基于支持向量机的交通标志识别

发布时间：2023-08-26 05:36

　　交通标志识别目前是无人驾驶和汽车辅助系统的研究热点。高质量的交通标志识别可以为驾驶员或者无人车实时、准确地提供交通路况、交通规则等信息,辅助驾驶决策,从而提高行车安全,减少或者避免交通事故的发生。因此交通标志识别是一项非常值得研究而又有挑战的课题。本文采用长沙理工大学综合交通运输大数据智能处理实验室所提供的中国交通数据集进行基于支持向量机的识别,首先对原始图像进行预处理:选择SNN算法对其进行滤波处理;再采用改进后的MSRCR算法对图像进行增强,在增加图像对比度的同时,保持了交通标志颜色的恒常性。其次,通过对交通标志外形特点和颜色特征的研究,选择在RGB颜色空间下,根据R、G、B的差值范围直接对自然场景中的图像进行分割处理,但分割后的图像中存在过多的干扰,将图像灰度化后,采用最大类间方差法和经验阈值相结合的方法对分割后的区域进行筛选,定位出交通标志。最后,在交通标志识别阶段,首先将分割出的交通标志进行尺寸归一化,其次本文采用SVM对交通标志进行多分类识别,由于交通标志种类的多样性和颜色形状之间的相关性,因此识别过程分为两步:基于颜色-形状的粗分类和基于内部区域的细分类。在粗分类中根据颜...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外交通标志识别现状
        1.2.1 交通标志检测方法
        1.2.2 交通标志识别方法
    1.3 本文的主要内容和章节安排
第二章 交通标志预处理
    2.1 交通标志理论知识
    2.2 基本去噪处理
    2.3 图像增强
        2.3.1 直方图均衡化
        2.3.2 Retinex图像增强
        2.3.3 改进的图像增强
    2.4 本章小结
第三章 交通标志检测
    3.1 颜色模型分析
    3.2 交通标志颜色分割算法
    3.3 二值面积阈值算法
        3.3.1 图像灰度化
        3.3.2 图像二值化
        3.3.3 面积阈值法
    3.4 交通标志的定位
    3.5 本章小结
第四章 特征值的提取
    4.1 支持向量机介绍
        4.1.1 线性与非线性最优超平面
        4.1.2 核函数及其参数
        4.1.3 支持向量机的分类方法
    4.2 尺寸归一化
    4.3 特征值的获取
        4.3.1 基于颜色的特征值
        4.3.2 基于形状的特征值
        4.3.3 基于区域的特征值
    4.4 本章小结
第五章 基于SVM的交通标志识别
    5.1 系统功能简介
    5.2 实验环境及样本库介绍
    5.3 基于颜色-形状的粗分类
        5.3.1 原始特征值测试
        5.3.2 实景图应用
    5.4 基于内部区域的细分类
        5.4.1 特征训练
        5.4.2 与仿射不变矩的组合
    5.5 本章小结
总结与展望
参考文献
攻读学位期间取得的研究成果
致谢



本文编号：3844054