针对车标图像的分类难问题,提出基于多种LBP特征集成学习的车标识别算法。利用车牌与车标的相对位置关系粗定位车标区域;根据车标背景纹理特征使用不同的算子进行边缘检测,进而实现背景消融,采用投影方法精确确定车标位置;将车标图像分块,应用CSLBP算子提取每个像素点邻域特征,将车标所有像素点邻域特征合成精细的纹理特征,运用LBP直方图算法提取车标区域的空间结构特征,再采用SVM和BP分别训练这两种特征,得到投票决策矩阵,利用加权求和的规则融合决策矩阵,构成最优集成分类器,输出车标类别。实验结果表明,该算法的识别率明显优于单一的特征和分类器。
类型: 期刊论文
作者: 李哲,于梦茹
关键词: 车标定位,算子,支持向量机,集成学习
来源: 计算机工程与应用 2019年20期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 西安邮电大学电子工程学院
基金: 陕西省科技统筹创新工程项目（No.2016KTZDGY02-04-02）,陕西省重点研发计划（No.2017GY-060）
分类号: TP391.41;TP181;U495
页码: 134-138
总页数: 5
文件大小: 1557K
下载量: 220
本文来源: https://www.lunwen90.cn/article/93714aa59cfe2c53009984c3.html