基于分塊核函數(shù)特征的交通標(biāo)識(shí)識(shí)別.pdf

1、交通標(biāo)識(shí)識(shí)別在智能汽車和汽車主動(dòng)安全領(lǐng)域具有廣泛的應(yīng)用前景，同時(shí)它作為自然場景中目標(biāo)識(shí)別的一項(xiàng)代表性課題也具有重要的學(xué)術(shù)意義。由于交通標(biāo)識(shí)種類繁多、背景復(fù)雜多樣，以及光照、污染、變形、遮擋、實(shí)時(shí)性等多方面因素，使得研制一款實(shí)用的交通標(biāo)識(shí)識(shí)別系統(tǒng)面臨很多現(xiàn)實(shí)的困難。本文重點(diǎn)研究了基于分塊核函數(shù)特征的交通標(biāo)識(shí)識(shí)別方法，并對(duì)常用的分塊方法做了研究和改進(jìn)
　　 本文提出了基于形狀預(yù)分類的交通標(biāo)識(shí)識(shí)別流程。實(shí)驗(yàn)涉及的交通標(biāo)識(shí)主要有圓形、三

2、角形和菱形三種形狀。首先對(duì)待識(shí)別圖像進(jìn)行預(yù)處理，然后基于形狀特征進(jìn)行預(yù)分類，最后在相同形狀的樣本內(nèi)識(shí)別交通標(biāo)識(shí)的類別。交通標(biāo)識(shí)的預(yù)分類采用了Hough變換，同時(shí)根據(jù)交通標(biāo)識(shí)圖像的特點(diǎn)，在形狀判別流程和參數(shù)選取上進(jìn)行了分析討論和實(shí)驗(yàn)。
　　 特征提取是交通標(biāo)識(shí)識(shí)別的一個(gè)重要階段。本文重點(diǎn)研究了分塊核函數(shù)的特征提取方法，針對(duì)交通標(biāo)識(shí)提出了線性加權(quán)和子模式組合兩種分塊核函數(shù)特征。實(shí)驗(yàn)表明，在訓(xùn)練樣本數(shù)相同的情況下本文使用的子模式組合分

3、塊核函數(shù)特征比KFDA特征和線性加權(quán)分塊核函數(shù)特征的分類效果更有優(yōu)勢(shì)。同時(shí)，本文對(duì)兩種分塊方法中的分塊策略進(jìn)行了分析和改進(jìn)。其中線性加權(quán)分塊核函數(shù)方法分析比較了相鄰分塊和滑動(dòng)分塊兩個(gè)策略;子模式組合分塊核函數(shù)方法分析比較了相鄰分塊、交疊邊緣分塊和滑動(dòng)分塊三個(gè)策略。在最近鄰分類器上的分類結(jié)果證實(shí)了本文改進(jìn)的分塊核函數(shù)特征提取方法的有效性。
　　 HOG特征描述了圖像的邊緣特征，而分塊核函數(shù)特征描述了圖像的統(tǒng)計(jì)特征，本文研究了結(jié)合這