原文传递
基于颜色信息和SVM的交通标志识别技术的研究与实现
| 论文题名： | 基于颜色信息和SVM的交通标志识别技术的研究与实现 |
| 关键词： | 交通标志检测;颜色信息;智能交通系统;阈值分割;分类识别;敏感特征 |
| 摘要： | 随着社会经济和城市化的发展，机动车辆迅速增加，导致交通拥挤加剧，交通事故频发，公共交通的安全以及交通效率问题日益突出，智能交通系统就是为了解决日益严重的道路交通状况而提出的。交通标志识别作为智能交通系统的重要组成部分具有极大的实际意义和应用价值。 交通标志识别主要包括两个阶段:交通标志检测阶段和交通标志识别阶段。本文针对这两个阶段的算法进行了研究和实现。首先是交通标志检测阶段，该阶段中经过图像预处理之后使用颜色阈值分割的方法对图像进行初步分割，但分割之后的图像中存在过多的干扰区域，因此使用二值面积阈值算法对区域进行筛选，以滤除干扰区域，并对该算法进行了如下改进:首先是对图像二值化阈值的选取，原始算法中图像二值化所使用的是单阈值，为进一步提高图像对比度，本文采用基于Otsu算法选取的双阈值进行二值化处理;然后采用了一种将经验阈值和自适应阈值相结合的面积阈值选取方法，自适应面积闽值具有更好的通用性。在交通标志识别阶段本文采用基于SVM的交通标志两级分类识别。一级分类中使用边缘方向直方图描述交通标志的外部轮廓信息，并对轮廓特征进行敏感特征的选取以提高分类的准确率。敏感特征选取的基本思想是使类内相对误差最小，类间相对误差最大。提取敏感特征之后，根据敏感特征对样本分类的影响大小对特征进行加权处理，然后对交通标志进行初步分类，最终将交通标志分为三类:圆形、三角形和矩形。二级分类使用Hu不变矩描述交通标志的区域信息，对交通标志进行进一步的判别，并显示其标准图像和文字释义。 实验结果表明:改进后的二值面积阈值算法提高了交通标志的检测率，最大限度的滤除了干扰区域;在一级分类中，对特征进行敏感特征选取并进行加权处理的方法极大的提高了分类准确率。最后，本文针对不同光照条件和遮挡情况下的鲁棒性和准确率进行了测试。实验结果表明，本文算法具有很好的准确率，并且在不同环境下也有较好的鲁棒性。 |
| 作者： | 张代玉 |
| 专业： | 计算机应用技术 |
| 导师： | 王剑 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
