● 摘要
随着社会经济的高速发展，机动车在全球范围内的迅速普及给人类带来便利的同时也带来了诸多安全隐患。智能交通系统作为减少交通事故的一种解决方案已成为国内外交通运输界的研究热点。交通标志检测技术作为智能交通系统的重要组成部分，已受到国内外学者越来越多的关注。因此，如何设计一种有效的交通标志检测算法具有重要的研究意义及应用价值。
对于大多数户外监控系统而言，恶劣天气条件是造成图像降质的重要原因之一。在雾天及黑夜条件下，拍摄的图像对比度低，难以分辨出景物的轮廓及其状态信息，严重影响了交通标志的检测效率。基于此，本文对雾天及黑夜条件下拍摄的图像进行处理，以期改善降质图像的视觉效果，并将对这两种情况的增强作为交通标志检测系统的前期预处理环节。为了提高户外交通场景图像中交通标志检测的准确率，本文进行了以下三个方面的研究：
（1）在图像去雾方面，已有的去雾方法往往建立在大气条件是均匀的这一假设前提下，而通过研究发现实际大气条件为非均匀的。利用均匀大气条件假设得到的大气散射模型进行图像去雾操作，天空等明亮区域的去雾结果往往会出现色彩失真的现象。针对这些不足，本文提出了一种基于非均匀大气条件的单幅图像去雾方法，该方法对大气散射系数重新进行建模，得到的去雾结果能够很好地保持原始景物的色调信息并在最大限度地保留景物的细节信息的同时提高图像的对比度。
（2）针对夜晚环境光线较暗的情况，本文提出了两种黑夜图像增强方法。算法得到的增强图像符合人眼的视觉特性，保持图像彩色信息，边缘轮廓明显，接近于白天图像，且不会产生虚假信息及颜色失真等现象。
（3）在交通标志检测方面，本文提出了一种基于RGB-Lab色彩模型的自适应融合特征的交通标志候选区域分割算法，该算法能在最大程度上保证交通标志区域在颜色分割阶段被提取出来，同时图像中得到的虚警较少。在交通标志检测的后续阶段，首先利用梯度方向直方图特征提取各候选区域的特征，然后采用线性支持向量机判断其是否属于交通标志，获得交通标志精确的位置信息。