在当下城市背景复杂的交通环境中，红绿灯本身颜色与环境光线的多变性，以及信号的实时性要求，都增加了红绿灯检测算法研究的难度。检测算法包含基于颜色空间分割方法研究，基于形状特征方法研究和多分辨率分析方法研究等。

多分辨率分析（Multi-resolution）是正确认识事物和现象的重要方法之一。多分辨率分析概念上是将事物数据在分辨率方面由粗到细或由细到粗变换后分析。多分辨率分析通过基函数的伸缩、平移等运算对信号进行多分辨率细化分析，能灵活、快速、有效地从信号中提取信息。目前国际上在信号与信息处理领域的方面，多分辨率分析是崭新研究课题。

本论文主要是研究基于多分辨率分析的红绿灯检测方法研究，内容主要针对多分辨率分析和红绿灯图像检测技术的介绍，重点是多分辨率中小波变换的分辨率压缩技术，对于越来越复杂的交通环境信号的处理有一定的价值。实现基于多分辨率分析的红绿灯检测方法研究对当前的红绿灯信号等视觉信号处理有重要的意义。

1。2  国内外研究进展

1。3  本文内容安排

    全文共分为五章，研究了基于多分辨率分析的红绿灯检测基本方法，例如基于多分辨率分析对图像进行多分辨调节以及针对红绿灯检测的图片识别。

内容安排如下

第一章、基于多分辨率分析的红绿灯检测的基本概念和研究内容，以及研究进展。

第二章、红绿灯检测以及多分辨率分析相关技术。

第三章、演示实验使用的红绿灯检测和多分辨率分析处理方法。简单分析RGB颜色空间分割方法和小波变换多分辨率压缩方法。

第四章、部分小波变换实验结果，小波交换基和系数分布情况，以及红绿灯检测结果。

第五章、为全文总结与展望。总结本论文，阐述自己毕业设计的工作，并提出今后需要进一步提升的方面。

2  相关技术

2。1红绿灯检测技术

2。1。1 基于颜色阈值的色彩分割算法

色彩空间分割1）RGB分割，获取原RGB（红、绿、蓝）图像，无需变换彩色空间，直接利用RGB参数进行红绿灯算法检测，该算法检测实时性好，但是受到光线亮度影响较大，各个通道不具备独立处理能力。

2）HSI分割，将RGB颜色空间参数转换成HSI（色调、饱和度、亮度）参数，然后由这三个参数分量组合构成，更好的符合人们对视觉感官上的颜色理解，同时三个颜色通道无相关性，模型本身各通道本身具备独立处理能力。但是从RGB到HSI空间参数的转变需要很大的计算量，数据处理压力比较大。

3）CIE分割，将RGB颜色空间参数转换成LCH（亮度、色度、色调）参数，然后主要利用色度和色调两个参数对颜色进行描述。虽然LCH分割消除了光照的影响，但是应用时由于环境参数的不可控性，使用时不能满足实时处理的需要。

2。1。2 基于形状特征的检测方法

单纯的依靠颜色空间分割有时候不能完全有效的检测出红绿灯，并且红绿灯的几何形状一般是固定的，并不会因为环境因素的变化而变化，因此可以排除光照和天气等变化因素的影响。

形状特征划分1）模板匹配算法，是一种基于区域形状的方法，在红绿灯的识别中将图片结构的红绿灯图形一部分或者整体设定为模板，通过模板与被检测图片中的区域比对匹配，实现检测红绿灯目的。

2）边缘分析算法，由于目标图像边缘主要指的是目标与目标，目标与其他环境连接的地方，这一部分是图像局部发生最显著变化的部分，并且会出现局部特征的不连续性。不连续性体现为灰度突变，纹络结构不一致，颜色相容等。