王莎莎，冯嘉礼

（上海海事大学 信息工程学院，上海 201306）

交通标志识别作为智能交通系统的重要组成部分[1]，20世纪80年代首先在发达国家兴起，目前国内外有关交通标志识别的研究很多都涉及到基于神经网络、模板匹配、颜色匹配等方法。本文针对交通标志的识别环节，首次利用定性映射之差定义的小波[2]，提取图像轮廓特征向量，建立交通指示标志的定性映射模型，利用定性映射与转化程度函数对其进行模糊识别。

1 系统处理流程

交通标志的识别流程如图1所示。本文所要构建的交通标志识别的定性映射模型，首先是对图像进行预处理，得到形状特征向量，通过不断学习，建立6种指示标志的定性映射模型。识别过程中，通过定性映射模型和转化程度函数，找出待识别标志所属类型或最接近类型。

图1 交通指示标志识别流程

2 属性论方法识别交通标志

事物只有通过属性才能反映其自身，以及和其他事物之间的关系，所以属性是人们区别不同事物的标志或基准。交通指示标志有其自身的形状特征属性[5]，通过定性映射模型和转化程度函数就能找到与之对应的类型。

2.1 交通标志识别的定性映射模型[3-4]

在通常的专家系统中，最简单的性质命题判断操作是逻辑语句为 If x∈[α，β]，then p（u），else¬p（u）。 若将定性基准[α，β]作为一个调控自变量x变化范围的参变量，则性质命题判断可表达为下述映射形式：

定义1 设 a（u）是对象 u的某个属性，x∈X⊆R是属性 a（u）的一个量值，p（u）∈P0是属性 a（u）的某个性质，[α，β]∈Γ 是性质 p（u）的定性基准，则称映射 τ：X×Γ→{0，1}×P0，记：