基于特征融合與稀疏編碼的交通標志識別算法研究.pdf

1、交通標志識別是汽車輔助駕駛系統(tǒng)和無人駕駛系統(tǒng)的關(guān)鍵問題之一。由于交通標志位于戶外，使其極易受到天氣、光照等因素的影響。同時，還存在遮擋、視角變化、因汽車運動而造成的圖像模糊等問題。因此，大類別集交通標志識別在具有廣闊應(yīng)用前景的同時也具有很大的挑戰(zhàn)性。交通標志的預(yù)處理、特征提取以及分類器設(shè)計是交通標志識別中的關(guān)鍵問題。本文針對大類別集交通標志識別中的特征提取環(huán)節(jié)進行了深入的研究。
　　本研究主要內(nèi)容包括：⑴方向梯度直方圖(HOG)和

2、尺度不變特征轉(zhuǎn)換(SIFT)是目前普遍采用的特征，論文在對HOG特征與SIFT特征研究的基礎(chǔ)上，給出了一種改進的融合HOG和SIFT的特征提取方法。該方法提取的特征不僅具有HOG特征因區(qū)塊直方圖統(tǒng)計帶來的抗干擾性，而且還具有SIFT特征因主方向匹配帶來的旋轉(zhuǎn)不變性。因此，該特征可提高對大類別集交通標志圖像的特征表達能力，為標志識別打下基礎(chǔ)。⑵為進一步對特征進行優(yōu)化，本文采用了一種對特征進行二次編碼的算法。該算法采用局部稀疏編碼(LLC)