写真から交通標識を抽出する方法は？

以下のような画像から交通標識を抽出するには、どのような画像解析技術を使用できますか？

編集：

異方性拡散後：不要な背景が少しクリアされます

拡張後：

拡散後のしきい値処理：この目的に最適なしきい値処理を見つけることができません

ただし、背景を削除する方法を理解できませんか？

編集：画像のこれらの部分だけが必要です

別の入力画像を撮影する：

中央値フィルタリングとエッジ検出の適用：

ボトムハットフィルタリング後：

道路標識を分離するにはどうすればよいですか？

相関のような単純なものを試しましたか？

（編集）。相関の背後にある考え方は、テンプレート（あなたの場合は訓練された道路標識のサンプル）を使用し、それをテスト画像のすべての位置と比較することです。以下の画像の生成に使用した比較演算は、正規化相互相関と呼ばれます。大まかに言えば、テンプレートと一致させる画像部分のピクセルを標準化し（平均= 0、標準偏差= 1）、ピクセルごとに乗算し、製品の平均値を計算します。このようにして、「一致スコア」、つまり、テスト画像のすべての位置でのテンプレートとテスト画像間の類似性の尺度を取得します。道路標識の位置の最も可能性の高い候補は、最適な一致（最高の相関）を持つ位置です。（実際には、Mathematica関数を使用しましたCorrelationDistanceは以下の画像を生成します。これは1-（正規化された相関）です。そのため、一致画像の最も暗い部分が最適な一致に対応します）。

他のテンプレートはないので、投稿した2番目の画像からサインを簡単にトリミングしました。

テンプレートをわずかに回転させても、相互相関は引き続き使用可能に見えます

最適な位置は正しい位置にあります。

（もちろん、あらゆるサイズの兆候を検出するには、各テンプレートの複数のスケーリングされたバージョンが必要です）

私のマスターズの間に、私のスーパーバイザーが関わったプロジェクトは、ビデオシーケンス内のあらゆる種類の異なる交通信号の検出と認識を処理していました（道路検出、道路中心線検出、交通標識の検出と認識など）。作業していたビデオフレームは、多くの点でサンプル画像に似ています。

私は個人的に交通標識に取り組んでいませんでしたが、最良の結果はViola-Jonesアルゴリズム（ペーパー）を使用して得られたと思います。要するに、これは、弱い分類器のカスケード（ランダムアルゴリズムの精度よりも少し高い精度）を使用して、困難なタスクでも堅牢な強力な分類器を構築するアルゴリズムです。

このプロジェクトはMASTIF（交通インフラ状態のマッピングと評価）と呼ばれ、いくつかの本当に良い仕事をしました。プロジェクトの公開ページは、プロジェクトに関連するすべての公開された論文へのリンクを提供するため、非常に便利です。アイデアをお伝えするために、いくつかの出版物を（時系列で）選び出してみましょう。

• KarlaBrkić、Axel Pinz、SinišaŠegvić：「自動交通インフラインベントリシステムのコンポーネントとしての交通標識検出」
• A.マルティノビッチ、G。グラヴァシュ、M。ジュリバシッチ、D。スチッチ、Z。カラファチッチ：「リアルタイムの交通標識の検出と認識」
• IgorBonači、IvanKusalić、IvanKovaček、ZoranKalafatić、SinišaŠegvić：「交通標識の検出と認識における誤警報とローカリゼーションの不正確さへの対処」

もう一度、私は個人的に交通標識に取り組んでいませんでしたが、ここで多くの有用な資料を見つけることができると思います。また、論文に引用されている参考文献も参考になるので、参考にすることをお勧めします。

さて、グーグルroad way signs detectionはこのトピックに関する多くの良い論文を提供します。

いくつかは、独特の青、緑、赤などの色分けを使用しています。

最初にガウス平滑化を適用し、次に、エッジを検出して輪郭を検出し、看板を抽出します。

次の2つのリンクを試してください：リンク1、リンク2

私は間違いなくここでは専門家ではありませんが、エッジ検出（キャニーなど）から始めて、ハフ変換して円、長方形、正方形、または三角形（検出したい記号に基づいて）を検出し、テンプレートを行うことができます（ハフ変換によって返された候補に対して）色が十分に明確である場合、マッチングまたはヒストグラムマッチング。

最初のステップ（ハフ変換を使用して候補を検出する）は、より難しいステップです。その候補がサインであるかどうかを検出しようとする多くの方法を考えることができます。これは楽しい問題です。それを解いて楽しんでください:)

ところで、関連性の高い優れた研究記事を見つけることができると確信しています