基于二維主成分分析和支持向量機的交通標志識別.pdf

1、近年來，伴隨著全球經(jīng)濟的迅速發(fā)展以及人們生活水平的普遍提高，道路上行駛的交通車輛日益增多，智能交通系統(tǒng)被越來越多的人所關注。交通標志的檢測與識別作為智能交通系統(tǒng)的組成部分，對道路的交通安全起著至關重要的作用，同時有利于緩解交通擁堵現(xiàn)象。由此可見，對交通標志識別進行深層次的探討與研究將對人們的生活有著極其重要的實用價值和深遠意義。
　　為了能快速有效地識別出圖像中的交通標志，本論文首先對所采集的交通標志圖像進行預處理，采用直方圖均衡

2、化、中值濾波分別實現(xiàn)了圖像的增強、去噪，再利用交通標志具有的不同于其他物體的顯著特征（顏色和形狀特征）對交通標志圖像進行檢測與分割，通過分析對比了幾種彩色空間后，在HSV彩色空間通過確定閾值對交通標志圖像先進行粗分割，之后再利用形狀特征對其進行精確分割，從而完成交通標志的檢測與分割。其次，對分割出的交通標志采用改進的二維主成分分析方法進行特征提取，提取出能夠表示交通標志本質特點的特征，利用這些計算簡便的特征來組成特征向量，并構建樣本特征

3、數(shù)據(jù)庫。通過實驗，從交通標志的識別率與識別時間上對比研究主成分分析方法、二維主成分分析方法以及改進的二維主成分分析方法。最后，通過設計一種組合核函數(shù)支持向量機分類器對輸入的交通標志進行分類與識別，分別對比交通標志圖像在多項式核函數(shù)、徑向基核函數(shù)以及組合核函數(shù)支持向量機分類器下的識別準確率，并采用交叉驗證的方法對核函數(shù)進行參數(shù)尋優(yōu)。
　　在MATLAB編程環(huán)境下利用LIBSVM軟件包進行實驗。實驗結果表明，本論文采用改進的二維主成分