Bagaimana cara mengekstrak rambu lalu lintas dari sebuah foto?

Apa teknik analisis gambar yang bisa saya gunakan untuk mengekstrak rambu lalu lintas dari gambar seperti yang di bawah ini?

Edit:

Setelah difusi Anisotropik: Latar belakang yang tidak saya inginkan akan dihapus sedikit

Setelah Dilatasi:

Ambang Batas setelah Difusi: Tidak dapat menentukan ambang batas terbaik untuk tujuan ini

Namun saya tidak dapat menemukan cara menghapus latar belakang?

Sunting: saya hanya ingin bagian gambar saya ini

Mengambil gambar input lain:

Menerapkan penyaringan median dan deteksi tepi:

Setelah penyaringan topi bagian bawah:

Bagaimana cara mengisolasi rambu-rambu jalan tolong bantu?

Apakah Anda mencoba sesuatu yang sederhana seperti korelasi?

( EDIT ). Gagasan di balik korelasi adalah menggunakan templat (dalam kasus Anda contoh rambu lalu lintas yang terlatih), dan membandingkannya dengan setiap posisi pada gambar uji. Operasi perbandingan yang saya gunakan untuk menghasilkan gambar di bawah ini dinamakan korelasi silang dinormalisasi . Secara kasar, Anda menstandarkan (rata-rata = 0, standar deviasi = 1) piksel dalam templat dan bagian gambar yang ingin Anda cocokkan, gandakan pikselnya dengan piksel, dan hitung nilai rata-rata produk. Dengan cara ini Anda mendapatkan "skor kecocokan", yaitu ukuran kesamaan antara template dan gambar uji di setiap posisi di gambar uji. Posisi dengan kecocokan terbaik (korelasi tertinggi) adalah kandidat yang paling mungkin untuk posisi tanda jalan. (Sebenarnya, saya sudah menggunakan fungsi MathematicaCorrelationDistance untuk menghasilkan gambar di bawah ini, yaitu 1 - (korelasi dinormalisasi). Jadi tempat paling gelap di gambar pertandingan sesuai dengan pertandingan terbaik).

Saya tidak punya template lain, jadi saya memotong tanda dari gambar kedua yang Anda pasang:

Meskipun templat diputar sedikit, korelasi silang masih terlihat dapat digunakan

dan kecocokan terbaik ditemukan di posisi yang tepat:

(Anda tentu saja memerlukan beberapa versi skala setiap templat untuk mendeteksi tanda-tanda pada ukuran berapa pun)

Selama Master saya, proyek yang dilibatkan oleh penyelia saya dalam mendeteksi dan mengenali semua jenis pensinyalan lalu lintas yang berbeda dalam urutan video (misalnya deteksi jalan, deteksi garis tengah jalan, tetapi juga deteksi dan pengakuan tanda lalu lintas ). Frame video yang kami kerjakan dalam banyak hal mirip dengan contoh gambar Anda.

Meskipun saya pribadi tidak bekerja pada rambu-rambu lalu lintas, saya pikir hasil terbaik diperoleh dengan menggunakan Algoritma Viola-Jones (kertas) . Singkatnya, ini adalah algoritma yang menggunakan kaskade dari pengklasifikasi lemah (dengan akurasi hanya sedikit lebih tinggi dari pada algoritma acak) untuk membangun classifier yang kuat yang kuat bahkan dalam tugas-tugas sulit.

Proyek itu disebut MASTIF (Memetakan dan Menilai Keadaan Infrastruktur Lalu Lintas) dan melakukan beberapa pekerjaan yang sangat baik. Halaman publikasi proyek dapat sangat berguna karena menyediakan tautan ke semua makalah yang diterbitkan terkait dengan proyek. Sekadar memberi Anda ide, izinkan saya memilih beberapa publikasi (dalam urutan kronologis):

• Karla Brkić, Axel Pinz, Siniša Šegvić: "Deteksi rambu lalu lintas sebagai komponen sistem inventori infrastruktur lalu lintas otomatis"
• A. Martinović, G. Glavaš, M. Juribašić, D. Sutić dan Z. Kalafatić: "Deteksi Real-time dan Pengakuan Tanda Lalu Lintas"
• Igor Bonači, Ivan Kusalić, Ivan Kovaček, Zoran Kalafatić, Siniša Šegvić: "Mengatasi alarm palsu dan ketidakakuratan lokalisasi dalam deteksi dan pengakuan rambu lalu lintas"

Sekali lagi, saya secara pribadi tidak bekerja pada rambu-rambu lalu lintas, tetapi saya pikir Anda dapat menemukan banyak materi berguna di sini. Juga, saya akan menyarankan melalui referensi yang dikutip di surat kabar karena mereka dapat membantu juga.

Ya, googling road way signs detection memberi Anda banyak makalah bagus tentang topik ini.

Beberapa menggunakan segmentasi warna karena warna biru, hijau, merah, dll.

Beberapa menerapkan perataan Gaussian terlebih dahulu, kemudian deteksi tepi cerdik dan temuan kontur untuk mengekstrak papan tanda.

Coba ikuti dua tautan: Tautan 1 , Tautan 2

Saya jelas bukan ahli di sini tapi Anda bisa mulai dengan deteksi tepi (seperti cerdik), kemudian hough transform untuk mendeteksi lingkaran, persegi panjang, kotak, atau segitiga (berdasarkan tanda yang ingin Anda deteksi), lalu Anda dapat melakukan templat pencocokan atau pencocokan histogram, jika warnanya cukup berbeda (lebih dari kandidat yang dikembalikan oleh transformasi hough).

Langkah pertama (mendeteksi kandidat menggunakan hough transform) adalah langkah yang lebih sulit. Saya bisa memikirkan banyak cara untuk mencoba mendeteksi apakah kandidat itu tandanya atau tidak. Ini masalah yang menyenangkan. Selamat memecahkannya :)

Ngomong-ngomong, saya yakin Anda dapat menemukan artikel penelitian bagus yang sangat terkait