田 谨，应 捷，朱丹丹

(上海理工大学 光电信息与计算机工程学院，上海 200093)

近年来交通信号灯的检测与识别在汽车辅助驾驶中发挥着重要。国内外许多研究者已提出了一些算法。佀君淑等［1］提出了一种基于亮度分割、K 均值聚类以及前景直方图相结合的交通信号灯识别方法，但该算法在信号灯发生变形时，识别率低。徐成等［2］提出了一种先对图像进行顶帽变换，接着在Lab 色彩空间查找候选区域，然后利用模板匹配确认候选区域，并使用统计学方法对结果进行验证的方法。此方法的缺点在于过于依赖黑色矩形框，晚上基本无法识别。武莹等［3］提出了一种在HIS 空间进行交通灯颜色分割，并结合分割区域与矩形区域的相对位置进行交通灯定位，最终利用模板匹配的方法识别交通灯。但是模板是人为生成的，匹配结果受到光照、拍摄角度的影响较大，匹配程度不高且需多次测试才能找到合适的阈值。Jin－Hyung Park 等［4］利用颜色信息，提取可能是交通信号灯的像素，利用K 均值聚类法进行聚类。并采用了帧序列操作，利用以往的帧序列信息将误检和漏检的帧更正或补上。最后利用优先级策略优先输出概率最大的结果。此算法处理一帧图像仅需7 ms，但鲁棒性较低，无法适应天气变化，误检率较高。

上述算法主要是检测和识别圆形交通信号灯，且识别率较低。本文针对箭头形交通信号灯，提出了一种结合Gabor 小波变换和PCA、ICA 算法的特征提取算法。

1 特征提取算法分析

1.1 Gabor 小波特征分析

二维Gabor 函数［5－8］是经高斯函数调制的正弦栅格，在频域上表现为一种主频和方向可调的带通滤波器。……