如需要完整文档点击下方 "点击下载文档" 按钮

由于类别的多样性、内部结构的相似性以及外界环境等因素的影响,交通标志识别一直是人工智能与模式识别领域中的难题之一,而影响识别准确性的主要因素是特征的鉴别性与冗余性。 为了提高交通标志的识别准确性,提出了融合稀疏表示的方法。 首先提取交通标志的 HOG 与 GIST 特征,再使用广义典型相关分析对提取的两个特征进行融合,融合得到的特征既保留了两个特征的有效信息,同时也增强了特征的鉴别性,但多特征的融合,难免会产生一定的冗余性。 在不降低特征鉴别性的前提下,为了减少其冗余性,最后使用 K-SVD 对其进行字典学习稀疏表示。 实验结果表明,交通标志的融合稀疏方法的效果明显优于大多数的识别方法,即使用线性 SVM 在 GTSRB 数据集上的分类准确率为 99.23％。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于特征融合和字典学习的交通标志识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062407

点击下载文档