毕业设计1；.doc

课程设计优秀作品介绍(b)。原图为图1(a)。计算相似度使用的公式原理是在图片经过二值化后，计算图片中每个相邻像素的灰度差，并将灰度差除以两点的平均灰度。此式是计算图像之间的相似度，所得值越小，则相似度越高。 （a） （b） 图1 实验图像 但是由于使用的是一一比较的方法，当采集的图像背景稍有变化，或者标志放置的角度和位置稍有变化，则相似度会有很大的波动，在车辆运动的过程中，更是容易造成很大的变化，对识别交通标志的要求很高，准确度却不高。希望采用简单的特征算法。并且希望选择或提取的特征应具有以下特点： (1) 简约性：在用很少的特征标识目标的条件下，保持信息(或信息丢失可以控制)。 (2) 可分性：来自同一类的不同模式的特征非常接近，然而不同模式的特征相距甚远。 (3) 可靠性：提取具有鲁棒性(robust)的特征，即对噪声或其它干扰不敏感。 故经过考虑后，将交通标志的特征作简单提取，根据四个交通标志之间的差异进行对比，分别对各特征区域进行判断。如图2。 图2 特征图像 分别对上图所示的特定几个位置进行黑白的检索，用于区分以上四个标志。如此一来，对于四种交通标志可以很好地区分开来，对于道路的背景、光线和交通标志的位置摆放等的要求降低，可以很好地实现本文提出的要求。 基于简单特征的模板匹配算法的优点：内存占用少，对背景位置要求底，识别率高。 原理如图3。 　　 图3 识别交通标志原理图 程序如下： /*标志：左转--1；右转--2；直走--3；禁行--4；*/ if((shuju[40][25]==20||shuju[40][24]==20||shuju[40][23]==20) //左圈 (shuju[40][9]==20||shuju[40][8]==20||shuju[40][7]==20) //右圈 shuju[40][19]==20shuju[40][18]==20shuju[40][17]==20 //左箭头 (shuju[40][11]==80||shuju[40][10]==80) //右白 (shuju[41][20]==20||shuju[41][19]==20||shuju[41][18]==20) //左上箭头 (shuju[39][20]==20||shuju[39][19]==20||shuju[39][18]==20) //左下箭头 (shuju[35][25]==20||shuju[35][24]==20||shuju[35][23]==20) //下左圈 (shuju[35][9]==20||shuju[35][8]==20||shuju[35][7]==20) //下右圈 (shuju[35][14]==20||shuju[35][13]==20) //下中心 shuju[35][19]==80shuju[35][18]==80shuju[35][17]==80 //下白 ) { biaoji=1; /*左转*/ } else if ((shuju[40][25]==20||shuju[40][24]==20||shuju[40][23]==20) //左圈 (shuju[40][9]==20||shuju[40][8]==20||shuju[40][10]==20) //右圈 shuju[40][14]==20shuju[40][13]==20shuju[40][12]==20 //右箭头 (shuju[40][21]==80||shuju[40][20]==80) //左白 (shuju[41][15]==20||shuju[41][14]==20||shuju[41][13]==20) //右上箭头 (shuju[39][13]==20||shuju[39][12]==20||shuju[39][11]=