基于不变矩和小波神经网络的交通标志识别研究

论文摘要

在车载视觉系统中,如何有效地识别道路交通标志是一个非常重要的研究课题。目前,已有的各种交通标志识别算法,各具特色,在某些特定场合发挥一定的功效,不过也存在一些缺陷,因此,采用新的技术和理论,克服这些不足,提高算法的实时性和精度,对算法的实际应用具有重要的意义,同时,它作为模式识别领域的一个典型问题,也必将推动模式识别的理论和技术的进一步发展。笔者在总结当前国内外研究成果的基础上,归纳了交通标志识别的框架,深入剖析了交通标志识别中的四大关键技术:预处理技术,模板匹配技术,特征提取与选择技术和分类技术。前面三项关键技术的描述见于论文第二章,第四项关键技术是本文的主要研究方向,在第三章进行了详细阐述。在对关键技术进行全面剖析和分解的基础上,本文创造性地提出了基于Hu不变矩和小波神经网络的交通标志提取算法,第4章是本文的核心内容之一,在第三章对主体算法研究的基础上,详尽探讨了本文提出的交通标志识别思路,即基于不变矩特征提取基础上的小波神经网络方法,该章对特征提取方法和BP神经网络进行了较为深入的剖析,在对算法进行层层分解的基础上,对比了其与基于BP神经网络的交通标志识别之间的精度差异。论证了本文提出的基于不变矩和小波神经网络的交通标志识别算法的优越性,即首先采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别。实验结果表明,采用该方法对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 交通标志分类算法的研究现状
• 1.2.2 小波神经网路的研究现状
• 1.3 基于神经网络进行交通标志识别的必要性研究
• 1.4 本文的结构安排
• 第2章 交通标志识别关键技术研究
• 2.1 交通标志的基本知识
• 2.2 识别框架
• 2.3 预处理技术
• 2.4 模板匹配技术
• 2.5 特征提取与选择技术
• 2.6 交通标志分类
• 第3章 小波神经网络算法
• 3.1 小波神经网络综述
• 3.1.1 神经网络基本概念
• 3.1.2 神经网络综述
• 3.2 小波神经网络算法研究
• 3.2.1 小波神经网络的初始化
• 3.2.2 小波神经网络的学习
• 第4章 基于不变矩和小波神经网络的交通标志识别研究
• 4.1 小波矩特征的计算方法
• 4.1.1 平移、比例、归一化
• 4.1.2 极坐标化
• 4.1.3 特征提取和选择
• 4.2 基于BP神经网络的交通标志识别研究
• 4.2.1 BP神经网络结构模型
• 4.2.2 BP网络训练的算法实现
• 4.3 基于小波神经网络的交通标志识别研究
• 第5章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文及参与项目