摘  要： 采用屬性輪方法建立交通標(biāo)志的定性映射模型，利用此模型結(jié)合轉(zhuǎn)化程度函數(shù)，對(duì)交通標(biāo)志進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，定性映射在交通標(biāo)志識(shí)別領(lǐng)域具有一定的應(yīng)用價(jià)值。
關(guān)鍵詞： 定性映射；轉(zhuǎn)化程度函數(shù)；輪廓特征

　交通標(biāo)志識(shí)別作為智能交通系統(tǒng)的重要組成部分[1]，20世紀(jì)80年代首先在發(fā)達(dá)國(guó)家興起，目前國(guó)內(nèi)外有關(guān)交通標(biāo)志識(shí)別的研究很多都涉及到基于神經(jīng)網(wǎng)絡(luò)、模板匹配、顏色匹配等方法。本文針對(duì)交通標(biāo)志的識(shí)別環(huán)節(jié)，首次利用定性映射之差定義的小波[2]，提取圖像輪廓特征向量，建立交通指示標(biāo)志的定性映射模型，利用定性映射與轉(zhuǎn)化程度函數(shù)對(duì)其進(jìn)行模糊識(shí)別。
1 系統(tǒng)處理流程
　交通標(biāo)志的識(shí)別流程如圖1所示。本文所要構(gòu)建的交通標(biāo)志識(shí)別的定性映射模型，首先是對(duì)圖像進(jìn)行預(yù)處理，得到形狀特征向量，通過不斷學(xué)習(xí)，建立6種指示標(biāo)志的定性映射模型。識(shí)別過程中，通過定性映射模型和轉(zhuǎn)化程度函數(shù)，找出待識(shí)別標(biāo)志所屬類型或最接近類型。

2 屬性論方法識(shí)別交通標(biāo)志
　事物只有通過屬性才能反映其自身，以及和其他事物之間的關(guān)系，所以屬性是人們區(qū)別不同事物的標(biāo)志或基準(zhǔn)。交通指示標(biāo)志有其自身的形狀特征屬性[5]，通過定性映射模型和轉(zhuǎn)化程度函數(shù)就能找到與之對(duì)應(yīng)的類型。

　本文以6種交通標(biāo)志為例，首先對(duì)6種指示標(biāo)志的學(xué)習(xí)樣本圖像網(wǎng)格化，統(tǒng)計(jì)每幅圖像對(duì)應(yīng)每個(gè)小網(wǎng)格中像素值為0的個(gè)數(shù)xij（j=1，2，3…81），通過對(duì)學(xué)習(xí)樣本的不斷學(xué)習(xí)，就可以建立指示標(biāo)志對(duì)應(yīng)的形狀特征向量xi=（xi1，xi2…xi81），向量中各元素xij的基準(zhǔn)為[αj，βj]。利用屬性論中定性映射的相關(guān)知識(shí)，建立6種指示標(biāo)志的形狀特征的定性映射模型[6]。

　本文利用屬性論中定性映射與定性基準(zhǔn)變換的相關(guān)知識(shí)建立交通指示標(biāo)志的定性映射模型，并結(jié)合轉(zhuǎn)化程度函數(shù)對(duì)交通指示標(biāo)志進(jìn)行模糊識(shí)別。并用BP神經(jīng)網(wǎng)絡(luò)的方法做了對(duì)比，實(shí)驗(yàn)證明了這種模型的合理性、有效性。今后可在下述方面進(jìn)行一些研究：（1）由于本文的實(shí)驗(yàn)對(duì)象主要是針對(duì)標(biāo)準(zhǔn)圖或者出現(xiàn)某種局部損傷的圖像，今后可以在實(shí)景圖中進(jìn)行交通標(biāo)志的識(shí)別；（2）對(duì)已實(shí)現(xiàn)的算法做進(jìn)一步的優(yōu)化工作，爭(zhēng)取達(dá)到更好的結(jié)果；（3）本文所提出的交通標(biāo)志識(shí)別還有待于在實(shí)踐中不斷完善和改進(jìn)。
參考文獻(xiàn)
[1] 方敏，李福才.流行學(xué)習(xí)在交通標(biāo)志識(shí)別中的應(yīng)用研究[D].西安：西安電子科技大學(xué)，2010.
[2] 馮嘉禮.思維與智能科學(xué)中的性質(zhì)論方法[M].北京：原子能出版社，1990.
[3] 馮嘉禮.感知和判斷中的基準(zhǔn)變換及其性質(zhì)坐標(biāo)分析法[J].廣西科學(xué)，1994，1（4）：6-13.
[4] 李文佩.基于定型映射和轉(zhuǎn)化程度函數(shù)的漢字識(shí)別[D].上海：上海海事大學(xué)，2004.
[5] Feng Jiali. Attribute network computing based on qualitative mapping and its application in pattern recognition[J]. Journal of Intelligent and Fuzzy System， 2008（19）：243-258.
[6] Feng Jiali. Qualitative mapping model of pattern recognition， rough sets and knowledge technology[R]. LNAI  5009， Spriger：636-643
[7] 馮嘉禮.定性映射、基準(zhǔn)變換、轉(zhuǎn)化程度函數(shù)、人工神經(jīng)元和集合模糊化[J].模糊數(shù)學(xué)與系統(tǒng)，2004（18）：53-56.
[8] 周巖炎，馮嘉禮，基于定性映射的數(shù)字音頻水印算法[J].廣西示范大學(xué)學(xué)報(bào)，2011，29.