原文传递
基于神经网络的交通标志识别的算法研究
| 论文题名： | 基于神经网络的交通标志识别的算法研究 |
| 关键词： | 交通标志识别;图像分割;神经网络;LM算法;特征提取;分类识别 |
| 摘要： | 图像识别一直是模式识别领域中的重要研究课题之一。本文以交通标志的识别为研究背景，通过对其识别流程的详细分析，将课题分为图像分割、图像预处理、特征提取和分类识别。 首先，文章提出了基于RGB模型的交通标志分割方法，该方法提取图像的R、G、B三分量。由于目标背景在三个分量图中灰度差异并不大，因此可以使用R、G、B分量图像互减的方法来提取交通标志图像，并用Otsu法动态选取阈值进行分割。结果表明该算法不仅计算量较少，分割效果较为理想，而且提高了系统的实时性。 其次，在总结当前国内外研究成果的基础上，本文提出了一种基于Hu矩的改进不变矩特征提取方法。得到一组更一般化的不变矩度量，其并具有旋转、平移和比例不变性。 在文中，我们分别运用改进不变矩法与Hu矩法提取交通标志的特征，进而利用BP神经网络作为分类器进行识别。实验结果表明，与传统Hu矩的方法相比，改进后的不变矩特征识别率更高，对交通标志具有很好的分类能力，同时也证明了通过改进提取的特征，不仅可以达到提高识别精度的目的，而且能够满足在车辆自主导航系统中对交通标志识别的要求。显然，本文提出的基于改进不变矩的交通标志识别算法具有优越性。 |
| 作者： | 徐继曾 |
| 专业： | 控制理论与控制工程 |
| 导师： | 张国山 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
