Traffic Sign Detection via Graph-Based Ranking and Segmentation Algorithms
Traffic Sign Detection via Graph-Based Ranking and Segmentation Algorithms
复制标题
通过基于图的排序和分段算法进行交通标志检测
DOI：
10.1109/tsmc.2015.2427771
复制
发表时间：
2015-06
影响因子：
8.7
通讯作者：
Chen, Houjin
中科院分区：
文献类型：
--
作者：
Yuan, Xue;Guo, Jiaqi;Hao, Xiaoli;Chen, Houjin
现有的大多数交通标志检测系统利用颜色或形状信息，但在复杂背景下的交通标志检测和分割方面，这些方法仍然有限。本文提出了一种新的基于图的交通标志检测方法，该方法包括显著性测量阶段、基于图的排序阶段和多阈值分割阶段。由于基于图的指定颜色和显著性排序算法结合了节点的颜色、显著性、空间和上下文关系等信息，因此在处理交通标志图像的各种光照条件、形状旋转和尺度变化方面，比其他系统具有更强的判别性和鲁棒性。此外，本文提出的多阈值分割算法关注所有排序分数非零的节点，能够有效解决复杂背景、遮挡、光照条件多变等问题。三个公共交通标志集的结果表明，我们提出的方法比目前最先进的方法具有更好的性能。此外，即使对于包含已旋转或遮挡的交通标志的图像，以及在不同天气和光照条件下拍摄的图像，结果也令人满意。
The majority of existing traffic sign detection systems utilize color or shape information, but the methods remain limited in regard to detecting and segmenting traffic signs from a complex background. In this paper, we propose a novel graph-based traffic sign detection approach that consists of a saliency measure stage, a graph-based ranking stage, and a multithreshold segmentation stage. Because the graph-based ranking algorithm with specified color and saliency combines the information of color, saliency, spatial, and contextual relationship of nodes, it is more discriminative and robust than the other systems in terms of handling various illumination conditions, shape rotations, and scale changes from traffic sign images. Furthermore, the proposed multithreshold segmentation algorithm focuses on all the nodes with a nonzero ranking score, which can effectively solve problems such as complex background, occlusion, various illumination conditions, and so on. The results for three public traffic sign sets show that our proposed approach leads to better performance than the current state-of-the-art methods. Moreover, the results are satisfactory even for images containing traffic signs that have been rotated or undergone occlusion, as well as for images that were photographed under different weather and illumination conditions.
登录
查看更多内容
DOI：
10.3173/air.23.59
发表时间：
2014
期刊：
Agricultural Information Research
影响因子：
--
作者：
泰明 岡田;智一 吉田;智晴 長尾
通讯作者：
泰明 岡田;智一 吉田;智晴 長尾
影响因子：
10.6
作者：
Viswanath Gopalakrishnan;Yiqun Hu;D. Rajan
通讯作者：
Viswanath Gopalakrishnan;Yiqun Hu;D. Rajan
用于交通标志识别的基于稀疏表示的图嵌入
DOI：
10.1109/tits.2012.2220965
发表时间：
2012-12-01
影响因子：
8.5
作者：
Lu, Ke;Ding, Zhengming;Ge, Sam
通讯作者：
Ge, Sam
影响因子：
2.7
作者：
S. Xu
通讯作者：
S. Xu
影响因子：
3.7
作者：
ZAHN, CT
通讯作者：
ZAHN, CT