基于双向二维主成分分析的交通标志识别.pdf

基于双向二维主成分分析的交通标志识别.pdf

ID:51449521

大小:1.25 MB

页数:5页

时间:2020-03-25

基于双向二维主成分分析的交通标志识别.pdf_第1页
基于双向二维主成分分析的交通标志识别.pdf_第2页
基于双向二维主成分分析的交通标志识别.pdf_第3页
基于双向二维主成分分析的交通标志识别.pdf_第4页
基于双向二维主成分分析的交通标志识别.pdf_第5页
资源描述:

《基于双向二维主成分分析的交通标志识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第30卷第2期2013年2月公路交通科技JournalofHighwayandTransportationResearchandDevelopmentV01.30No.2Feb.2013doi:10.3969/j.issn.1002—0268.2013.02.019基于双向二维主成分分析的交通标志识别曲仕茹,张超(西北工业大学自动化学院,陕西西安710129)摘要:针对交通标志识别实时性不足,提出了一种基于双向二维的主成分分析[(2D)2PCA]的交通标志识别算法。首先,对交通标志图像进行去噪归一化等预处理。然后,进行水平和垂

2、直方向的投影,通过特征空间降维提高匹配速度。最后,利用最近邻法进行分类。通过在不同数据库下与传统2DPCA方法的对比仿真表明,2种方法随主特征数目增加,识别率都有所提升;样本数量增加时,(2D)2PCA算法的时间增长速度明显小于2DPCA,满足了识别的实时性要求。关键词:智能运输系统;空间降维;(2D)2PCA;交通标志识别;最近邻法中图分类号:U491.5+2文献标识码:A文章编号:1002—0268(2013)02—0109—05TrafficSignRecognitionBasedonTwo-directional2DP

3、rincipalComponentAnalysisQUShim,ZHANGChao(SchoolofAutomation,NorthwesternPolytechnicalUniversity,Xi’anShaanxi710129,China)Abstract:Atrafficsignrecognitionalgorithmbasedontwo—directionaltwo—dimensionalprincipalcomponentanalysis[(2D)2PCA]methodisproposedtoimprovereal—

4、timerecognition.Inthisapproach,thetrafficsignimagesarefirstlydenoisedandnormalizedinthepreprocessingstage.Then,theseimagesareprojectedontohorizontalandverticalaxes,whichledtodimensionalityspacereductionsuitableforfastmatching.Finally,thenearestneighbormethodisinvolv

5、edforclassificationonthesedimensionality—reducedimages.Comparisonwithsimulationresultoftraditional2DPCAbasedondifferentdatasetsshowthat(1)bothmethodscanimprovetheirrecognitionratesalongwithanincreasingnumberofPCs;(2)(2D)2PCA’Salgorithmtimegrowthrateissignificantlyle

6、ssthanthatof2DPCAwithanincreasingnumberofsamples,whichverifiedtheabilityoftheproposedmethodonreal—timerecognitiontask.Keywords:ITS;dimensionalityreduction;(2D)2PCA;trafficsignrecognition;nearestneighbormethod0引言交通标志涉及车辆、道路的许多重要交通信息,如对当前车辆的速度警示、前方的道路状况变化、驾驶员的行为制约等。在军

7、用和民用无人驾驶车辆研究项目中,交通标志识别系统作为交通场景信息获取的重要手段,能够有效推动这些项目的技术水平和控制效果的提高;在电子交通地图中,交通标志识别能够向车辆定位提供必要信息。因此,如何快速、准确、有效地识别道路交通标志,对于保证驾驶安全,避免交通事故具有重要意义¨j。交通标志图像包含大量彼此相关因素,从而会造成特征的重复和浪费,增加识别的复杂度嵋o。特征提取是一种有效的特征降维方法,在模式识别、图像处理和计算机视觉中得到了成功的运用。主成分分析法(PCA)旧。4o作为一种特征提取的经典方法被广泛地研究。PCA方法首

8、先要将图像矩阵转换成行向量,这导致了图像向量的维数相当高,增加了收稿日期:2012—07—20基金项目:教育部博士点基金项目(20096102110027)作者简介:曲仕茹(1963一),女,陕西西安人,教授.(qushiru@nwpu,edu.cn)110公路交通科技第30

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。