基于决策树型SVM的交通标志图像识别

被引：6

作者：

朱金好

罗晓萍

机构：

[1] 皖南医学院计算机教研室

[2] 长沙理工大学计算机与通信工程学院安徽芜湖　

[3] 湖南长沙　

来源：

长沙理工大学学报(自然科学版) | 2004年 / 02期

基金：

湖南省自然科学基金;

关键词：

图像识别; 边界矩; 决策树型支持向量机;

D O I：

暂无

中图分类号：

U491.52 [];

学科分类号：

摘要：

由于采集信息装置简单和外界环境复杂,以及对识别方法的实时性、准确性要求,使得交通标志识别成为一项难题.首先根据交通标志特殊颜色信息和规则几何外形,利用边界矩技术迅速清除干扰区域,然后将剩下的区域规格化,送入训练好的决策树型支持向量机识别.在决策树型向量机训练阶段,使用模糊聚类算法,较好地完成了树型建构,使向量机具有良好的区分度.对大量实景图像进行实验证明,本研究方法具有平移、旋转、缩放、拉伸不变性和较强的容噪能力.

引用

页码：13 / 17

页数：5

共 7 条

[1]

Road Sign Interpretation Using Matching Pursuit Method. Huang Chung-lin,Hsu Shih-hung. Proc of the 15th Int Conf on Pattern Recognition . 2000

[2]

A Model-based Road Sign Identification System. Yves Denis Frank. Proc of the IEEE Conf on Computer Vision and Pattern Recognition . 2001

[3]

Detection of Road Signs Using Color Indexing. M. Lalonde,Y. Li. Technical Report CRIM-IT-95/ 12-49 . 1995

[4]

Road Signs Recognition Using a Dynamic Pixel Aggregation Technique in the HSV Color Space. Vitabile S,Pollaccia G. 11th International Conference on Image Analysis and Processing . 2001

[5]

Improved Moment Invariant for Shape Discrimination. Chen C C. Pattern Recognition . 1993

[6]

Real timeColorSegmentationofRoadSigns. MohamedB啨nallal,JeanMeunier. ProcofCCECE2003 . 2003

[7]

SupportVectorMachinesforPatternClassification. ShigeoAbe. http://www.frenchblue.scitec.kobe u.ac.jp/-abe/pdf/SVMsforPCabs.pdf .

← 1 →