原文传递
流行学习在交通标志识别中的应用研究
| 论文题名： | 流行学习在交通标志识别中的应用研究 |
| 关键词： | 流行学习;交通标志识别;智能交通系统;Swiss Roll数据模型;局部线性嵌入;图像降维 |
| 摘要： | 交通标志识别作为智能交通系统的一个重要研究方面，在道路安全、信息指示等方面的作用越来越凸显。但是目前交通标志识别在数据量、识别率等方面都存在一些不足，而对交通标志进行有效地特征提取成为解决这一问题的一种思路。 流行学习方法发掘数据之间的内在联系，提取数据的低维有效特征，从而可以有效地进行数据降维。 本文在对流行学习典型算法进行研究的基础上，采用Swiss Roll数据模型对线性降维方法和非线性降维方法进行实验分析比较，指出了以局部线性嵌入(LLE)为代表的流行学习方法在数据降维中的优势。为了将LLE降维方法应用在交通标志识别中，首先采用公用人脸数据库ORL，将LLE方法与典型的数据降维方法PCA和LDA方法进行实验对比，进一步指出了LLE算法在发现图像的低维特征中的优势，并通过实验对其参数的选择进行探讨。然后进一步采用LLE算法对交通标志中的指示标志进行降维识别，验证了其在交通标志识别应用中的可行性。在交通标志识别的应用中，首先设计并给出了交通标志识别的软件框架；其次结合交通标志的颜色形状特征，采用不变矩的方法对交通标志进行检测；然后通过LLE方法对交通标志图像进行低维有效特征提取，采用AdaBoost集成学习算法与BP神经网络相结合的方法来对交通标志进行分类识别。实验表明，流行学习在图像降维方面有一定的优势，可以用于交通标志的识别。 |
| 作者： | 李福才 |
| 专业： | 计算机应用技术 |
| 导师： | 方敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
