复杂光照下的交通标志检测与识别 |
| |
引用本文: | 项新建,姚佳娜,黄炳强,杨松,武晓莉.复杂光照下的交通标志检测与识别[J].计算机辅助设计与图形学学报,2023(2):293-302. |
| |
作者姓名: | 项新建 姚佳娜 黄炳强 杨松 武晓莉 |
| |
作者单位: | 1. 浙江科技学院自动化与电气工程学院;2. 浙江省交通运输科学研究院智能交通研究所 |
| |
摘 要: | 针对不同光照下交通标志图像检测与识别困难的问题,提出一种基于Retinex-Gamma的光照图像增强算法,该算法与Mask R-CNN相结合,称为Retinex-Gamma-MaskR-CNN算法.首先,基于光照反射成像模型将图像RGB空间转换为HSV空间,对V通道进行多尺度高斯滤波处理获得光照分量,利用光照分量提取反射分量,并对反射分量进行线性拉升优化;其次,利用光照分量的分布特征进行二维Gamma函数调整,并获得优化后的亮度分量;最后,利用混合空间增强法获得增强后的V通道,重新构造图像.实验采用的ZCTSDB数据集共有15 724幅图像,包含不同光照的驾驶环境.实验结果表明,与标准Mask R-CNN相比, Retinex-Gamma-Mask R-CNN算法对交通标志的目标检测的均值平均精度提升了0.161%,对交通标志的实例分割的均值平均精度提升了0.363%.
|
关 键 词: | 智能交通 交通标志识别 Mask R-CNN 交通标志 低光照 光照图像增强 |
|
|