征很相似，并且与其容易混淆的交通标志的颜色特征差异较大。为了定量描述特征之间的差异，同样计算了这些交通标志颜色特征之间的欧式距离，如表2所示，同类交通标志之间欧式距离差异较小，而不同类交通标志之间欧式距离差异很大，所以根据颜色特征的差异可以较好地区分这些容易混淆的交通标志。因此针对HOG和LBP特征只能描述交通标志图像的边缘和纹理特性而导致信息描述不全面的问题，本文算法通过融合图像的颜色特征来解决上述问题。