基于PNN的退化交通标志图像的识别算法研究

被引:9
作者
李伦波
马广富
机构
[1] 哈尔滨工业大学控制科学与工程系
基金
高等学校博士学科点专项科研基金;
关键词
模式识别; 概率神经网络; 交通标志; 模糊-仿射联合不变矩; 全局K-均值算法;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了识别退化的交通标志图像,该文采用一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法。在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别。仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。
引用
收藏
页码:1703 / 1707
页数:5
相关论文
共 4 条
[1]   Detection and classification of road signs in natural environments [J].
Nguwi, Yok-Yen ;
Kouzani, Abbas Z. .
NEURAL COMPUTING & APPLICATIONS, 2008, 17 (03) :265-289
[2]  
Analysis of Global k-Means, an Incremental Heuristic for Minimum Sum-of-Squares Clustering[J] . Pierre Hansen,Eric Ngai,Bernard K. Cheung,Nenad Mladenovic.Journal of Classification . 2005 (2)
[3]   Combined blur and affine moment invariants and their use in pattern recognition [J].
Suk, T ;
Flusser, J .
PATTERN RECOGNITION, 2003, 36 (12) :2895-2907
[4]   Real-time classification of traffic signs [J].
Douville, P .
REAL-TIME IMAGING, 2000, 6 (03) :185-193