ارائه يك الگوريتم پردازش تصوير هوشمند جديد براي تشخيص و شناسايي علائم راهنمايي و رانندگي مبتني بر منطق فازي

Designing a New Intelligent Image Processing Algorithm for Traffic Sign Detection and Recognition Based on Fuzzy Logic

در اين مقاله يك الگوريتم هوشمند جديد براي تشخيص و شناسايي علائم راهنمايي و رانندگي، بر اساس پردازش تصوير و منطق فازي، ارائه مي‌شود. اين الگوريتم شامل سه مرحله پيش‌پردازش، تشخيص و شناسايي مي‌باشد. در مرحله پيش‌پردازش با اعمال الگوريتم‌هاي پردازش تصوير، تغييرات به منظور بهبود كيفيت تصوير دريافتي و حذف داده‌هاي نامرتبط با هدف مورد نظر انجام مي‌گيرد. در مرحله شناسايي يك الگوريتم بينايي ماشين هوشمند براي استخراج مفاهيم علائم راهنمايي و رانندگي استفاده شده است. به منظور كاهش زمان عمليات و افزايش دقت الگوريتم شناسايي، مرحله تشخيص طراحي شده است. در اين مرحله، كانديداهاي علائم راهنمايي و رانندگي با دقت بيشتري انتخاب و در اختيار مرحله شناسايي قرار مي‌گيرند. در تمام مراحل پردازش تصوير و بينايي ماشين، كه شامل پردازش‌هاي سطح پايين و پردازش‌هاي سطح بالا و پيچيده مي‌باشد، از منطق و رياضيات فازي استفاده شده است. همچنين براي تشخيص و شناسايي علائم راهنمايي و رانندگي، از ويژگي‌هاي تغييرناپذير براي استفاده در منطق فازي و استخراج مفاهيم، بهره برده شده است. استفاده از منطق و رياضيات فازي قابليت استنتاج و هوشمندي همانند انسان را براي تصميم‌گيري در شرايط واقعي، در اختيار سيستم هوشمند قرار مي‌دهد. مراحل كامل اين الگوريتم در نرم‌افزار متلب پياده‌سازي شده است. همچنين آزمايش‌هاي عملي در شرايط واقعي براي بررسي عملكرد اين الگوريتم طراحي و انجام شده است. نتايج حاصل از آزمايش، عملكرد مناسب اين الگوريتم تا 92.68 درصد صحت، در تشخيص و شناسايي علائم راهنمايي و رانندگي در شرايط واقعي را نشان مي‌دهد. الگوريتم ارائه شده، در مقايسه با الگوريتم‌هاي ديگر با شرايط آزمايشي مشابه، از صحت عملكرد مناسبي برخوردار است. از اين الگوريتم مي‌توان براي طراحي سيستم‌هاي كمك راننده و سيستم‌هاي كنترلي با هدف هوشمند سازي خودرو استفاده نمود.

A new algorithm for traffic sign detection and recognition based on image processing was presented in this paper. This algorithm has three stages that consist of preprocessing, detection and recognition. In preprocessing stage, input image quality enhancement and unrelated data elimination be done by applying image processing algorithms. In recognition stage an intelligent machine vision algorithm is used to extract concepts of traffic signs. Detection stage is designed for decrease the operation time and increase the recognition algorithm accuracy. In this stage, traffic sign candidates are elected more accurately and they are transmitted to recognition stage. Fuzzy logic and mathematics is used in all of image processing and machine vision stages that consist of low and high level processing. Also for traffic sign recognition, invariant features are used to design a fuzzy logic algorithm to extract traffic sign concepts. Fuzzy logic and mathematics give Inference and intelligent capabilities to smart system to make correct decision in actual conditions like human. All stages of this algorithm was implemented in MATLAB. Also for performance investigation of this algorithm experimental scenarios in actual situation are designed. The results show that designed algorithm has an appropriate performance in traffic sign detection and recognition up to 92.68 percent in actual situations. Compared with other methods with the same experimental conditions the accuracy of the proposed algorithm is satisfactory. This algorithm can be used to design driver assistance and control systems for intelligent vehicles.