图像的特征提取是将原始图像的数据进行压 缩，提取不随图像状态变化的可以表征图像本质 的特征。通过特征提取，图像数据量减少、图像 特征简化，有利于图像的分类和识别工作。 本文选取Hu不变矩和仿射不变矩作为图像的 特征进行图像的分类识别。

　　 感兴趣区域的建立 车道线检测：采用Hough变换方法，该方法对 噪声不敏感，对于不连续和部分遮挡的情况也能 取得较好的检测效果。

　　由确定的摄像机模型可以得到实际空间坐标系与图像坐标 系之间的对应关系如下：

　　图像坐标获取：手工获取。 该方法操作简单、易行，对于控制点形状规 则，中心易于确定的情况效果良好。

　　通过对比分析，本文选择M1、M2、M3、M5、I2 和I3为目标图像的特征，共同构成组合不变矩矢 量v=（ M1，M2 ，M3 ，M5， I2 ，I3）。

　　分类器的设计包括识别算法的选择、分类器结构设计 以及相关参数的计算选择。

　　 该分割方法主要分为两个阶段，第一个阶段是感兴 趣区域的建立；第二个阶段是感兴趣区域的图像分 割。

　　 感兴趣区域的建立 该阶段主要进行图像的预处理、分割、滤波 、边缘检测和车道线检测。 预处理：采用了图像灰度均衡化增强图像目 标与背景的对比度，提高图像的可分性。

　　通过实验，分别提取直行、直行右转和左右 转弯三种交通标志图像的改进Hu不变矩特征和仿 射不变矩特征。

　　 图像重建 根据得到的实际坐标与图像坐标的关系，可 以得到图像中所有点坐标的实际坐标，通过对得 到的实际坐标进行必要的旋转、平移和缩放则可 以得到重建图像。

　　背景：近年来，全球的环境问题、能源问题和交通安全问题 日益严重，各国都在为问题的解决提出各种措施，其 中智能交通系统成为世界的研究热点。交通标志识别 系统作为智能交通系统中的一部分也受到各国专家的 重视。

　　1. 拍摄过程中发生畸变； 2. 颜色特征不明显，且无明显的外围 形状特征； 3. 易发生模糊残缺现象，路面干扰信 息多。

　　支持向量机的基本思想：通过内积运算将低 维空间中的线性不可分问题转化为高维空间中的 线性可分问题，然后在线性可分空间寻求最优分 类平面以实现分类识别的目的。

　　 分类器结构设计 原始的支持向量机分类器是一种两类分类器 ，但实际应用中通常会对多个类别进行多类别的 分类识别，因此，需要基于原始的支持向量机分 类器构造多类分类器。 本文中的研究对象比较少，特征比较明显， 采用一种1-a-r分类器，该分类器可以减少计算量 ，提高算法的实时性。

　　 感兴趣区域的建立 图像滤波：采用孤立点去除和面积去除方法 。通过滤波对各种噪声进行去除过程，可以有效 提高图像目标的可分性。

　　分类器的参数计算与分析主要包括对核函数 的选择、核函数的参数确定以及支持向量机的惩 罚系数C的确定。

　　 第一部分 绪论。介绍论文的研究背景、意义等；  第二部分 场景重建。为保证图像特征的稳定性， 进行图像场景重建；  第三部分 图像分割。奠定图像分析基础，获取目 标图像；  第四部分 特征提取。压缩图像数据量，得到可以 表征图像本质的不变特征，用于图像的 分类识别；  第五部分 分类器设计。对图像特征进行进行分类 识别；  第六部分 全文总结。

　　分类器的设计是交通标志识别系统的核心。分类器性 能的好坏将直接影响到整个系统的识别效率。

　　 识别算法选择 本文选用支持向量机方法进行路面交通标志的识 别。 与传统学习方法比较： 1.具有更好的推广能力； 2.解决小样本、非线性和高维模式识别问题中 表现出许多特有的优势； 3.很大程度上克服了“维数灾难”和“过学习” 等问题。

　　 仿射不变矩 仿射变换是几何中的概念，包括了平移、旋 转、缩放、拉伸和扭转变换等。 仿射不变矩对图像的仿射变换具有不变性， 常用的仿射不变矩形式如下：

　　 感兴趣区域的建立 边缘检测：通过图像边缘检测可以大幅度地 减少数据量，并且剔除了可以认为不相关的信息 ，保留了图像重要的结构属性，采用Canny算子。

　　畸变导致的交通标志形状变化会影响到图像特征的稳定 性，从而降低图像的识别率。

　　球速体育

　　由于摄像机的参数以及拍摄过程中拍摄俯仰角等因素 的影响，摄像机拍摄的图像通常会发生畸变：

　　意义：很多的交通事故是由于驾驶员忽视了交通标志而违规 驾驶造成的，交通标志的识别系统可以随时提醒驾驶 员周围环境中交通标志信息，从而减少该类交通事故 的发生率，提高交通安全；在无人驾驶车辆中，交通 标志信息作为重要的道路信号更加重要；同时，交通 标志识别系统的研究相关技术在其他领域也得到广泛 应用。因此，交通标志识别系统的研究具有重要的科 研和实用价值。

　　 感兴趣区域的建立 分割：采用一维熵分割方法，该方法对信噪比 大和不同大小的图像都能较好分割，速度快。

　　改进后的Hu不变矩对于离散情况具有平移、旋转和缩 放不变性。 对改进后的6个改进Hu不变矩进行数据压缩：